# HACTS-05｜時間主權的微觀決策：不做、延後、退出與回返如何構成實質自由

## 從可行行動集合、責任來源、跨期承諾、財務可持續性到自主節奏——人機耦合生活的最小決策理論

**English title:** *Microdecisions of Temporal Sovereignty: Inaction, Deferral, Exit, Returnability, and the Effective Freedom to Set One's Pace in Human–AI Collaboration*  
**系列：**《人機耦合時代的時間主權與創造自由》（Human–AI Coupling, Temporal Sovereignty, and Creative Freedom；HACTS）  
**篇次：** 05／10（第二卷第一篇；承接 HACTS-00～04）  
**文件編號：** EML-HACTS-2026-05-v0.1  
**版本：** v0.1  
**日期：** 2026-10-16（Asia/Taipei）  
**思想提出與研究策劃：** Neo.K  
**AI 協作研究與論文初稿整理：** GPT-6  
**研究場域：** EveMissLab／無界智庫  
**文件性質：** 理論研究論文／規範性論證／條件性動態模型／可否證實證設計  
**狀態：** 詳細理論初稿；未經同儕審查，尚無本研究新採集之受試者資料  
**Canonical source：** 本 UTF-8 Markdown 原始檔；所有數學源碼僅以 ` $...$ ` 與 `$$...$$` 包圍  
**研究邊界：** 非心理疾病診斷、非個人投資或職業決策建議、非法律意見、非對既有 AI 系統實作安全性的證明  

**作者：** Neo.K  
**機構：** EveMissLab／一言諾科技有限公司  

---

## 摘要

人工智慧與持續性 Agent 提高人類在給定時間內能完成的工作量，亦擴張原本難以進入實作階段的研究、產品及創作選擇。當技術供給能力成長快於人類意圖、注意、驗證及生活時間的可持續承載能力時，「我能夠做什麼」與「我現在必須做什麼」便可能發生系統性混淆。個體即使具有隨時關閉 Agent 的技術能力，也可能因配額到期、外部承諾、財務不安、擔憂歷史技術窗口縮小、專案潛在價值或自身高熱情，而無法實際選擇不同的時間節奏。反過來，個體即使長時間全心投入工作，也不必然缺乏時間主權；關鍵是他是否擁有經過充分資訊、可負擔、可修正且可回返的替代路徑。

本文提出「時間主權的微觀決策」（Microdecisions of Temporal Sovereignty；**MTS**）作為 HACTS 第二卷的分析起點。相較於 HACTS-04 聚焦「Agent 持續運行時人類能否退出即時操作與心理待命」，本文研究主體如何在實際可行的生活條件下，在**繼續、延後、休眠、退出、回返**等行動間自主配置人生時間。本文首先區分形式許可、操作能力、可行替代、跨期可回返性及自願實行；將外部義務、可撤回的自我承諾、可選機會、AI 自動生成的建議，以及必要安全責任分開計量。進一步以受資源、義務、風險、恢復及資訊限制的動態可行集合、專案狀態轉換與有限期序貫決策建立模型。

本篇的核心命題不是「停止總比繼續更好」，更不是要求創作者壓抑熱情，而是：**如果一個人在法律、安全及必要經濟條件允許時，不能合理地選擇暫緩自己已經有能力執行的工作，則生產能力擴張並不自動等於時間主權擴張。** 不行動本身可是一個經反思且具有因果後果的選擇；延後在資訊可能增加、技術成本可能下降、專案成果可妥善保存時，可能具有正值；休眠不同於失敗與遺棄；退出需要處理未結責任，回返也需要維持有效的知識、權限及資產可重建性。另一方面，經濟緩衝不足、技術折舊、外部契約、風險與無法回復的期限，可能使延後不合理甚至不可行。

本文對接 Sen 的能力取徑、Deci 與 Ryan 的自我決定理論、Hirschman 的退出與發聲、不可逆投資與等待選擇權、心理抽離與邊界管理，以及 2026 年 AI 工作密集化與委任監督研究。這些文獻已分別處理實質自由、內在動機、退出、等待、恢復與技術支配；因此本文**不聲稱首次發現「人有權停止」或「延後具有價值」**，而是提出面向 AI-native 創作與小型自主組織的「行動狀態—可行集合—跨期回返—責任治理」整合模型及可檢驗的預測。

本文建立十二組可否證假說、四類反例、六項可重算思想實驗，以及面向 HDUS／ANDO 類系統的最小時間授權契約。最終結論為：**成熟的人機耦合不是人類以機器的產能極限生活，而是容許機器以其速度運作、同時保障人類自主決定哪些機會應在何時轉化成真正承諾，以及哪些機會應被保留、釋放、捨棄或交給未來。**

**關鍵詞：** 時間主權、微觀決策、有效選擇集、可行集合、延後、專案休眠、退出、回返、未來自我、責任來源、實質選擇權、AI Agent、人機耦合、動態治理、可持續創業、實質自由、跨期承諾、可否證研究。

---

## 0. 問題提出：為什麼「我可以做」不推出「我現在應該做」？

假設一名創作者擁有數十項可以繼續開發的研究構想、數個具備原型的軟體專案，以及可在背景自主執行的多個 Agent。技術進步使更多事情在當天成為可執行選項。對他而言，完成任務並不只是外在勞動；構思理論、建構引擎及讓產品逐步成形可能同時帶來高度成就感。

然而，當每個已完成成果又生成下一階段可行工作，當額度重置持續提醒「未使用便可能失效」，當創作者認為人類創造的技術黃金窗口具有某種時間稀缺，當他對所有尚未發布的原型仍能想像更好的版本，有限的生活時間便可能被無限擴展的可執行集合包圍。

在這種條件下，「能夠停止」至少有四種不同含義：

1. **技術上能停止：** 可以按下關閉按鈕、暫停 Agent 或離開裝置。
2. **規則上被允許停止：** 沒有契約、值守與外部責任要求繼續。
3. **實際上負擔得起停止：** 基本財務、必要照護、資訊及風險條件不因停止而立即失穩。
4. **跨期仍有選擇：** 停止不會不成比例地摧毀未來重新推進、重新使用成果或改變方向的可能。

上述四者不能等同。尤其對創業者而言，關掉電腦不等於基本現金流足夠；對持續性 Agent 的管理者而言，靜音不等於安全責任有適當承接；對獨立研究者而言，兩年後重開專案的能力取決於資產是否可重建，而不只取決於當下是否想繼續。

因此本文提出主要研究問題：

> 在相同 AI 能力與機器產能條件下，什麼樣的制度、資源、承諾與資訊狀態，能使行動者自由選擇繼續、延後、休眠、退出及回返，而不是被「所有可做之事」預設為「全部待完成之事」？

本篇既不把高投入視為病理，也不把休息視為終極唯一價值。**自由包含繼續工作的自由，也包含不必因能做而被迫繼續做的自由。**

---

## 1. 本篇在 HACTS 系列中的位置

### 1.1 從生產力膨脹走向時間主權

前五份 canonical 原稿的問題配置如下：

| 原稿 | 關注的主要問題 | 本篇承接但不重複的部分 |
|---|---|---|
| HACTS-00 | AI 高產能下的時間主權總綱 | 把總綱的「可支配」落到單一決策 |
| HACTS-01 | 能力增長使工作需求內生擴張 | 討論新增需求何時可被拒絕承諾 |
| HACTS-02 | 額度到期使時間配置受機器供給扭曲 | 討論到期配額能否正當地留置不用 |
| HACTS-03 | 創造滿足與疲勞可能並存 | 將自願高投入納入而非當成反例 |
| HACTS-04 | Agent 並行後，人類仍可能認知待命 | 將有效離線推進到生活選擇的跨期可行性 |

HACTS-04 的兩個重要成果是：機器結果佇列不能與人工責任佇列混為一談；離線需要可驗證的組織安全與回返安排。這兩項是本篇前置而不是本篇終點。

若只達成降低通知打斷、減少人工即時審核，個體仍可能因為經濟壓力、外部截止日、過去承諾或自我生成的可能性需求而持續投入。因此本篇從**執行層操作退出**推進到**主體層微觀時間自主**。

### 1.2 與既有 EveMissLab 理論的非重複分工

- **HAVT-06〈從失業時間到時間主權〉**主要處理自動化生產力紅利與制度分配。本篇把分析單位縮到單一行動者在一個決策時刻能否真正變更節奏。
- **HAVT-07〈多速度文明〉**研究社會層級「不被迫同步最快技術體系」。本篇研究個人跨期專案步速與合法退出的可行條件。
- **HODR-II〈選擇權囤積〉**研究選項過多且未外化造成的延遲；本篇區分有正值的等待、沒有實質依據的推遲，以及有意義的專案休眠。
- **HODR-IV〈可能性空間爆炸〉**研究 AI 新增候選速度如何超過決策與外化速度；本篇研究對候選事項施加義務或不施加義務的正當性。
- **AI 計算時間經濟學**研究 Token、算力與資源如何分配；本篇研究由誰決定有多少人類生活時間應被交給這些資源。
- **委任時間論／操作員退出問題**處理 Agency、Authority、Checkpoint 與委任密度；本篇處理人類能否選擇暫不作出下一次委任。
- **RR-06〈Owned Trajectory〉**研究一條生命或行動軌跡能否被主體重審、承責與改寫；本篇建立該理念在人機協作日常抉擇中的可行性條件。

由此，本篇的原創主張應限定為**特定跨域理論的形式整合與可測量化**，不得將前述既有概念全部重新命名為首次提出。

---

## 2. 外部文獻：自由不是結果、動機不是命令、等待不是失敗

### 2.1 Sen 與能力取徑：自由是實際可到達的選項

Sen（1999）在 *Development as Freedom* 中以實質自由作為發展的核心評價尺度，而非僅以財富或完成產出衡量生活的好壞 [E1]。Robeyns（2005）對能力取徑的整理，特別區分「實際可行的能力集合」與「已經實現的生活狀態」[E2]。

這給本篇一個精確提醒：某人最後選擇每天投入研究十二小時，不能單靠結果判定其有或沒有時間自主；必須知道他是否具備**在基本生活不失穩的條件下，選擇較少工作、改變時序或暫停專案的真實可能**。

相反地，一個人形式上每天只有四小時正式工作，仍可能因交通、照護、債務與必須即時回覆的工作要求而缺乏有效可支配時間。故工作時數是重要觀察量，但不是時間主權的充分統計量。

### 2.2 自我決定理論：自願與內在興趣不代表沒有成本

Deci 與 Ryan（2000）的自我決定理論重視自主、勝任與關係需求，並區分不同行為調節的品質 [E3]。本篇從中取用「自願認同」維度，但不把它擴張成「高度自願投入便不會疲倦」的推論。

高投入可能完全合乎主體所珍視的目標，且仍然具有較高機會成本、恢復成本及跨期承諾成本。同樣地，一個人如果決定減少工作，可能不是動機衰退，而是對更廣泛人生目的作出的重新排序。這種調整不應被事後解讀為對過往熱情的否定。

### 2.3 Hirschman：退出、發聲與忠誠存在不同作用範圍

Hirschman（1970）研究個體面對組織狀態惡化時的退出與發聲選擇，以及忠誠可能如何影響兩者 [E4]。我們將其結構借用到個人與 AI 工作系統的關係，**但不能直接把其組織政治經濟模型等同個人的每項日常行動**。

使用者對 Agent 系統不滿時，可能選擇調整權限與規則（發聲）、暫停訂閱（部分退出）、停止某個研究線（項目退出），或在修正後重新啟用（回返）。哪一種是合理的，取決於權限、可逆性及對外責任。退出不必然是不負責任，繼續也不自動代表忠誠或成熟。

### 2.4 真實選擇權：延後可能具有獨立經濟價值

McDonald 與 Siegel（1986）在不可逆投資模型中分析等待投資的價值 [E5]；Pindyck（1991）系統說明不確定性、不可逆性與投資時機 [E6]。兩者不是在研究 AI 論文或 GitHub 專案，但其共通洞見是：**有能力在今天投入，不能單靠正的當前收益判定今天一定應投入**。

如果現在完成的某段程式碼會因未來模型、硬體或基礎設施進步而顯著降低成本，延後可能有正值。如果某種世界歷史創作窗口正在縮小，延後又可能損失重要先發價值。本篇將此視為兩種時間效果的競爭，而不先將任何一方絕對化。詳細的歷史窗口模型保留給 HACTS-06 與 HACTS-07。

### 2.5 邊界管理與自治悖論：時間選擇會被技術規範塑造

Mazmanian、Orlikowski 與 Yates（2013）在研究行動電子郵件時指出，追求隨時能自主處理工作的工具使用，也可能形成持續可聯絡的群體規範 [E7]。Kossek 與 Lautsch（2012）強調工作與非工作界線管理方式及其組織條件差異 [E8]。兩者提醒我們，不能把個人的時間自主理解為完全與環境無關的意志力。

2026 年 Ranganathan 與 Ye 的技術公司研究觀察到 AI 使用伴隨工作節奏、範圍及工時的擴張，但這是有限環境中的質性研究，不應直接外推全社會 [E9]。Zhang、Li 與 Chen（2026）兩波問卷研究提出 AI Process Vigilance，觀察委任依賴、持續監督關注、工作反芻與恢復之間的關聯，亦不能單憑該設計確立因果 [E10]。

本篇由此提出更窄的問題：當系統減少打斷，使用者是否真的能對下一項研究說「現在不做」？這個差異需要在相同資源與風險條件下實際測量。

### 2.6 恢復研究不要求同一種休息模式

Sonnentag 與 Fritz（2007）區分心理抽離、放鬆、精熟與控制四種恢復經驗 [E11]。因此本篇不將「休閒時絕對不思考研究」當成最佳狀態。某些人會以閱讀、遊戲設計、藝術練習或自發學習獲得恢復；另一些人需要真正的心理抽離。是否實際受益應依主體的經驗與跨期負荷衡量。

