# HACTS-10｜人類節奏優先的自主 AI 組織：從高產能代理到可持續的人機協作治理 ## 從人類操作員退出、認知待命與內生義務膨脹，到時間主權、風險分層、自主休眠及可追溯世界提交的組織制度 **English title:** *Human-Pace-First Autonomous AI Organizations: Temporal Sovereignty, Bounded Delegation, and Sustainable Human–Agent Governance* **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：** 10／10（第三卷終篇；承接 HACTS-00～09） **文件編號：** EML-HACTS-2026-10-v0.1 **版本：** v0.1 **日期：** 2026-10-17（Asia/Taipei） **思想提出與研究策劃：** Neo.K **AI 協作研究、形式化與初稿整理：** GPT-6 **研究場域：** EveMissLab／無界智庫 **文件性質：** 理論論文／AI 原生組織治理／人機委任／時間主權／長期自主系統／跨期資源配置／可否證研究綱領 **狀態：** 詳細研究初稿；未經同儕審查；提出的是可實作、可反駁的設計與實驗模型，不聲稱既有 HDUS／ANDO 已部署或通過安全審核 **Canonical source：** 本 UTF-8 Markdown 為正式原始碼。所有正式數學內容只使用 ` $...$ ` 與 `$$...$$` 作為 LaTeX delimiter。 **研究與倫理邊界：** 不把 Agent 操作自主性等同主體性、法律人格或自行取得授權；不得以減少人工干預為由取消法定責任、有效監督、第三方權利或高風險防護。 **作者：** Neo.K **機構：** EveMissLab／一言諾科技有限公司 --- ## 摘要 生成式 AI、可操作工具的自主代理及多代理組織，使研究者、創作者與小型企業能在同一世界時間內完成大量過往需多人、多月執行的搜尋、程式撰寫、測試、整理、出版與維運工作。然而，AI 代理運作的時間增長，並不保證人類獲得更多自主生活時間。產能提高可能內生地擴張候選任務，候選任務可能被誤轉為新承諾，長時程代理可能產生持續審查佇列，通知與潛在責任可能延長心理待命；對外服務和財務承諾又使「完全不管理」既不安全也不可行。於是出現一項新的組織治理矛盾：**一個能自主工作二十四小時的 AI 組織，可能使其人類持有人更難取得不必工作的時間。** 本文提出「人類節奏優先自主組織」（Human-Pace-First Autonomous Organization；**HPFAO**）理論架構，將人類時間主權視為受約束自主組織的明確設計目標，而非產能增長後理所當然的副產品。所謂「人類節奏優先」不是要求所有機器活動都停在人的鐘錶速度，也不是保證人類永不被打擾，而是要求組織在執行既有合法責任與必要風險治理的前提下，將候選發現、可委任操作、真實義務、外部世界提交、通知請求與人類必要判斷嚴格分開。AI 應能在受授權區域內自行延續工作，也應能因預算、證據、期限、風險、認知負荷或使用者新的偏好而自行收束、休眠與等待；未經新的授權，不得僅因模型產能閒置、成果有趣或出現下一階段，就對人類增加新的承諾。 本文將治理系統分成六本不可互相偷換的帳：**候選與成果帳、外部義務帳、授權及程序帳、真實風險帳、有限人類時間帳、現金與運算資源帳**；提出任務有限狀態機、主動性隔離閘門、風險相依的低干擾通知、可安全暫停的委任生命週期、