### 2.7 選項多不是必然有害：反例文獻限制理論過度擴張

Scheibehenne、Greifeneder 與 Todd（2010）對選擇過載研究的統合分析指出，平均效應接近零且研究間變異大 [E12]。這是一個必要的反對證據：不能把「選擇多會讓人做更多管理」宣稱為普遍心理定律。

本篇因此聚焦更嚴格的條件：**具有實際執行能力的候選，是否被制度、個人承諾或 AI 流程轉換為現在必須履行的義務；以及停止是否有正當且可負擔的路徑。**

### 2.8 節省時間與跨期自我控制：另外兩項邊界

Whillans 等人（2017）的跨國調查與實驗研究提供「透過支出購買時間」可能改善主觀福祉的證據 [E13]；但不能由此推出任何特定訂閱、委任或外包服務都值得購買。Laibson（1997）關於雙曲折現的研究說明跨期偏好可能不一致 [E14]，使「現在的我願意工作」與「明天的我是否應承擔後果」成為值得獨立研究的問題。

因此時間主權不只是當下意願，更要求能容納未來重審、外部責任及資訊更新。

---

## 3. 五個必須分開的概念：許可、能力、可行性、行使與回返

### 3.1 形式許可（Formal Permission）

形式許可是某行動在相關規則下沒有被禁止，例如一般私人研究者能合法在週末停止開發其自有的無期限開源專案。這只描述規則狀態，不代表資源已足夠，也不保證停止後沒有生活成本。

### 3.2 操作能力（Operational Ability）

操作能力是行動者及其工具實際能執行某操作。使用者可以有關閉電腦的能力；但如果 Agent 已掌握無法回收的外部權限或正在執行不可逆操作，實際停止能力可能弱於按鈕所表示的能力。

### 3.3 有效可行性（Effective Feasibility）

有效可行性是在正式權限以外，將收入、基本生存、照護、風險、外部責任、資訊可得性與未來重建成本納入後，仍能採取某行動的條件。這是本篇最重要的研究層次。

### 3.4 自願行使（Voluntary Exercise）

自願行使是行動者在理解主要替代選項及可預見後果後，實際作出選擇。這不代表絕對沒有社會影響，亦不要求人類永遠充分理性；它是需以反思性認同、替代選項、可撤回性等多個指標近似觀察的構念。

### 3.5 可回返性（Returnability）

可回返性是行動者在暫離專案或角色後，於某個合理時間範圍內能以可接受成本重新取得必要資訊、權限、環境、技能與生存條件，重新選擇進入的能力。它不是保證每件事都能回復到完全相同的世界狀態；技術、市場與個人偏好都會改變。

五個層次的形式關係應保守處理。形式許可與操作能力並非必然互相包含；可行性依賴兩者及其他限制，而自願行使是其中某項可能行動的實際選擇結果。**不能因為一個人沒有行使休息選項，就直接推定他欠缺自由；也不能因為他實際停止過一次，就判定他擁有穩定的時間主權。**

---

## 4. 「不做」是什麼：零行動不是零選擇

### 4.1 物理不行動與決策上的不承諾

坐著不操作，不一定代表作出了有效決策；可能是任務尚未被意識到、資訊不足、失去資源，或因外部阻礙而無法行動。相反地，一個人明確檢視項目，確認它不具立即責任或不可逆時限，決定暫不承諾，可能是一項具有資訊、判準與責任邊界的主動選擇。

定義候選機會集合為 $\mathcal O_t$，已接受的自願承諾集合為 $\mathcal K_t$。如果某個候選 $i$ 屬於前者而不屬於後者，應首先視為**可選可能性**，而不是**未完成的義務**。

具體集合定義如下：

$$
\mathcal O_t=\{i: i\ \mathrm{is\ an\ available\ opportunity}\},
$$

$$
\mathcal K_t=\{i: i\ \mathrm{is\ an\ accepted\ commitment}\}.
$$

一般情況下：

$$
\mathcal K_t\subseteq\mathcal O_t.
$$

但有些外部法定義務不必來自個人的候選發想，所以較精確地應將**非自願的合法責任**另置於強制義務集合，而非把所有責任塞進自願承諾集合。

### 4.2 「不做」不是逃避所有責任

若某項工作存在明確契約、公共安全、第三方財產、合法值班或照護義務，當下選擇不做可能不在正當可行集合中。此時應優先履約、合法轉交或安全停止，而不是直接用「時間主權」正當化失責。

因此本篇主張的「不做的自由」有條件：它首先適用於**未被合法承諾、未受不可替代安全責任約束、且不會造成不可接受第三方傷害**的可選活動。

### 4.3 不承諾的積極價值

不承諾可能保留金錢、注意力、創造熱情、與親友相處、恢復及重新評估的能力。它也避免將短暫興趣立即轉換為對未來自我的永久要求。

但不承諾本身不是無限期免成本：有些機會會到期、技能會折舊、資料會損壞、研究重要性會變化。這些成本必須入帳。理論的目的是區分**真正的延後成本**與**只是因 AI 有剩餘產能而產生的虛構義務感**。

---
## 5. 義務來源的分帳：誰真正有權要求下一步？

### 5.1 五種相似但不等價的工作來源

一個現代 AI 使用者的待辦清單可能混有完全不同的來源。本文將其至少分為五類：

| 來源類型 | 例子 | 是否自動產生必須立即履行的責任 | 所需判準 |
|---|---|---|---|
| 既有外部承諾 $D_E$ | 已簽署契約、已同意交付、既定工作義務 | 可能；依條款與情況 | 合約、法令、到期日、轉交選項 |
| 安全與第三方責任 $D_S$ | 系統事故、已授權對外部署風險 | 可能；依急迫性 | 可停止性、風險分級、真正值守人 |
| 可修正的自我承諾 $D_I$ | 自訂研究階段、個人創作計畫 | 通常不自動產生不可撤回義務 | 反思、修訂、通知必要性 |
| 時間敏感的機會 $D_O$ | 市場窗口、投稿期限、首發時機 | 本身不是法律義務 | 風險、價值、時間衰減估計 |
| AI 或系統生成的建議 $D_A$ | 新 Phase、重構提議、額度使用建議 | 否 | 使用者是否主動接受 |

上表的分類仍有交錯。例如同一個專案可能同時具有已對使用者承諾的外部期限與由自己生成的後續新功能。治理時不應把整個專案一口氣標註為「必須完成」，而應把每一項變更的授權與責任追溯到具體來源。

### 5.2 AI 提議不是人類承諾

在可持續的 Agent 組織中，模型完成任務後可能提出進一步重構、風險驗證或新功能。這是候選資訊，不是新的已承諾工作。除非相關程序具有事先有效授權、適當範圍與清楚限制，否則：

$$
\mathrm{Suggestion}_{AI}(i)
\not\Rightarrow
\mathrm{Commitment}_{H}(i).
$$

對於「自動延伸下個 Phase」之類代理流程，預設可以設為記錄提議、估計價值、提供可選審閱時段，而不是每次成功後就自動把下一階段當成必須完成。

### 5.3 自我承諾需要正當的修訂機制

對自己許下的計畫不完全等於對外簽約。個人可以出於紀律與長期目標制定嚴格計畫，這可能有實際價值；但如果曾經自願承諾便永遠不被允許修改，則現在的自己會對未來的自己行使無限拘束。

因此本篇建議區分承諾強度與可修訂條件。承諾可以高強度，卻不必無限期、不可撤銷；可有明確日期、預算、風險、檢查點、退出成本與允許修正的程序。這與 RR-06 的可修正生命軌跡主張相容。

### 5.4 反向責任：宣稱「不做」同樣需要誠實

主體不必無限承諾所有候選事項，但對已存在的外部權利與事實仍負有真實義務。不能假借「只是 AI 建議」否認自己已核准的外部發布；也不能因打算休眠而無視資料保護、服務持續性或現有合約。

合理的時間主權不是抹去責任，而是讓**責任範圍有可解釋、可追蹤且不任意擴張的邊界**。

---

## 6. 五種微觀行動：繼續、延後、休眠、退出、回返

### 6.1 行動字母表

對專案 $i$ 在時刻 $t$，設定基本決策行動：

$$
\mathcal A_i
=
\{\mathrm{W},\mathrm{D},\mathrm{H},\mathrm{X},\mathrm{R}\}.
$$

其含義為：

- $\mathrm W$ （Work/Continue）：以實際注意、金錢、AI 額度或其他資源推進。
- $\mathrm D$ （Defer）：暫不推進，仍保留近期再判斷可能；無須即刻建立繁重管理制度。
- $\mathrm H$ （Hibernate）：將成果、狀態與必要資訊固化後長期休眠，不要求週期性全面管理。
- $\mathrm X$ （Exit）：終止該項工作關係或專案承諾，依合法程序處理剩餘責任，可選擇公開、封存、刪除自有測試資料或讓權限過期。
- $\mathrm R$ （Return）：從休眠或適當退出狀態重新啟動一條可行路徑，重新檢查相依、授權、成本、風險及意圖。

這不是五種心理標籤，而是可以在研究及工程中定義其前置條件、行為後果與可觀察紀錄的**決策算子**。

### 6.2 不應混淆「延後」與「休眠」

延後一般保留較高的近期決策預期；休眠則明確終止對日常進展的要求，以低維狀態保存重新進入的條件。沒有必要將每次一天未碰的工作都標記為休眠，也不需要替每個休眠專案設定下週一定要審查的週期。

兩者的界線可以由是否取消日常報告、是否凍結非必要 Agent、是否保存目前版本、是否仍有承諾時限及何時才會因外部條件觸發回返來決定。

### 6.3 退出也不等於失敗

退出可能是因為研究問題已解決、領域不再重要、發現新方法完全取代舊方案、收益低於維護費、外部委任已合法完成，或主體單純改變了生活目標。

但是「退出」與「不負責任地放棄既有義務」不同。合理退出有時需保留紀錄、轉交服務、通知協作者、清理憑證或依法保存資料；有時退出成本太高，合理選項便是部分降階而非立即完全退出。

### 6.4 回返不等於原封不動地還原

重新推進某項研究，可以沿用舊論文、程式碼與設計，卻採用新的 AI、硬體、合作模式或研究問題。回返是一種再進入能力，而不是在時間上回到原來的世界。

因此：

$$
\mathrm{Return}(i,t')
\neq
\mathrm{RestoreExactPast}(i,t).
$$

有時候世界已改變到舊路線不值得重走；這同樣可能是一個理性結果。

---

## 7. 專案狀態機：行動不是標籤，必須具備轉換語義

### 7.1 最小專案狀態

設定專案狀態集合：

$$
\mathcal P_i
=
\{\mathrm{Idea},\mathrm{Active},\mathrm{Deferred},\mathrm{Dormant},\mathrm{Released},\mathrm{Closed}\}.
$$

狀態是分析工具而非應強制所有儲存庫採用的軟體規格。尤其 `Released` 與 `Dormant` 不互斥：一份已公開的研究也可以停止主動更新。因此實作時可使用多維標記，而不是非得把所有概念壓入單一枚舉。

### 7.2 轉移約束

典型轉移關係如下：

| 起始 | 行動 | 合法或適當的結果 | 需要額外檢查 |
|---|---|---|---|
| Idea | W | Active | 可行性、權限、資源 |
| Active | D | Deferred | 有無到期與未結操作 |
| Active | H | Dormant | 版本封存、外部服務、憑證 |
| Active | X | Closed | 外部義務、資料治理 |
| Deferred | W | Active | 重估價值及風險 |
| Deferred | H | Dormant | 最小保留證據 |
| Dormant | R | Active 或新版分支 | 相依、來源、重建、時間成本 |
| Released | H | Released + Dormant | 公開網址與義務是否仍有效 |
| Closed | R | 新立項或合法重新開啟 | 不預設一切退出可逆 |

### 7.3 封存完整性不是「重新管理一遍」

專案在進入休眠前，僅應保存未來回返所不可替代的資訊，例如：最後可核對版本、如何運行、必要相依、已知限制、授權來源及若有外部服務的停機狀態。對某些簡單研究草稿，保存一份 UTF-8 Markdown 可能已足夠；對複雜分散式系統，則可能需要測試資料、可重建環境與供應鏈資訊。

最重要的是不要把「保留可回返性」理解成要替所有專案持續安排繁重維護。**休眠的管理支出應相對於其未來選擇權而有界。**

### 7.4 正式公開也是另一種轉移

私人 GitHub 到公開 GitHub、原始論文到預印本，以及概念宣告到產品，都是不同的世界提交事件。公開可能帶來可追溯的時間證據與新的協作機會，亦可能產生授權、第三方依賴、安全與智慧財產後果。

因此公開不能被本篇簡化為「越早放出去越好」。尤其預印本時間戳、程式碼公開、開源授權及專利權的形成是不同概念，正式公開前需依適用法律與實際策略決定是否保留其他權益。

---

## 8. 微觀狀態空間：對一個人而言，今日決策依賴什麼？

### 8.1 基本狀態向量

令一個行動者在時刻 $t$ 的狀態為：

$$
S_t=(B_t,T_t,R_t,K_t,P_t,D_t,Z_t,Q_t,I_t).
$$

各分量的操作意義是：

- $B_t$：可支配財務緩衝與必要支出之間的關係。
- $T_t$：扣除不可任意取消義務後的當期可重新配置時間。
- $R_t$：工作後恢復需求及主觀持續負荷的研究指標，非生理利用率。
- $K_t$：可保存、可重建的知識、程式與其他累積資產。
- $P_t$：各研究或產品的狀態與必要依賴。
- $D_t$：合法對外責任及已認可自我承諾的分層集合。
- $Z_t$：AI、硬體、工具、政策與市場等外部環境。
- $Q_t$：當期仍可使用的 AI 計算配額與有效使用條件。
- $I_t$：決策資訊品質與對結果不確定性的估計。

這些量不是同單位純量，不可直接相加為所謂「人生分數」。它們是一組影響行動可行性的條件。

### 8.2 狀態轉移

令 $a_t$ 為一個或多個可同時執行的行動。狀態轉移由：

$$
S_{t+1}=F_t(S_t,a_t,\xi_{t+1})
$$

表示，其中 $\xi_{t+1}$ 是未能完全預測的外部條件，如市場需求、工具成本、身體狀態、合作機會、技術改版、契約變更或偶然研究突破。

如果某項行動在今天可以完成，不表示明天的 $F_t$ 仍相同。因此不得將模型能力改善率、ASI 出現日期、產品收入或合作夥伴數量當成已知確定參數。

### 8.3 財務與恢復都屬可行性條件

同一個選擇，在資金充足的狀態與財務緩衝不足的狀態，可能具有完全不同的可行性。一個人今日想休息，不等於未來不用支付基本生活費；一個人有能力高強度研究，也不表示他能無限制承擔未來的疲勞與其他生活代價。

本篇因此不僅將錢、時間當成效用函數中的負項，更把某些基本條件當成不可輕易交換的**可行性邊界**。例如：對不能承擔失去住處或無法支付基本必要支出的情況，不宜只用「未來研究價值很高」作為當期忽略現實風險的理由。

---

## 9. 實質可行集合：時間主權的形式核心

### 9.1 三個集合

令 $\mathcal A_t$ 為在時刻 $t$ 可想像的行動全集； $\mathcal L_t$ 為符合權限、契約與必要安全要求的行動集合； $\mathcal R_t$ 為符合資金、時間、資訊及恢復條件的實際可行行動集合。則定義：

$$
\mathcal F_t(S_t)
=
\mathcal A_t\cap\mathcal L_t\cap\mathcal R_t.
$$

此 $\mathcal F_t$ 為**有效可行行動集合**。個人是否具有某種選擇權，首先要檢查該選擇是否屬於這個集合，而不是只看介面有沒有提供按鈕。

例如「暫時降級 AI 訂閱」若不會破壞當期必要已承諾交付，且能降低固定成本，可能在 $\mathcal F_t$ 內；若某專案已對客戶承諾在當日完成且無法合法展延，擅自停工可能不在當期正當可行集合內。

### 9.2 可行集合不等於偏好集合

即使「休息」可行，個體也可能選擇繼續工作。這不必然表示自主不足。反過來，即使某項行動強烈被偏好，若現金流或安全條件不允許，也可能不在可行集合中。

故：

$$
\mathrm{Preferred}_t(a)
\not\Rightarrow
 a\in\mathcal F_t(S_t),
$$

且：

$$
a\in\mathcal F_t(S_t)
\not\Rightarrow
\mathrm{Chosen}_t(a).
$$

這是避免以結果倒推自由的重要邏輯界線。

### 9.3 有效可行的「不做」條件

令 $a_0$ 代表不新增可選工作承諾的行動。當：

$$
a_0\in\mathcal F_t(S_t)
$$

且行動者理解其合理可預見後果時，才可說「今天不增加工作」在該時刻是有效選項。這仍不足以宣稱一個人具有完整的人生主權，因為其他結構性限制可能存在，但至少能測量該項具體選擇。

### 9.4 可持續的選擇不是只看今天

有些行動今天可行，卻會使明天落入必然無法維持生活或履約的狀態。故進一步定義有限期可行路徑：

$$
\mathcal F_{t:t+H}^{\mathrm{path}}
=\{(a_t,\ldots,a_{t+H-1}):S_{\tau+1}=F_{\tau}(S_\tau,a_\tau,\xi_{\tau+1}),\ S_\tau\in\mathcal V_\tau\},
$$

其中 $\mathcal V_\tau$ 為時刻 $\tau$ 的基本生存、安全及履約限制集合。這種在狀態限制下分析動態可行性的方向，與 Aubin（2009 版）的 viability theory 具有明確方法關聯 [E16]；本篇並未求解完整的 viability kernel。這個寫法僅是在給定環境情境或假設下的可行性定義，不保證所有外部不確定性都能同時滿足。

### 9.5 多情境下的穩健性

如果某選擇只在樂觀的單一情境下可行，而在稍微不利的情境就破壞必要生活底線，其實質自由程度可能很脆弱。研究時可比較基準情境、悲觀情境與未來技術改善情境下的可行集合交集，而不是只採最大化樂觀預測。

$$
\mathcal F_t^{\mathrm{robust}}
=\bigcap_{\omega\in\Omega_{\mathrm{admissible}}}
\mathcal F_t(S_t;\omega).
$$

此集合的意義依賴合理的情境集合 $\Omega_{\mathrm{admissible}}$。若包含任何可想像災難，交集可能變成空集；若只包含所有事情順利，則失去穩健性的意義。選擇情境範圍本身應透明並可接受批評。

---

## 10. 時間主權不是單一最大化分數

### 10.1 為何不能只最大化休息時數

如果將時間主權定義為最大化不工作的時數，則一名自由選擇整夜寫作的創作者會被錯誤評為自主程度很低。相反地，一名因失業而無法取得收入的人雖然沒有工作，卻可能沒有實際可支配人生的能力。

因此本文不採：

$$
\mathrm{TemporalSovereignty}=\max(\mathrm{IdleHours}).
$$

### 10.2 為何不能只最大化工作產量

同樣地，若 AI 系統用一週完成論文、程式碼、影音與外化成果的件數作為唯一指標，就會將「我想今天玩遊戲」「我想先停止研究」「我想半年後再回來」等選擇視為純粹的效率損失。

這會把使用者目的降級成系統的手段，與我們的研究主題衝突。

### 10.3 建議的多維評價

對特定行動 $a$，可以評估一個向量：

$$
\mathbf G_t(a)
=
(G_{\mathrm{agency}},G_{\mathrm{viability}},G_{\mathrm{value}},G_{\mathrm{return}},G_{\mathrm{recovery}},G_{\mathrm{responsibility}}).
$$

六個分量至少分別描述：選擇的自主程度、財務與生活可持續性、實現價值、未來可重新選擇的能力、恢復與負荷，以及合法與道德責任的履行情況。

這些指標可能互相衝突。除非明確披露個體偏好、政策優先級與測量方式，不應直接聲稱存在普遍有效的唯一加權組合。建議先使用**硬約束＋偏好比較／Pareto 改善／可說明的非支配選擇**，而非一個看似精確的人生最優分數。

### 10.4 有效時間主權的最小判準

本文提出一個操作上的最低要求：在符合必要責任與安全限制的情況下，行動者對重大可選工作的開始、繼續、降低強度與暫離，應保有至少一條**具有實際可行性且非象徵性**的替代路徑；對需要長期保存的成果，合理可能範圍內保留回返能力。

這不是人權法上的既成法律定義，而是本系列的可測量研究準則。

---
## 11. 跨期決策模型：今日完成、明日完成與暫時不完成

### 11.1 單期效用不是全局決策的充分條件

若只依某日是否有空、某項工作是否可做、今天完成能獲得多少成就感來決定，就可能忽略：未來技術下降的成本、今天工作造成的後續恢復需求、放棄其他任務的機會成本，以及未來外部承諾的負荷。

令 $u_t(S_t,a_t)$ 表示當期行動在給定權重與測量下的局部價值。對固定有限研究期間 $H$，以一個**受硬性可行性約束的動態模型**作為分析工具：

$$
\max_{\pi}\;
\mathbb E_{\pi}\left[
\sum_{k=0}^{H-1}\delta^k u_{t+k}(S_{t+k},a_{t+k})
+\delta^H V_{t+H}(S_{t+H})
\right]
$$

subject to：

$$
a_{t+k}\in\mathcal F_{t+k}(S_{t+k}),
$$

$$
S_{t+k+1}=F_{t+k}(S_{t+k},a_{t+k},\xi_{t+k+1}).
$$

其中 $\pi$ 是在不同狀態下採取行動的決策政策， $0<\delta\le1$ 為跨期比較係數， $V_{t+H}$ 是期末仍保留的狀態價值。這個形式不是宣稱人的生活存在可完整估算的單一效用，也不是要求每個創作者每天真正解一次動態規劃。Simon（1955）的有限理性研究亦提醒我們，現實行動者不一定具備計算全域最適策略的資訊與能力 [E15]。其功能是揭露：**今天做與今天不做都會改變未來的選擇集合。**

### 11.2 承諾的轉換成本

若今天開始某項新研究，不只是支付今日操作成本，也可能承擔後續維護、公開、驗證、協作與認知切換成本。令新增承諾的未來總成本為 $C^{\mathrm{commit}}_i(t)$，則：

$$
V_i^{\mathrm{start}}(t)
=V_i^{\mathrm{immediate}}(t)
+V_i^{\mathrm{future\ benefit}}(t)
-C_i^{\mathrm{build}}(t)
-C_i^{\mathrm{commit}}(t).
$$

上述項目需採一致的時間基準並避免重複計算。尤其「未來收益」和「後續承諾」常存在高度不確定性，不可用單純主觀樂觀估值當成保證。

### 11.3 等待選擇權：風險與成本都進入模型

考慮一項未承諾、可在下一期重估的單一專案。若今日實現的品質調整價值為 $V_0$ 、今日成本為 $C_0$，則：

$$
N_0=V_0-C_0.
$$

若保留專案需支付保存成本 $c_p$，下一期價值及成本為隨機變數 $V_1,C_1$，機會保存成功的機率在簡化模型下為 $1-p$，則等待價值可示意為：

$$
N_{\mathrm{wait}}
=-c_p+\delta(1-p)\mathbb E\left[\max\{0,V_1-C_1\}\right].
$$

上述式子作了簡化：視當期 $c_p$ 已支付，無保存失敗後的殘值，下一期允許放棄，且風險機率不依個別狀態變動。正式比較時需增加其他路徑、替代收益、依賴成本與時間窗口損失。

在這個簡化框架中，若：

$$
N_{\mathrm{wait}}>\max\{0,N_0\},
$$

則等待可優於當前立即執行；若反向，則立即完成或選擇其他行動可能較好。**這個不等式只是模型判準，不是對真實個人專案的預測結果。**

### 11.4 未來技術改善的價值與歷史窗口的價值必須競爭

可以將下一期成本視為：

$$
C_1=C_0-\Delta C_{\mathrm{technology}}+\Delta C_{\mathrm{restart}}+\Delta C_{\mathrm{drift}}.
$$

其中：

- $\Delta C_{\mathrm{technology}}$：未來 AI、硬體或方法改進所帶來的成本下降；
- $\Delta C_{\mathrm{restart}}$：重新進入需要重新學習與環境恢復的成本；
- $\Delta C_{\mathrm{drift}}$：相依套件、制度、市場或研究背景變動所新增的成本。

下一期價值亦可分解：

$$
V_1=V_0+\Delta V_{\mathrm{new\ opportunity}}-\Delta V_{\mathrm{window\ loss}}.
$$

不能只估計「未來 AI 一定更強」便忽略知識過時及失去先發稀缺性的風險；也不能只估計「每一天的歷史價值都在下降」便忽略未來的效率與合作條件。

### 11.5 能力增加會改變最優政策，但方向不必單調

若未來預期能力增加，使部分工作延後較便宜，較高的未來能力可能使今日等待更具吸引力。然而若增加的能力同時造成市場迅速競爭、先發價值下降，方向可能相反。

因此沒有一般性的：

$$
\mathrm{AI\ capability}\uparrow
\Rightarrow
\mathrm{Do\ now}
$$

或：

$$
\mathrm{AI\ capability}\uparrow
\Rightarrow
\mathrm{Wait}
$$

的無條件結論。合理理論必須明示成本、價值、風險及環境共同變化的假設。

---

## 12. 五種行動的成本、收益與可逆性矩陣

| 行動 | 典型即時收益 | 主要成本或風險 | 是否保存未來路徑 | 何時不適合 |
|---|---|---|---|---|
| 繼續 W | 產出、學習、驗證、滿足 | 注意、支出、後續責任、放棄其他事情 | 可能增加亦可能鎖定 | 缺乏財務、安全或必要恢復條件 |
| 延後 D | 得到新資訊的機會、短期節奏彈性 | 延誤、注意殘留、可能忘記 | 通常保存 | 有不可延後責任或時效急速消退 |
| 休眠 H | 解除日常進度義務、降低干預成本 | 封存、重開成本、相依折舊 | 取決於封存品質 | 未處理對外服務與合約 |
| 退出 X | 關閉責任、停止無價值消耗 | 不可逆損失、關係與資產處理 | 不一定 | 缺乏合法退出程序 |
| 回返 R | 重新利用已保存的知識資產 | 重建、相依更新、再次評價 | 新選擇開始 | 關鍵授權或資源不可重新取得 |

此矩陣是概念比較，不含對所有專案適用的固定分數。尤其「退出」不一定比「休眠」永久：某些公開研究可在未來以新的分支重新開始。但也有外部權益、授權或市場條件無法挽回的情形。

---

## 13. 休眠選擇權與回返成本：保存什麼才真的有價值？

### 13.1 休眠不是一份新年度管理計畫

當專案數量很多時，要求創作者逐案寫出完整多年路線圖、每月檢查所有相依、整理全部技術債與全部未來用途，可能使「降低負擔」本身成為新的大型任務。

為此，本篇提出**最小必要休眠證據（Minimal Dormancy Evidence；MDE）**的概念：只要求保存將來重建決策所不可替代的基本資訊，而不是現在就預解全部未來。

對一些論文，MDE 可以只有定稿 UTF-8 Markdown、版次、日期、必要參考文獻與未解反例。對程式專案則可能包括可重現版本號、基本建置方式、測試狀態及資產來源。對已公開服務可能需要安全停機、資料責任與對外依賴清單。

### 13.2 回返成本的分解

將某專案的回返成本表示為：

$$
C_i^{\mathrm{return}}(t,t')
=C_i^{\mathrm{context}}
+C_i^{\mathrm{environment}}
+C_i^{\mathrm{verification}}
+C_i^{\mathrm{authorization}}
+C_i^{\mathrm{coordination}}.
$$

這些成本可隨時間、記錄品質與工具演化而改變。少量封存工作若能明顯降低未來回返成本，可能具有正值；但過度封存也可能超過可節省的重建負荷。

### 13.3 低維封存原則

若保存增量 $m$ 可令預期未來回返成本下降 $\Delta C_R(m)$，當期保存成本為 $C_P(m)$，則在其他條件相同的近似下，值得保存的前提可表示為：

$$
C_P(m)
<\delta^k\Pr(\mathrm{return\ by}\ t+k)\,\Delta C_R(m).
$$

此式忽略保存帶來的公共稽核、安全、法令或歷史證據價值，故僅適用於個人非強制的保存決策示意。當存在必要資料保存責任時，即使右式不足，仍應履行相應義務。

### 13.4 被保留的是未來決策權，而不是永遠有義務回來

一個休眠專案即使保存得非常完備，未來仍可以不重啟。正確的語義是「可回來」，不是「到時候一定要回來」。

$$
\mathrm{CanReturn}(i,t')
\not\Rightarrow
\mathrm{MustReturn}(i,t').
$$

這是避免選擇權再次轉化為工作負債的關鍵。保留自由，不應製造新的永久責任。

---

## 14. 真正的放手：從結果控制轉向責任邊界控制

### 14.1 可負責的範圍與不可控制的未來

研究者可以對自己提出的概念、公開資料品質、程式授權、現有合作承諾及是否誠實標示驗證限制負責；卻不可能保證未來所有讀者理解、所有產業採用、所有研究重現、所有社會運用都依其原先計畫發生。

因此，**當前可負責的行動**與**未來不可支配的結果**需嚴格區分。放手不是否認自己的作者角色，也不是逃避已形成的法律責任，而是停止把無限延伸的外部後果全數預先視為個人的工作清單。

### 14.2 認識論責任與市場結果責任不相同

公開一份仍具未證假說的研究稿，作者有責任如實標示定義、證據、可重算方式、版本和限制；但沒有義務保證論文會立即引發市場交易。產品若進入實際銷售、保固或客戶資料處理環境，責任則明顯不同。研究公開與商業供應不能用同一條「公開就放手」規則處理。

### 14.3 AI 未來使用者的自由與原作者的時間主權

某些研究與開源技術公布後，可以被他人改造、誤解、延伸或形成意料之外的產品。作者可以提供必要的授權邊界、版本紀錄與驗證資訊，卻不必替每一個可能的衍生用途親自開發原型。

這裡至少存在兩項自由：作者不必永遠掌控後續路線；接收者在合法授權範圍內可以獨立判斷其用途。兩者有時互補，但不消除保密、著作權、專利、商標及第三方權益的個別限制。

### 14.4 完美主義不是唯一解釋

不願公開或反覆推進研究，可能因重視品質、尚未建立驗證、理性保留權利、真正存在高風險，也可能因過度相信自己可以再做更好。本篇不把以上動機全部標記為拖延、恐懼或人格弱點。

成熟的判準是：停止改進的時刻是否有足夠的證據與責任界線，而非是否符合某一種心理學標籤。

---

## 15. 人類與未來自我：誰有權決定未來幾年的工作節奏？

### 15.1 現在的自我不是未來的無限代理人

人在某個時刻可能相信某項專案極度重要，因而願意長時間工作。但現實生活中的身體、財務、合作關係與價值排序都會改變。當前的高熱情不應自動被寫成未來多年不可撤銷的最低工時。

令一條個人選擇軌跡為：

$$
\Gamma_H=(S_0,a_0,S_1,a_1,\ldots,S_T).
$$

它可以有連續的核心價值與方向，但不必擁有固定不變的每日工作量。

### 15.2 可修訂的承諾比無限承諾更可信

承諾的價值通常不只是「絕對不准修改」。如果條件變更，能有負責任的修訂程序，反而可能使長期研究與合作更可持續。

一項自我承諾的治理介面可包含：

- **範圍**：承諾的是研究結果、服務維運還是每天工作時數？
- **期限**：到什麼時間應重新確認？
- **風險**：是否涉及第三方安全或外部權益？
- **資源**：是否以特定可支配財務與注意力為前提？
- **修訂**：何種條件下可以降階、轉交、停止或回返？

一項可以持續被合法修訂的承諾，並不因此失去嚴肅性；相反地，它更清楚地揭露真正不可取消的責任是什麼。

### 15.3 不能把未來 AI 的能力當成現在的確定收益

一種容易出現的樂觀判斷是：「未來 AI 肯定更強，所以全部工作以後都更容易。」它可能是有根據的預期，但並非全部專案都會受益，也不能確保可取得資源、可用服務、資料授權或硬體成本在任何時間均更理想。

因此等待決策宜保留情境範圍。更好的 AI、更多夥伴及更成熟工具能成為一種**可以評估的等待優勢**，不能被當成已經取得的資產。

### 15.4 今天的選擇必須承認未來的重新否決權

若現有承諾不是已成立的對外義務，今日可以保留對未來開工的期待，但不能替未來的自己預先取消所有變更方向的權利。這是 RR-06 的可修正生命軌跡在時間經濟學尺度上的實作化：

$$
\mathrm{Plan}_{t}(t+k)
\neq
\mathrm{IrrevocableDuty}_{t+k}
$$

除非相關責任另有合法形成過程。這項區分可避免「我以前已經規劃好」成為持續自我剝奪自主權的理由。

---

## 16. 人機時間非同步：機器可以繼續，人不必同步

### 16.1 世界時間、機器時間與人類時間

沿用 EveMissLab 既有互動時間論，可以區分世界日曆時間 $t_W$ 、人類可支配時間 $t_H$ 、機器執行時間 $\tau_M$ 與互動決策回合 $r$。Agent 可以提高機器運算密度，但並不能增加同一個人的生命時鐘總量。

因此：

$$
\tau_M\uparrow
\not\Rightarrow
 t_H^{\mathrm{free}}\uparrow.
$$

若機器輸出持續衍生必須人工批准的下一步，人類時間甚至可能變得更破碎。HACTS-04 已經以事件分流與人工佇列方式分析該現象。本篇進一步把「當前沒有即時通知」和「人能真正選擇長期降低工作承諾」分開。

### 16.2 AI 算力配額不具有人類人生優先權

某種配額今日可用、明日重置，代表某種商業與技術資源具有時間限制，不代表它對個體的生活具有規範上的命令力。在正確記帳下，可以說「未使用的配額可能失去未來兌現的機會」；不能直接推出「人類因此應當提供注意力去消耗全部配額」。

即使付費已發生，仍應比較當下新增活動的有效邊際收益和新增的人類負荷。若用掉配額的行動不在可行集合中，或者它沒有充分增量價值，剩餘額度可以被正當留置到期。這與 HACTS-02 的核心分析相連。

### 16.3 同步契約應由人類明示

若某些重要科研或商業事件確實需要即時人類參與，應在事先委任時清楚指定到期時間、事故等級、通知對象與值守責任；沒有這種契約的低風險生成任務不應預設要求人類同步。

這並非要求 AI 自行作出高風險未授權決策，而是：當任務必須由人類決定且人類不在場，系統應能暫停在安全的授權邊界，等待下一次適當互動。

---

## 17. 財務緩衝與研究自由：現金流能擴大選擇，而不只是買時間

### 17.1 財務底線的特殊性

對尚未具有穩定收入的獨立創作者及小型企業，持續研究可能依賴儲蓄、家庭支持、短期工作、訂閱控制或已有產品收入。這些不是抽象的「效用偏好」而已；它們決定某些生活路徑是否仍可持續。

不宜認為把全部時間投入核心研究，必然是追逐技術窗口的最優解。如果某種兼職或降低固定訂閱支出能顯著延長公司可持續活動的期間，反而可能增加長期自由探索的可行空間。

### 17.2 現金緩衝模型

令期初可動用現金為 $B_t$，當期確定必要支出為 $E_t$，已確實取得的收入為 $Y_t$，研究與產品支出為 $C_t$。則簡化的現金更新式：

$$
B_{t+1}=B_t+Y_t-E_t-C_t.
$$

這裡特別避免將不確定的網站 AI 收費、遊戲銷售、未來眾籌或授權收入直接視為已到帳 $Y_t$。如需做預測，應將它們放入有不確定性的情境估計，而不是基本保守收入。

### 17.3 「賺錢工作」未必降低創作自由

兼職、承接短期商業專案或選擇更低額度訂閱，可能占用部分日曆時間，卻降低對家庭、借貸、信用與未來不確定收入的高度依賴。其總體效果需同時計算新增收入、通勤及身體負荷、創作可用時間與財務壓力的改變。

因而：

$$
\Delta T_{\mathrm{paid\ work}}>0
\not\Rightarrow
\Delta S_{\mathrm{temporal}}<0.
$$

即增加付費勞動時間，不必然降低實質時間主權。相反亦然：如果兼職過度耗竭、薪資不足以抵銷新增成本，可能沒有這項正面效果。

### 17.4 商業化有多條合理路徑

基礎研究、開源軟體、遊戲、數位內容、授權、眾籌、實體產品與 AI 存取付費具有不同實現時間、前期成本與市場不確定性。保留多種路徑可能增加選擇權，但若將每一條都同時列為必須立即推進，便再次落入 HODR-IV 的可能性空間爆炸問題。

因此此處主張的是**財務緩衝與跨期路線的共同可行性**，而不是任何特定收入來源必然成功。

---

## 18. 黃金窗口的條件性急迫：為什麼有些事真的應該現在做？

### 18.1 「時間有價值」需要指定是哪種價值

在技術快速變化的時代，同一項成果今天完成、五年後完成，其先發價值、歷史記錄地位、可驗證性、可採用性或相對創新稀缺性可能不同。這不等於 ASI 的實現日期已知，也不等於所有人類創作將消失。

因此本篇僅在**特定領域、特定成果、可說明的市場與歷史情境**下討論時間窗口。其詳細動態和歷史哲學保留給 HACTS-06。

### 18.2 等待的負向項

若某項創造在等待期間會損失首次公開紀錄、錯失確定期限、喪失合作窗口或讓既有可驗證成果難以被再建構，則：

$$
\Delta V_{\mathrm{window\ loss}}>0.
$$

當其足以超過未來技術節省及保留選擇權的利益，早期發布或執行可能合理。這是對「全部等待未來更強 AI」的直接反例。

### 18.3 完成哪一部分才重要？

即使存在窗口，也不一定要求現在完成全部後續工程。可能更重要的是先把原創命題、模型、實驗、可重現實作、版本及時間證據留下。後續量產、封裝、產業合作或大量外化工作，可在資源成熟時再進行。

因此應區分：

$$
\mathrm{Priority\ Evidence\ Creation}
\neq
\mathrm{Full\ Product\ Completion}.
$$

前者是知識與時間證據的形成，後者包含大量可分階段進行的商業與工程責任。這是對不同工作流程做有效切分的研究建議，不代表任何公開紀錄都能自動建立專利、法律優先權或學術原創性結論。

### 18.4 維持戰略敏感性而不必維持最大負荷

人可以持續關注 AI 發展、研究脈絡與可行性改變，卻不必將每天的重大新聞、每次模型升級都立即轉成新的全力執行專案。當存在真正的外部期限，可以選擇集中投入；當只是潛在機會，可以保存判準而允許非行動。

歷史窗口提供的是一個重要決策變數，不是永久加班的充分理由。

---

## 19. 最小必要管理：什麼時候「不管理」才是管理？

### 19.1 管理行為本身消耗有限注意力

假設一個人在多個專案中不斷重新排序、重命名、分配階段、要求 Agent 報告及準備下週待辦。即使這些行為是為了降低混亂，也會佔用注意，並可能生成新的待辦與治理負債。

令 $M_t$ 為管理所消耗的人類時間， $G_t$ 為其避免的可預期成本或創造的必要價值。若某一額外管理行為的有效增量滿足：

$$
\Delta G_t<\Delta M_t,
$$

且它並非基於安全、外部義務或法令的硬性需求，則新增管理程序未必合理。此處需將兩者換算到同一個明確的評價基準，不能直接拿不同單位作數值比較。

### 19.2 不維護不代表沒有任何責任

只要一個程式仍提供對外服務、處理他人資料、存在安全暴露面，便可能有必要維護、停止、封存或通知責任。相反地，一個完全無外部依賴、保存在私人倉庫的純研究草稿，不一定需要每週開會確認它仍在休眠。

**管理需求應由實際義務與風險觸發，而不是由儲存庫存在本身觸發。**

### 19.3 預設低活動、必要時喚醒

對非高風險、無外部到期、無持續服務的專案，可以將低活動視為預設，讓真正的新研究動機、商業需求、外部合作、技術躍遷或硬性截止日觸發再次評估。

這與演算法的事件驅動系統有類比性，但不是要求人生完全自動化。對於有持續外部責任的產品，仍需維持適當的定期檢查與運營程序。

### 19.4 管理系統不得強迫創作者重新把全部專案變成工作

一套私人軟體中樞或 AI 組織若提供所有專案狀態，可以很有幫助；但如果它每天自動產生大量提醒、重排行程、要求人類確認每一個存量專案，便違反最小必要管理原則。高品質管理介面應允許「保留但不提醒」「有外部風險才叫醒我」「保留成果、不要排下一個 Phase」。

這不是反對管理，而是反對**管理程序無視主體意圖而自我增殖**。真正的組織自主是處理必要的事，並知道什麼事情不應升級成必須人類回覆的工作。

---
## 20. 六組可重算思想實驗：不同條件下，合理選擇可以相反

以下全部是為檢查模型內部一致性而設置的**假設數值**，不是實際使用者資料、產業平均、臨床測量或市場收入預測。不同情境的價值單位僅在各自情境內可比較，不可跨情境直接相加。涉及時間、財務與效用的項目必須先確認同單位、同時點與折現方式。

### 20.1 情境 A：沒有緊急窗口，等待未來工具更成熟

假設某項非關鍵研究，當期完成的品質調整收益為 130 單位，成本 80 單位，則當期淨值：

$$
N_0=130-80=50.
$$

未來一期仍保有價值 125 單位，完成成本可能因新工具下降至 40 單位；當期保存成本 5 單位，跨期係數 $\delta=0.9$，暫假設能成功保留回返能力且下一期的價值與成本皆確定。則：

$$
N_{\mathrm{wait}}
=-5+0.9(125-40)
=71.5.
$$

在這組明示的假設下：

$$
71.5>50.
$$

因此等待有較高的計量淨值。然而這不證明「AI 未來必然讓研究省下這麼多成本」，也不保證個別研究等待必定成功。若新的模型沒有改善相應任務、保存資料遺失或未來授權變更，結論可能反轉。

### 20.2 情境 B：真正會消失的歷史窗口

同一種比較，若某項成果現在實現價值為 160、成本 80，則當期淨值為 80。未來即使成本降至 40，但首發或歷史窗口價值減少，成果可實現價值變為 90，保存成本仍為 5，跨期係數仍是 0.9，則：

$$
N_0=160-80=80,
$$

$$
N_{\mathrm{wait}}=-5+0.9(90-40)=40.
$$

此時：

$$
80>40.
$$

立即完成較有利。這兩個看似相反的建議來自同一個模型；差異是未來成本與窗口價值的不同變化，而不是研究者突然變得勤奮或懶惰。

### 20.3 情境 C：休眠專案減少持續管理成本

假設有 12 項無外部服務、無法定維護義務且可以安全封存的私人實驗。行動者原先每週為每項投入 10 分鐘例行管理，合計：

$$
12\times10=120\ \mathrm{minutes/week}=2\ \mathrm{hours/week}.
$$

若改為休眠後，每週平均只需 0.25 小時的必要狀態存取與儲存檢查，而一次性整理封存需 4 小時，則每週節省：

$$
\Delta T_M=2-0.25=1.75\ \mathrm{hours/week}.
$$

在成本及專案組合維持不變的純算術情況下，初始四小時的名義回收週數：

$$
T_{\mathrm{payback}}=\frac{4}{1.75}\approx2.286\ \mathrm{weeks}.
$$

但這只計入直接管理時間。真正是否值得休眠，仍須考慮它造成的研究延遲、未來重啟成本、儲存安全及可能錯失的合作。如果例行管理本身充滿高度價值，例如能避免外部服務事故，則不應將其當成無必要管理。

### 20.4 情境 D：兼職可能減少工作時間主權的限制

設某名虛構創作者可動用現金為 50,000 個貨幣單位，必要月支出總計 25,000，確定收入為零，暫不計利息與突發成本，則以現金平均消耗計算的靜態緩衝約為：

$$
R_0=\frac{50000}{25000}=2\ \mathrm{months}.
$$

若以某種兼職取得每月已確定的 15,000 收入，其他支出不變，則每月淨消耗為 10,000，靜態緩衝增為：

$$
R_1=\frac{50000}{25000-15000}=5\ \mathrm{months}.
$$

但兼職占用工時、可能增加通勤及恢復需求，也可能影響公司商業化。因此這個算例不能被解讀為建議任何特定個人必須兼職。它只說明：**短期多一些有酬勞動，可能以改善經濟可行性作為交換，增加未來可自主研究的生存時間。**

若兼職收入小於新增交通與工作所造成的財務和時間損失，或者已具有穩定足夠收入，效果可能不存在。

### 20.5 情境 E：等量工時不代表等量時間主權

假設兩個人都每週自願或實際投入 48 小時研究。A 具有可中止低風險 Agent、可安排主要交付、能負擔短期降階、且休眠專案可回返的條件；B 只要降低工時便立即無法維持基本收入或違反無法轉交的外部義務。

觀察到的工時相同，但 $\mathcal F_t(S_t)$ 的可行替代數量、品質與回返條件不同。因此僅由：

$$
T_A^{\mathrm{work}}=T_B^{\mathrm{work}}
$$

不能推出：

$$
S_A^{\mathrm{temporal}}=S_B^{\mathrm{temporal}}.
$$

也不能反過來在沒有詢問意願、外部限制與恢復狀態的情況下，斷言 A 一定比 B 更幸福。

### 20.6 情境 F：AI 額度有剩餘，但不值得製造新工作

設某人今日剩餘 AI 計算額度為 6 單位，候選任務 A 可帶來可驗證淨收益 20 單位、需要 2 單位計算與 1 小時人工判斷；候選任務 B 只是沒有實際使用者需求的額外生成，淨收益 2 單位、需要 4 單位計算與 3 小時人工審查。假設人工判斷的一小時機會成本為 3 同尺度單位，暫且不計後續維護：

$$
G_A=20-1\times3=17,
$$

$$
G_B=2-3\times3=-7.
$$

兩者都做只能獲得：

$$
G_A+G_B=10,
$$

只做 A 並允許剩餘四單位額度到期，仍可獲得：

$$
G_A=17.
$$

在這些假設下，**未用盡額度反而是較高淨值的決策**。這個結論不否定稀缺算力的重要性，也不否定 B 在別的環境有價值。它只拒絕把「有剩餘資源」直接等同「必須增加行動」。

---

## 21. 對立情境與反證：哪些情況不能以時間主權合理化？

### 21.1 假性自主：本人宣稱「可以停止」，但依賴與恐懼使選項不可負擔

有些人可以口頭拒絕工作，卻因財務困難、沒有替代收入、工作者角色的權力不對稱，或無法撤銷的系統承諾，使停止代價極高。此時形式選項不能直接證成實質自由。

### 21.2 假性休眠：實際上仍有對外維護義務

把仍在對外服務的軟體標成 `Dormant`，不會讓保護使用者資料、處理已知安全問題或履行已承諾交付的責任消失。沒有清楚的服務降階與授權撤回過程，這種休眠不合格。

### 21.3 假性回返：封存不可重建

某專案表面保存了大量文件，但缺少可運作的建置環境、依賴來源不明、關鍵資產未獲合法授權，或跨期資料遺失，未來回返成本可能接近重新開發。保存「檔案數量」不等於保存選擇權。

### 21.4 高投入可以是合理自主

若個體充分理解工時、健康與財務條件，具有非象徵性的替代方案，且其偏好在較長期間內仍反思性認同高強度創作，那麼高投入本身可與時間主權相容。本文不因外在工時高，就以研究者立場否定行動者的選擇。

### 21.5 有期限工作未必應延後

若已答應客戶交付、存在危及第三方的風險、某項有效性測試必須在時限內執行，或技術創新窗口確實急遽縮小，則延後可能有實質損失。時間主權不意味擁有免除全部後果的權利。

### 21.6 如果選擇集合很大卻沒有有用替代，數量不能代表自由

增加一百種實際不能負擔、缺乏資訊或不符合價值的選擇，不一定改善個體的時間主權。因此不能把有效選項的「件數」直接當成唯一量表。其安全性、可理解性、質量及替代跨度同樣重要。

### 21.7 「未來更強」可能不成立

工具品質可能在特定領域停滯，部分專案關鍵硬體難以取得，服務可能停止，公開 API 規則可能改變。現有研究成果也可能因第三方先發而喪失部分商業稀缺。等待理論需要保留這些反事實情境。

### 21.8 個人時間主權不能憑空消除他人的照護勞動

如果一個人因為有條件委任家務、照護、行政或公司工作而獲得更多自由，研究必須確認負擔是否只是轉移給薪資較低、權力較小或沒有選擇餘地的人。主體時間主權的增加，不自動等於整個系統的總自由增加。

---

## 22. 十二組可否證假說與拒絕條件

本節所有假說均為**待測研究命題**，不是已證實的規律。每項均設定反對觀察；實證研究時應事先預註冊主要假說、統計估計量、測量及排除標準，不能在看完數據後才把支持者稱為原始假說。

### H1｜有效替代假說（Effective Alternative）

**命題：** 在外部責任、收入、健康與偏好可比的條件下，擁有可負擔的「不新增工作」替代路徑者，報告較高的時間配置自主性。

**反證：** 有效替代路徑的可觀察差異長期不能預測自主感，或其效應在控制基本混雜因素後消失；或者相反關係穩定出現。

### H2｜自願高投入相容假說（Voluntary Intensity Compatibility）

**命題：** 高時數、高自願認同和高替代選項可行性可以同時存在；不能只以長工時預測低主權。

**反證：** 經可靠測量後，所有高度投入者在同一時段及同一控制條件下均缺乏替代路徑，且不存在具充分資訊與可撤回性的高投入案例。本命題的反證標準較強，宜以分群和分布而非簡單平均檢驗。

### H3｜AI 提議與人工承諾分離假說

**命題：** 在相同 Agent 品質與任務量下，將 AI 的下一步提議預設保留在候選池、必須經明確接受才能成為承諾，會降低主觀未完成工作負荷及非必要人工介入。

**反證：** 處理組在工作負荷、工作持續時間與介入密度上的改善均不存在，或其改善完全由減少成果品質、掩藏真實風險解釋。

### H4｜休眠低管理成本假說

**命題：** 對無外部義務且可安全封存的非活躍專案，低維封存加事件觸發回返，較高頻手動全庫整理減少人類管理時間，且可接受重啟品質不顯著惡化。

**反證：** 封存方案節省的管理時間小於重啟成本，或關鍵資料遺失率與重建失敗率超出預註冊容忍界線。

### H5｜回返選擇權假說

**命題：** 可重現來源、必要版本資訊與相依摘要能降低長期休眠專案的重啟時間，並提高重新選擇而非被迫放棄的能力。

**反證：** 在控制專案難度、休眠期間與技術環境後，保留這些最小證據沒有降低重啟負荷，或其保留成本已抵消所有預期利益。

### H6｜未來技術期待的條件性等待假說

**命題：** 在窗口價值穩定且重啟成本不高的情況下，提高合理可信的未來自動化能力改善預期，會提高部分低時效專案的延後機率。

**反證：** 控制主體偏好、資源及專案特性後，改善預期對延後行為持續無作用，或在所有相關情境下都穩定降低延後意願。

### H7｜時間窗口調節假說

**命題：** 在其他因素近似一致時，實際存在更高先發時間衰減的項目，對未來成本下降的等待優勢較不敏感。

**反證：** 窗口衰減的客觀可驗證程度不能解釋任務順序或完成時點，或完全由主觀急迫感而非窗口事實驅動。

### H8｜經濟緩衝與重新配置假說

**命題：** 在基本生活成本相近時，增加穩健現金緩衝或降低必要固定支出，會擴大某些創作者可實施的自主休眠與研究轉向集合。

**反證：** 財務緩衝改變無法改善任何可行替代路徑，或因時間與資源上的新約束反而使全部相關選擇減少。

### H9｜管理程序反彈假說

**命題：** 為大量非活躍、低風險專案新增定期全面狀態管理，可能增加人工介入與管理工時，而不同比提升可驗證價值。

**反證：** 高頻管理的增量成本顯著低於其避免的失敗與重啟成本，且在同條件下有更高的必要價值回收。

### H10｜短期斷線與長期主權分離假說

**命題：** 具有 HACTS-04 所定義有效離線契約的行動者，未必同時具有調整數月研究節奏的實質自由；兩者相關但非同一構念。

**反證：** 因子分析、縱向測量與干預結果顯示兩者在可靠指標上不可區分，且沒有任何條件能產生差異性變化。

### H11｜反思修訂提高軌跡自主假說

**命題：** 對個人自發、非外部強制承諾，提供事先規定的合法修訂／停止機制，能提高長期反思性認同及可持續執行品質，而不必降低有效成果。

**反證：** 修訂機制持續顯著降低行動認同、整體效益及可靠性，且在控制其他條件後未帶來可支配時間或選擇品質的補償。

### H12｜回返權與真正退出的耦合假說

**命題：** 相較於只有關閉功能，明確保留可稽核回返路徑的系統，使使用者更願意在低風險情況下暫停非必要活動，並降低對失去成果的擔心。

**反證：** 提供回返保障後，實際停止行為及主觀自主感沒有改變，或其增量效應完全由通知降低而非回返可行性造成。

---
## 23. 實證研究設計：如何真正測量「可以不做」？

### 23.1 研究原則：不以作者經驗直接推出普遍規律

本系列的問題源自高強度 AI 協作創作者的經驗，但個別案例可能具有高度特異性：高研究動機、跨域技能、多專案資產、有限財務、獨特工具存取方式與特殊人生階段都可能改變結果。因此本篇不主張由單一創業者對工作、休息或未來 AI 的判斷推導全體人類的規範。

研究應把個案作為構念生成與初步量測來源，後續採不同使用情境的行動者作對照：有薪知識工作者、自由創作者、獨立開發者、小型企業經營者、研究生、專職照護者及非高頻 AI 使用者。比較時應尊重各群體的任務與法律責任不可任意互換。

### 23.2 三項主要量測對象

本篇至少需要三種彼此不等價的資料：

1. **可行性紀錄：** 某人在一個具體決策時刻，有哪些合法、財務可負擔及風險可控制的替代路徑。
2. **行動紀錄：** 此人最後實際做了什麼，包括開始、延後、休眠、退出、回返與新增承諾。
3. **主觀經驗：** 此人是否認為選擇出於自主認同、能否拒絕系統建議、休息時是否受認知待命影響，以及對未來回返的信心。

不能只記錄 GitHub commit、Agent token 或工作時數便宣稱測出了時間主權；也不能只詢問「你覺得自由嗎」就推定可行集合的大小或品質。

### 23.3 資料來源與隱私

可使用低侵入式每日時間日誌、專案狀態變更事件、明確的授權記錄、資源成本級距、短版經驗抽樣與匿名化研究訪談。敏感財務不必收集具體銀行帳號或明細，只可在合法與知情同意下收集足以判斷壓力級距的最小資訊。

私人 GitHub 倉庫、未公開原始碼、產品商業秘密、家庭支出、API Key、聊天全文及個人健康紀錄不應成為預設收集項目。若實證必須涉及程式版本，可優先使用受試者自行產生的摘要、匿名測試儲存庫、可重算雜湊與限定範圍的審計結果。

---

## 24. 研究 I：六週自然時序與決策日誌

### 24.1 觀察設計

招募使用 AI 至少一段時間、具不同工作與生活狀態的自願參與者。正式樣本量與持續週數應依可行性試驗、效果大小及統計功效分析確定；此處「六週」只是研究方案，不是假裝已經完成的調查。

在適當基線之後，每次新的非緊急專案機會產生時，記錄是否被主體接受；每日或每週記錄實際投入時間、非必要通知、對主體而言可行的替代行動、外部承諾變化及感知壓力。

### 24.2 決策事件採樣

不是每次想到一個點子就需要填一份長表。可利用每週少數事件取樣、事後最小紀錄及隨機子樣本，避免研究本身重建「為了研究時間主權而增加管理負擔」的矛盾。

對每個抽樣事件，至少紀錄：

- 事件是否來自人類主動需求、客戶責任、AI 提議或外部時限；
- 在當下是否存在可負擔的暫不處理選項；
- 決定繼續、延後或休眠的主要理由；
- 當期是否有可驗證的安全、契約或財務硬約束；
- 若延後，未來重啟需要哪些最低證據。

### 24.3 主要測量與編碼

建議主要結果使用一個既有或經適當前測的**時間配置自主性主觀量尺**，以及經第三方盲態評估的**有效替代可行性判準**。後者不能假裝是成熟量表，應先建立評分者手冊、情境樣本、評分者間一致性及相關效度，再進入正式檢定。

次要結果可包括每週新增主動承諾數、回返成功率、與 AI 額度重置高度耦合的額外工作時間、期末未結候選數、工作後恢復感，以及各領域的實際可驗證成果。

### 24.4 可識別性限制

自然觀察中，原本能力強、收入多或偏好高強度工作的人，可能同時報告高時間自主與高產能。沒有適當研究設計，不應將相關性直接說成「改善回返能力提高時間主權」的因果結果。研究需控制可能的共同原因，並明示無法觀測的個人差異。

---

## 25. 研究 II：AI 提議預設政策與回返保障的因子實驗

### 25.1 研究目標

在不改變危險或法定工作義務的前提下，檢驗兩個可操作的設計選項是否能改善使用者自主選擇：

- **候選提議是否需要明確接受，才進入承諾佇列。**
- **暫離之後是否提供有效的重啟狀態與差異摘要。**

### 25.2 二乘二設計

可以設置以下四種條件：

| 條件 | AI 下一步提議 | 休眠後回返 |
|---|---|---|
| A | 逐件自動新增非必要 TODO | 基本檔案保存 |
| B | 明確接受才新增 TODO | 基本檔案保存 |
| C | 逐件自動新增非必要 TODO | 有可驗證回返摘要 |
| D | 明確接受才新增 TODO | 有可驗證回返摘要 |

**倫理界線：** 實驗不得將參與者未授權的真實外部交易、對外發布、具安全影響的變更或契約責任自動執行。此處「自動新增 TODO」僅指受試者已同意、可以任意取消、沒有外部約束的模擬工作或研究候選提醒。

### 25.3 控制條件

兩個維度的處理組須維持相同的總候選數、基本任務難度、模型品質、時間額度與機器審查安全限制；否則若某組少收到提示，自然會產生不同工時，無法辨識「承諾形成」與「資訊曝光」的效果差別。

### 25.4 主要因果估計量

可預先指定主要結果：在固定的模擬任務與生活時間預算下，受試者是否更能選擇並實際維持自主設定的低工作強度期間，且事後沒有超出預定的成果品質、資料遺失與授權錯誤界線。

將每組的主要結果平均值記為 $\mu_A,\mu_B,\mu_C,\mu_D$。候選提議需明確接受的平均處理效應示意可寫為：

$$
\mathrm{ATE}_{\mathrm{accept}}
=\frac{(\mu_B-\mu_A)+(\mu_D-\mu_C)}{2}.
$$

回返保障的平均處理效應可示意為：

$$
\mathrm{ATE}_{\mathrm{return}}
=\frac{(\mu_C-\mu_A)+(\mu_D-\mu_B)}{2}.
$$

若要檢查交互作用，可比較：

$$
\Delta_{\mathrm{interaction}}
=(\mu_D-\mu_C)-(\mu_B-\mu_A).
$$

以上只是等比例隨機分組的基本估計量示例；正式研究應依樣本分派、失訪及預註冊方案選擇適當方法，並提供信賴區間而非只報顯著性。

### 25.5 安全與有效性共同閘門

某方案若減少人工工作量，卻增加不可接受的風險、使受試者誤以為資料安全，或在回返時無法重建必要脈絡，則不得宣稱時間主權改善成功。尤其有些「更安靜」的介面只是把關鍵風險藏起來，這不符合本篇對有效可行性的定義。

---

## 26. 研究 III：長期休眠與重啟的封存品質比較

### 26.1 問題與比較條件

以安全且可公開的測試倉庫或受試者自願授權的非敏感項目，隨機配置不同的封存資訊條件：純粹原始碼與基本 readme、最低可重建狀態清單、以及過度完整的管理文檔。

比較在不同休眠期間後，重新部署、通過測試、理解已知限制與正確決定是否值得重啟所需的人類時間。

### 26.2 重啟成功率與投入時間

可定義一個有限、非人生化的重啟成功指標：在事先明示的資源限額、工具版本與安全邊界內，能否通過預註冊的核心功能測試。並另記必要人類工時、失敗原因、版本環境漂移與對重新開發路線的選擇。

### 26.3 不應預設文件越多越好

第三組的過度文件可能降低重啟時間，也可能因陳舊、互相矛盾與閱讀成本而變得更差。因此 HACTS 的最小必要管理假說不應被寫成文件越少越好，而應看**累積保存投入與期望重建成本的總和**是否下降。

### 26.4 長期儲存安全的特殊性

Git 倉庫、可重現建置、相依鎖定、資料格式遷移與密鑰吊銷等是不同技術問題。對於完全私有且無第三方依賴的測試，封存策略可以很簡單；對於公開軟體供應鏈，可能需要其他形式的持續維護或明確的棄維公告。研究報告不得將兩種情況混同。

---

## 27. 研究 IV：財務、歷史窗口與跨期選擇的情境判斷

### 27.1 不應操弄受試者的真實生存風險

為了測試 H8 或 H7，不應隨機減少真實參與者的必要收入、迫使其負債、或將已存在的契約安全保障拿掉。較合適的初期方法是以情境實驗、經受試者同意的既存工作變化、工具價格制度差異或可合法觀察的非風險性改變作研究設計。

### 27.2 情境維度

可以交叉操弄以下資訊，但需要清楚標示為假設：

- 現金緩衝短／長；
- 每期 AI 改善預期弱／強；
- 專案歷史先發價值低／高；
- 封存後可回返性弱／強；
- 已有對外契約／無對外契約。

比較受試者對同一項科研或產品候選的決策分布，而不只是問「你想不想休息」。

### 27.3 能力預測與主觀窗口緊迫感

一個人高度相信 ASI 很快到來，可能因為對技術發展的資訊評估，也可能因為各種個人經歷。研究必須把「主觀預測」與「可查證的技術事件和期限」分開，不能預設所有對技術窗口的焦慮都沒有理性基礎，也不能因參與者自信就當成已知歷史事實。

### 27.4 需要跨領域比較

一個已成熟的形式數學命題、一款具有風格與敘事辨識度的遊戲、一項快速淘汰的工具組態，以及某個可以出售的市場產品，具有不同的時間衰減與保存特性。抽樣若只來自短期軟體專案，便不能將結論直接推廣到所有創作或研究。

---

## 28. 統計模型、否證強度與測量有效性

### 28.1 多層次變異

同一個受試者在不同月份或任務中可能採取不同節奏；不同人對同一 AI 設計也可能作出相反反應。因此正式研究可使用具有受試者隨機效應與任務／時間固定效應的模型，或其他與資料生成過程相容的分析策略。

例如對主要結果 $Y_{it}$，可用：

$$
Y_{it}
=\alpha_i+\gamma_t+\beta_1 A_{it}+\beta_2 R_{it}
+\beta_3 A_{it}R_{it}
+\mathbf X_{it}^{\top}\theta+\varepsilon_{it},
$$

其中 $A_{it}$ 是明確接受政策條件、 $R_{it}$ 是回返保障政策條件， $\alpha_i$ 、 $\gamma_t$ 分別容許個體及時間差異。這只是模型候選，不能在沒有診斷資料品質、分派機制及違反假設可能性的情況下直接視為最適估計器。

### 28.2 多重比較

十二組假說若在多項結果上反覆檢定，可能提高偶然顯著結果。正式研究應預先指定少數主要比較，對探索性分析明確標示，並依目的採適當多重比較校正或階層貝氏模型，保留陰性結果與不確定區間。

### 28.3 負向對照與安慰測試

若某組介面讓使用者報告更有時間主權，但在完全不涉及工作的無關測量上也出現相同巨大改善，可能反映單純新奇感、需求特徵或研究者期待。可以設計不敏感的負向對照結果，並測試封存策略是否真的改變可驗證重啟成功率，而非只改善「感覺更有組織」的問卷回答。

### 28.4 不以單一成功案例證明理論

某名研究者在降低額度後感到比較自在、某間企業縮短工作週數、某個 Repo 成功重啟，都不足以直接證明普遍政策。理論進步需要可比較案例、明確反例及能被其他人重複的測試程序。

### 28.5 測量不變性

不同文化、職業、生活階段及經濟環境對「我可以不做」的理解可能不同。如果量尺在群體間測量不變性不成立，則不能用相同分數直接宣稱某群體比另一群體更自由。

---

## 29. HDUS／ANDO 時間主權契約：研究性的工程接口

### 29.1 設計目標

本篇不假定當前 HDUS 或 ANDO 已經實作這些規則，更不表示任何現有軟體有能力安全地自行理解人類一切價值。以下提出的是未來可能採用的**最小授權契約（Temporal Authorization Contract；TAC）**概念，用於把使用者的「今天不做」「這個先存著」「非高風險不要打斷」「未來必要時才回來」轉換成可稽核、可撤銷的系統設定。

### 29.2 最小契約欄位

一個研究用示意契約可以包含：

```json
{
  "contract_version": "tac-v0.1-concept",
  "authority_holder": "authorized-user-or-organization-role",
  "project_id": "non-sensitive-project-reference",
  "activity_state": "dormant",
  "allowed_actions": ["archive_evidence", "local_read_only_validation"],
  "forbidden_actions": ["external_publish", "spend_money", "irreversible_write"],
  "allow_new_commitments_from_ai_suggestions": false,
  "review_policy": "on_user_reentry_or_defined_material_risk",
  "notifications": {
    "routine": "silent_digest",
    "critical": "only_to_confirmed_duty_holder"
  },
  "fallback_on_ambiguous_authority": "safe_stop",
  "reentry": {
    "provide_diff_and_evidence": true,
    "require_reauthorization_if_scope_changes": true
  },
  "valid_until": "explicitly_set_by_authority_holder",
  "revocable": true
}
```

所有欄位僅為概念接口示意，並非已部署的 schema。真實系統需要簽章、權限隔離、事件日誌、資料保護、時限解析、狀態一致性、回滾策略及可驗證的風險處理。

### 29.3 專案休眠狀態的預設行為

當活動狀態為 `dormant`，系統不應因模型有剩餘額度就自行形成新的工作承諾、對外發布或提高授權範圍。允許執行的可逆動作，如存檔完整性檢查，也應在明確配額與核准範圍內運行。

對涉及現有對外服務的專案，除非其維護責任已合法終止、妥善移交或具備其他值守安排，否則不能簡單進入「全部靜音」狀態。無法確認安全狀態時，系統應保守處理、隔離未授權行動或停止高風險動作。

### 29.4 「Agent 提議不自動形成承諾」的契約規則

Agent 可以提出新想法、提出需要驗證的假說及建議下一步，但新的工作預設只進入可選候選池。當提議涉及新的成本、對外法律承諾或擴張對外權限時，需要經合法授權者以可稽核方式確認。

可表示為：

$$
\mathrm{Commit}(i)
\Rightarrow
\mathrm{Authorized}(i)
\wedge
\mathrm{WithinBudget}(i)
\wedge
\mathrm{WithinRiskEnvelope}(i).
$$

該式是應用設計所希望維持的安全不變量，不是目前某套模型天然具備的能力。是否實際成立，必須以執行證據驗證。

### 29.5 回返摘要與差異證據

系統應可在使用者重新進入時提供：封存版本、後續安全可逆處理、必要測試結果、未履行義務、授權變更與需要重新決策的範圍。其目標不是要求人類閱讀全部 trace，而是提供足以重新負責的資訊。

有效摘要需支援查詢原始證據、版本比較及錯誤報告，不可只由模型聲稱「我已全部完成且沒有風險」。

### 29.6 對多 Agent 的授權承繼

主 Agent 將任務委任子 Agent，不應因角色拆分而創造超出原授權的新行動權。子 Agent 的權限與期限必須是原授權的子集合或受到更嚴格限制：

$$
\mathrm{Authority}(A_{\mathrm{child}})
\subseteq
\mathrm{Authority}(A_{\mathrm{parent}})
$$

除非有獨立且合法的新授權。對跨工具、跨雲端及跨組織的工作流程，此規則需與實際身份驗證、最小權限與授權撤銷傳播機制共同執行。

---

## 30. 參考實作的偽程式與不變量

以下 Python-like 偽程式僅供論文討論，不是可直接部署的安全治理器。任何真實授權檢查、法令遵循、風險辨識與交易限制，皆需由可測試、可信任且具備外部稽核的技術及責任程序實現。

```python
# Concept-only pseudocode. Not production security code.
def decide_project_action(project, intent, contract, environment):
    obligations = inspect_existing_obligations(project, environment)
    feasibility = evaluate_legal_safety_budget_and_time(project, obligations)

    if not feasibility.valid:
        return safe_stop_or_legal_handoff(project, obligations)

    if intent.action == "hibernate":
        if obligations.require_active_service:
            return require_approved_service_transition(project)
        evidence = preserve_minimum_reentry_state(project)
        revoke_unneeded_agent_authority(project)
        return mark_dormant_without_new_schedule(project, evidence)

    if intent.action == "defer":
        return record_option_without_new_commitment(project)

    if intent.action == "exit":
        return execute_approved_exit_procedure(project, obligations)

    if intent.action == "return":
        evidence = verify_reentry_evidence(project)
        if not evidence.sufficient:
            return request_limited_rebuild_or_new_decision(project)
        return reauthorize_only_requested_scope(project, contract)

    if intent.action == "continue":
        return run_only_within_existing_authority(project, contract)

    return safe_stop_and_request_clarification(project)
```

必要工程不變量至少包括：

1. 沒有被核准的新經費，不能自行建立付款義務。
2. 沒有被授權的新對外發布，不能自行外化私人內容。
3. 已休眠且無外部義務的專案，不應因配額重置自動重新進入開發。
4. 未取得必要值班承諾時，任何高風險操作不得把「叫醒原使用者」當作唯一安全措施。
5. 提議、候選、承諾、執行、驗證及公開必須有可區分的狀態。
6. 授權撤回後，不得靠先前授權快取繼續執行高風險操作。
7. 回返時若來源、資料或依賴的完整性無法驗證，應呈現不確定而非宣稱成功。
8. 不得將主體降低工作強度的選擇自動標成失敗、低績效或必須補救的事件。
9. 安全停止不等於抹除未結義務；有外部責任仍需合法處理。
10. 任何新 Agent 都不能只因自己存在，就有權要求人類加入新工作。

這些條目是規範與測試需求，不是既有 HDUS／ANDO 工程部署的 PASS 報告。未來實作必須另行提供可重現版本、測試用例、執行環境與錯誤注入結果。

---
## 31. 理論侷限、哲學反對與必要修正

### 31.1 自由是否一定要求「多種選項」？

一種反對意見是：人可能深刻認同某種生活使命，即使外在替代不多，仍然感到自由。這個反對意見值得保留。本篇所研究的是**可被實際行使的時間配置選擇權**，不是對內在存在自由作出形上學的完整定義。

本篇因此不主張一個人必須同時擁有無限選擇，才能有任何意義的自主。相反，它只是指出：如果社會與技術系統宣稱自己「賦予人更多時間自由」，那麼應能展示具體的可選替代與轉換能力，而不只是展示更高產出。

### 31.2 能否用主觀滿足作為最終測量？

不能。滿足感可能來自高度自願的研究，也可能在沒有充分替代的情況下透過適應性偏好形成；不滿足也可能來自仍然擁有很多選項但暫時沒有好的結果。因而本篇要求同時檢查客觀可行集合及主觀認同，不把其中一者當成另一者的完全替代。

### 31.3 可行集合能否被完整測量？

通常不能。合法與經濟上的可行行動常依賴未公開資訊、身體狀態、家庭義務、社會支持與不確定未來。任何實證版 $\mathcal F_t$ 都只能是資料與假設下的近似。

因此應同時報告資料來源、尚未核對的條件、估計不確定性及敏感性分析；不可把形式符號包裝成對個人生命的全知量測器。

### 31.4 無限延後可能掩蓋真正需要外化的成果

如果所有專案都被放入休眠，卻沒有任何事物進入公共驗證、市場、合作或真正的生活成果，行動者可能錯過其原先重視的目標。HODR 的選擇權囤積、翻盤可得性偏誤及外化延遲仍然是本篇必須面對的反對機制。

因此時間主權不是「延後越多越好」，而是使延後、繼續及退出都具有可被比較的理由。對於具重要外部需求的產品、現金流及必要驗證，適當的最小外化可能比繼續累積潛在資產更合理。

### 31.5 正當停止不保證未來一定比現在好

研究者可以合理等待更好的 AI 或更充裕資源，但實際條件可能惡化。等待價值本身具有風險，尤其高度不可逆的歷史窗口無法被未來的效率完全替代。故本篇沒有授予等待策略全局必勝的地位。

### 31.6 對外依賴造成的責任不能由主觀重審隨意取消

作者可以重新規劃私人的研究進度，卻不能因「不想做」而自動取消已經正式出售的服務、依法須處理的資料或已對第三方形成的可執行義務。若需停止，應採相應的法律、商業與工程退出程序。這是時間主權模型中不可談判的責任底線之一。

### 31.7 本篇的權利論述不是既成的法律權利清單

「不被 AI 生產節奏支配」「保留回返權」「不做的自由」在本文是規範性研究命題與工程設計目標，不能被誤認為任何司法轄區已全面承認的可訴法定權利。實際權利範圍需另依具體法律、勞雇關係、契約及平台條款分析。

### 31.8 形式模型並非證成原創性的充分條件

本文借用了能力取徑、真實選擇權、動態規劃、自主理論、退出理論及分散式系統治理。任何形式命題若只是上述模型的直接推論，應如實標示其承接性。真正的新貢獻候選，在於把這些既有工具用於 AI 高產能創作、微觀承諾形成與可回返的生活節奏；其原創程度仍需外部文獻比較及研究結果評估。

### 31.9 不能把時間主權變成新的績效壓力

這是本篇自我約束的最後一道邊界。若未來的時間主權儀表板每天逼迫使用者回報「今天是否成功放手」「本週是否遵守休眠政策」，甚至讓降低工作負荷再次成為一項不能停止的績效任務，則系統在方法上已經偏離自身目的。

理論可以有嚴格版本紀錄和可否證條件，但不應以此要求每個使用者把人生變成一份永不結束的自我稽核表。

---

## 32. 綜合結論：保留能做的自由，也保留不必現在做的自由

本篇從 HACTS-04 的有效離線研究出發，將問題轉到跨期生活選擇：即使 Agent 已能獨立執行，個體是否能夠在真實的財務、責任、資訊、恢復與技術條件下，自主決定下一項研究、產品或創作何時開始、何時停止，以及是否還要回返？

本文建立了六項結論：

1. **可執行不等於已承諾。** AI 提出新路徑或資源足以推進某工作，不自動形成新的人工履行義務。
2. **形式退出不等於實質時間主權。** 退出需有可負擔的替代條件、適當權限、可承接的責任與不致失控的風險。
3. **延後、休眠及退出必須分開。** 它們具有不同的資訊、保存、對外責任與回返語義。
4. **等待具有條件性價值。** 未來技術改善可能提高延後收益，歷史窗口衰減則可能提高立即完成價值；不應預設任一方向普遍勝出。
5. **高強度投入與時間自主可以相容。** 觀察者不能只因當事人工作很多便判定他沒有自由；需要檢查可行替代、反思認同及跨期可修訂性。
6. **自主 Agent 的終極價值不只是多做。** 若系統能安全承接低價值操作、尊重未承諾候選與休眠狀態、允許低干預回返，才可能將部分計算生產力轉成真正的生活選擇能力。

我們因此可以提出整篇最核心的規範命題：

> 一個人可以珍惜歷史創造窗口、維持高強度研究、使用大量 AI 算力，也可以選擇暫時讓已完成的理論與專案停在當前版本。對未來具有預測能力，不代表有義務現在實現自己能預測的每一條路徑。

不做、延後、休眠、退出與回返不只是工作管理功能，也可以構成主體對自身人生線進行實際編排的微觀行動。然而這種自由只有在法律責任、安全、財務可負擔性與資訊可回復性沒有被忽略時，才不是空泛的口號。

本篇的目的不是叫所有高產能創作者降低抱負，而是拒絕一種隱含命令：**有能力就必須不停實現，能預測就必須提前完成，AI 還能跑就代表人類還不應停止。**

相反地，成熟的人機耦合關係應容許不同時間節奏並存。人類可以高度投入，也可以改變目標；可以開始一個新的工程，也可以安靜地把已保存的成果留給未來的自己。這種選擇能力，比單純最大化產量更接近本文所稱的實質時間主權。

---

## 附錄 A｜符號、單位與模型依賴關係

| 記號 | 含義 | 單位／備註 |
|---|---|---|
| $t$ | 決策時刻 | 視研究採日、週或月 |
| $i$ | 專案或候選事項索引 | 類別標籤 |
| $S_t$ | 當期可觀察與潛在決策狀態 | 多維向量，不是同單位量 |
| $\mathcal A_t$ | 可想像的行動集合 | 集合 |
| $\mathcal L_t$ | 合法、已授權且安全許可的行動集合 | 集合 |
| $\mathcal R_t$ | 資源、時間及負荷可行的行動集合 | 集合 |
| $\mathcal F_t$ | 有效可行行動集合 | 上述集合之交集 |
| $\mathcal O_t$ | 可選機會集合 | 不等於待辦義務 |
| $\mathcal K_t$ | 已接受的自願承諾集合 | 不含非自願法定責任 |
| $B_t$ | 財務緩衝 | 需與必要支出共同解讀 |
| $T_t$ | 可重新配置的人類時間 | 小時／其他時間單位 |
| $R_t$ | 恢復需求或主觀負荷 | 操作化研究構念，非生理百分比 |
| $K_t$ | 可保存的知識與資產 | 多維、含品質 |
| $D_t$ | 義務集合與狀態 | 法定、契約、自願等分類 |
| $Z_t$ | 技術與環境條件 | AI、硬體、政策、市場等 |
| $Q_t$ | 可使用 AI 額度 | 非同質，依平台規則量測 |
| $I_t$ | 當期資訊品質與不確定性 | 多維變數 |
| $\delta$ | 跨期比較係數 | $0<\delta\le1$ |
| $p$ | 簡化等待模型中的機會保存失敗率 | $0\le p\le1$ |
| $c_p$ | 當期保存成本 | 與淨值統一單位 |
| $C_i^{\mathrm{return}}$ | 回返重建成本 | 給定時序及條件 |
| $\pi$ | 狀態條件式行動政策 | 不等於固定日程 |
| $\Gamma_H$ | 人類決策與狀態軌跡 | 跨期路徑 |

**符號提醒。** $R_t$ 代表恢復需求，在本篇與其他系列可能使用的 $R$ （收益或回返等）不同，正式跨文獻比較需先做符號對照。 $\mathcal O_t$ 的「可選機會」與一般最佳化研究的可行域不是同一個概念；本篇使用 $\mathcal F_t$ 專指具實質約束的可行集合。

---

## 附錄 B｜簡化形式命題、證明與適用範圍

### B.1 命題一：等待成本提高，其他不變時等待價值不會提高

**條件：** 在第 11.3 節的一步等待模型下，保持 $\delta$ 、 $p$ 及 $V_1-C_1$ 的分布不變，僅增加當期保存成本 $c_p$。

**結論：** $N_{\mathrm{wait}}$ 對 $c_p$ 單調不增。

**推導：**

$$
N_{\mathrm{wait}}=-c_p+\delta(1-p)\mathbb E[\max\{0,V_1-C_1\}].
$$

在上述條件下：

$$
\frac{\partial N_{\mathrm{wait}}}{\partial c_p}=-1.
$$

這是模型定義的直接推論，不應被宣稱為原創性的經濟學定理。若保存成本同時改善未來回返成功率、降低風險或增加未來價值，則需要把 $p$ 與收益分布對 $c_p$ 的依賴加入模型，不能再套用單一偏導數。

### B.2 命題二：在固定其他條件時，改善下一期淨收益分布不降低等待價值

**條件：** $Y_1=V_1-C_1$， $Y'_1$ 在第一序隨機優勢意義下不劣於 $Y_1$ ；其餘參數相同，期望存在。

**結論：**

$$
\mathbb E[\max\{0,Y'_1\}]
\ge\mathbb E[\max\{0,Y_1\}].
$$

**理由：** $y\mapsto\max\{0,y\}$ 為單調不減函數，因而在第一序隨機優勢的定義下其期望不會下降。乘上非負的 $\delta(1-p)$，再扣相同的 $c_p$，便得到等待價值的弱單調性。

**適用邊界：** 如果未來技術改善同時讓歷史窗口消失、改變失敗率、創造新的安全風險或改變偏好，則「其他條件相同」不成立，本命題不能直接推出實際等待更優。

### B.3 命題三：新增形式選項不保證人類的實際選擇品質改善

在不增加選擇成本、偏好固定且新增選項都真正可行的純靜態最大化模型中，若 $\mathcal F\subseteq\mathcal F'$，則自然有：

$$
\max_{a\in\mathcal F'}u(a)
\ge
\max_{a\in\mathcal F}u(a).
$$

這是一個集合包含關係的數學事實。然而 AI 系統顯示更多候選通常不是零成本：通知、比較、重複審查及不必要承諾可能增加認知負荷，令實際決策過程的成本依選單大小改變。此時需要評估：

$$
\max_{a\in\mathcal F'}u(a)-C(\mathcal F')
$$

與：

$$
\max_{a\in\mathcal F}u(a)-C(\mathcal F),
$$

其大小不再由集合包含直接決定。這也說明為何形式選項數量增加，不足以證明時間主權改善。

### B.4 命題四：具有合法回返路徑不代表實際必然回返

若某休眠狀態 $s_d$ 存在一條在合理情境下、滿足授權與可行性約束的有限路徑通往重新活躍狀態 $s_a$，可記為：

$$
\exists\pi:\ s_d\leadsto s_a,
$$

則該狀態在指定條件下具備**路徑意義的可回返性**。但是實際決策可以選擇其他路徑：

$$
\mathrm{Reachable}(s_a\mid s_d)
\not\Rightarrow
\mathrm{Chosen}(s_a\mid s_d).
$$

這是能力與實行的集合論區別，亦為本篇避免把休眠選擇權重新寫成必須恢復工作的理由。

### B.5 命題五：零人工打斷不必然等於最高時間主權

若某系統把所有通知關閉，但仍保留不可逆外部操作、未結契約與財務高度不確定，則主體即使沒有收到訊息，仍可能不存在足夠安全的暫離選項。因而：

$$
N_{\mathrm{interruptions}}=0
\not\Rightarrow
\mathcal F_t^{\mathrm{rest}}\ne\varnothing.
$$

這不是心理定理，而是反例性質的治理推論；研究時必須實際確認責任是否被適當承接，而不能單憑靜音次數得出結論。

---

## 附錄 C｜前置原稿譜系與下一篇接口

### C.1 HACTS-00～04 的直接關聯

- **00 總論：** 提出研究主軸、時間主權的多維區分及研究假說總表。
- **01 生產力內生擴張：** 說明能力增長與內生任務需求可能正回饋。
- **02 額度重置與時間支配：** 說明非轉移式 AI 額度的機會成本壓力可能扭曲當期注意配置。
- **03 自願性高投入的雙重狀態：** 說明高度滿足與疲憊並存並不構成邏輯矛盾。
- **04 代理並行與認知待命：** 說明委任執行、客觀人工責任與主觀認知待命不能混為一談。

本篇將上述現象重新放回具可行性限制的微觀跨期選擇。這使前半系列不僅描述負荷從何而來，也開始回答如何在不消除創造動機的情況下，保留主體決定下一步的權利。

### C.2 對 HACTS-06 的保留

HACTS-06《黃金窗口與歷史時間不對稱》應專門形式化「特定成果何時具有不可回溯的時間價值」，比較原創首發、公開可驗證性、歷史證據、市場先發與未來 AI 能力之間的條件性時間變化。它不能簡化成「所有創作的價值隨時間單調下降」，更不能將 AGI／ASI 日期當作已知常數。

### C.3 對 HACTS-07 的保留

HACTS-07《未來自我與技術等待選擇權》應深入建模：未來 AI 改善、硬體變化、技術折舊、合作關係、成本下降、保存代價及自我修訂。其核心問題不是「等待一定比較好」，而是如何在資訊不足的情況下保留合理選擇權並避免 HODR 型無限延遲。

### C.4 對 HACTS-08～10 的接口

HACTS-08 可處理大規模休眠專案的最小管理機制，HACTS-09 處理創業的財務時間緩衝與多階段資產，HACTS-10 則將整套規範轉化為自主 AI 組織的時間治理契約、最低必要回交及可回返的授權界線。

---
## 參考文獻｜外部公開研究（原始來源與方法限制）

以下文獻用於定義或壓力測試本篇的先行概念，均不代表它們已經驗證本文完整的 MTS 模型。書籍、期刊研究、質性觀察與跨期問卷具有不同的證據能力；不得把規範性概念推導冒充實驗結果。

**[E1]** Sen, A. (1999). *Development as Freedom*. Oxford University Press. https://books.google.com/books/about/Development_as_Freedom.html?id=NQs75PEa618C  
**關聯與限制：** 實質自由與發展的規範性取徑；不是 AI 高產能創作者的時間主權實證研究。

**[E2]** Robeyns, I. (2005). The Capability Approach: A Theoretical Survey. *Journal of Human Development, 6*(1), 93–117. https://doi.org/10.1080/146498805200034266  
**關聯與限制：** 明確區分可行能力與已實現成果；本篇的行動可行集合是延伸建模，不是該文原有數學量表。

**[E3]** Deci, E. L., & Ryan, R. M. (2000). The “What” and “Why” of Goal Pursuits: Human Needs and the Self-Determination of Behavior. *Psychological Inquiry, 11*(4), 227–268. https://doi.org/10.1207/S15327965PLI1104_01  
**關聯與限制：** 內在動機、自主、勝任與關係需要；不提供長期 AI 高投入工作者的直接負荷預測。

**[E4]** Hirschman, A. O. (1970). *Exit, Voice, and Loyalty: Responses to Decline in Firms, Organizations, and States*. Harvard University Press. https://books.google.com/books/about/Exit_Voice_and_Loyalty.html?id=Owe3AAAAIAAJ  
**關聯與限制：** 退出、發聲、忠誠的組織分析；本篇只是類比部分決策結構，並非重新歸屬原理論。

**[E5]** McDonald, R., & Siegel, D. (1986). The Value of Waiting to Invest. *The Quarterly Journal of Economics, 101*(4), 707–727. https://doi.org/10.2307/1884175  
**關聯與限制：** 不可逆投資與等待的選擇權價值；不能直接推論所有 AI 研究應延後。

**[E6]** Pindyck, R. S. (1991). Irreversibility, Uncertainty, and Investment. *Journal of Economic Literature, 29*(3), 1110–1148. https://www.jstor.org/stable/2727613  
**關聯與限制：** 真實選擇權的經濟學基礎；本篇跨領域使用須另外驗證假設是否適合非市場成果。

**[E7]** Mazmanian, M., Orlikowski, W. J., & Yates, J. (2013). The Autonomy Paradox: The Implications of Mobile Email Devices for Knowledge Professionals. *Organization Science, 24*(5), 1337–1357. https://doi.org/10.1287/orsc.1120.0806  
**關聯與限制：** 自願連線與後續可聯絡規範的悖論；研究對象不是今日的持續性 AI Agent。

**[E8]** Kossek, E. E., & Lautsch, B. A. (2012). Work–Family Boundary Management Styles in Organizations: A Cross-Level Model. *Organizational Psychology Review, 2*(2), 152–171. https://doi.org/10.1177/2041386611436264  
**關聯與限制：** 工作與家庭角色界線管理的條件模型；與個人研究休眠的接口需另行驗證。

**[E9]** Ranganathan, A., & Ye, X. M. (2026, February 9). AI Doesn't Reduce Work—It Intensifies It. *Harvard Business Review*. https://hbr.org/2026/02/ai-doesnt-reduce-work-it-intensifies-it  
**關聯與限制：** 約 200 人科技公司中的高頻 AI 工作擴張觀察；不代表全社會平均因果效應或對每位使用者都成立。

**[E10]** Zhang, Y., Li, T., & Chen, C. (2026, September 24). When AI Works, Employees Worry: The Vigilance Cost of AI Delegation in Hybrid Work. *Frontiers in Psychology, 17*, Article 1914119. https://doi.org/10.3389/fpsyg.2026.1914119  
**關聯與限制：** 兩波、七週間隔、642 名混合辦公員工；支持部分關聯路徑，但研究並非隨機介入。其對「邊界管理偏好調節」的原假說並未獲支持，不得漏報。

**[E11]** Sonnentag, S., & Fritz, C. (2007). The Recovery Experience Questionnaire: Development and Validation of a Measure for Assessing Recuperation and Unwinding from Work. *Journal of Occupational Health Psychology, 12*(3), 204–221. https://doi.org/10.1037/1076-8998.12.3.204  
**關聯與限制：** 心理抽離、放鬆、精熟與控制；本篇不能從其既有量表直接推論所有高投入者應使用相同休息方式。

**[E12]** Scheibehenne, B., Greifeneder, R., & Todd, P. M. (2010). Can There Ever Be Too Many Options? A Meta-Analytic Review of Choice Overload. *Journal of Consumer Research, 37*(3), 409–425. https://doi.org/10.1086/651235  
**關聯與限制：** 選擇過載效應具有異質性且平均效應很小；提醒本篇不得假定任何「選項更多」必然增加負擔。

**[E13]** Whillans, A. V., Dunn, E. W., Smeets, P., Bekkers, R., & Norton, M. I. (2017). Buying Time Promotes Happiness. *Proceedings of the National Academy of Sciences, 114*(32), 8523–8527. https://doi.org/10.1073/pnas.1706541114  
**關聯與限制：** 支出買時間與主觀福祉的調查及實驗證據；不直接評估個人 AI 訂閱是否值得購買或兼職是否適合。

**[E14]** Laibson, D. (1997). Golden Eggs and Hyperbolic Discounting. *The Quarterly Journal of Economics, 112*(2), 443–478. https://doi.org/10.1162/003355397555253  
**關聯與限制：** 跨期偏好不一致及承諾裝置；本篇的「未來自我」論點另需規範性論證，不能把所有長期承諾視為認知錯誤。

**[E15]** Simon, H. A. (1955). A Behavioral Model of Rational Choice. *The Quarterly Journal of Economics, 69*(1), 99–118. https://doi.org/10.2307/1884852  
**關聯與限制：** 有限理性決策的經典來源。本文不要求真實行動者求得完整跨期最優解，而將動態方程作為透明的分析工具。

**[E16]** Aubin, J.-P. (2009 edition). *Viability Theory*. Birkhäuser, Modern Birkhäuser Classics. https://doi.org/10.1007/978-0-8176-4910-4  
**關聯與限制：** 在具狀態限制下維持動態可行性的數學框架。本篇使用「可行集合」與「可持續路徑」作概念接口，不聲稱證明完整 viability kernel 的存在性或計算能力。

**文獻查核聲明：** 上述題名、作者、年分、主要出版來源與 DOI／出版社頁面截至 2026-10-16 已作公開來源對照。期刊資料若日後更正、撤稿或更新，需要在正式投稿時重新核查；本文目前沒有提出新採集的受試者實驗數據。

---

## 參考文獻｜EveMissLab 既有研究與本系列原稿

此處列出理論譜系而非複製私人內容。雲端連結只表示相關來源曾在具合法讀取權的工作場域被核對；任何仍為私人或內部的完整內容，不因本篇書目引用而自動獲准公開。

**[I1]** *HAVT-06｜從失業時間到時間主權：AI 生產力紅利應流向哪裡*（2026-10-06，v0.1）。https://unboundedaxiom.org/p/lm-004988/

**[I2]** *HAVT-07｜多速度文明：拒絕、升階、退出與回返*（2026-10-06，v0.1）。https://unboundedaxiom.org/p/lm-004989/

**[I3]** *HODR-II｜選擇權囤積與不可逆決策*（2026-09-26，v0.1）。

**[I4]** *HODR-IV｜AI 生產力與可能性空間爆炸*（2026-09-26，v0.1）。

**[I5]** *委任時間論：自主 Agent、人類介入密度與治理槓桿*（2026-08-20，v0.1）。https://unboundedaxiom.org/p/lm-003321/

**[I6]** *從 AI 工具到 AI 組織：操作員退出問題*（2026-08-20，v0.1）。https://unboundedaxiom.org/p/lm-003327/

**[I7]** *RR-06｜從 Self-Authorship 到 Owned Trajectory：選擇、承諾與可修正人生線*（2026-08-21，v0.1）。https://unboundedaxiom.org/p/lm-003284/

**[I8]** *AI 計算時間經濟學：Token、算力、額度與智能資源配置*（2026-08-20，v0.1）。https://unboundedaxiom.org/p/lm-003194/

**[I9]** *Agentic Organization 的時間經濟學：智能時間密度、委任槓桿與經濟沉積*（2026-08-21，v0.1）。https://unboundedaxiom.org/p/lm-003205/

**[I10]** *互動時間論：從鐘錶時間到意圖驅動的智能狀態轉換*（2026-08-19，v0.1）。https://unboundedaxiom.org/p/lm-003305/

**[I11]** *HDUS：Distributed Computational World Federation Architecture*（2026-08-20，v0.1）。

**[I12]** *World-Native Agent Organization：HDUS 中的原生 ANDO 與橋接層消解*（2026-08-23，v0.1）。https://unboundedaxiom.org/p/lm-003841/

**[I13]** HACTS-00《從無限可做之事到有限可支配人生》（2026-10-16，v0.1）。本地 canonical 原稿：`HACTS-00_從無限可做之事到有限可支配人生_v0.1_2026-10-16.md`

**[I14]** HACTS-01《生產力內生擴張悖論》（2026-10-16，v0.1）。本地 canonical 原稿：`HACTS-01_生產力內生擴張悖論_v0.1_2026-10-16.md`

**[I15]** HACTS-02《額度重置與時間支配》（2026-10-16，v0.1）。本地 canonical 原稿：`HACTS-02_額度重置與時間支配_v0.1_2026-10-16.md`

**[I16]** HACTS-03《自願性高投入的雙重狀態》（2026-10-16，v0.1）。本地 canonical 原稿：`HACTS-03_自願性高投入的雙重狀態_v0.1_2026-10-16.md`

**[I17]** HACTS-04《代理並行與認知待命》（2026-10-16，v0.1）。本地 canonical 原稿：`HACTS-04_代理並行與認知待命_v0.1_2026-10-16.md`

---

## 原稿品質閘門、作者責任與公開邊界

1. **本稿是理論研究而非新實證成果。** 六組數值情境皆為明確假設的思想實驗，並應另附可重算檢查結果；十二組假說尚待資料驗證。
2. **正式來源唯一。** 本 UTF-8 Markdown 原稿是本篇 canonical source。聊天訊息、PDF 或瀏覽器渲染都不能取代原始研究檔案。
3. **數學分隔符固定。** 原始 LaTeX 只使用 ` $...$ ` 與 `$$...$$`，不使用 `\\(...\\)` 或 `\\[...\\]` 作為正式數學定界符；不得轉換成 Unicode 數學字元後再當成原稿。
4. **模型含條件與反例。** 時間主權不是最大化休息時數；長時間投入不必然是失去自由；延後並非永遠最佳；財務及外部義務始終需要實際檢查。
5. **實證透明性。** 對研究設計中的預註冊、樣本量、效果與反證，不得虛構已完成之實驗；陰性結果應完整保留。
6. **安全與權限。** HDUS／ANDO／Agent 契約是未部署的概念規格，不代表現有系統實作或安全通過。任何真實對外作用需再完成工程驗證。
7. **個人與公司資料最小化。** 本稿不公開私人倉庫原始碼、敏感收支、帳戶連結憑證、家庭資料或他人私人訊息。
8. **對外使用。** 發布前應依可能的營業秘密、專利、著作、開源授權及第三方權益另行判斷公開範圍；公開記錄不自動授予法定專利權。
9. **修改與版本歷史。** 後續若改動假說、定義、引用或數值條件，應另立新版本並記錄差異，不要不經說明覆蓋已公開的研究聲明。
10. **下一篇。** HACTS-06《黃金窗口與歷史時間不對稱》，專門處理有限技術窗口、歷史價值衰減與人類創作時間的非線性結構。

**END — HACTS-05 v0.1**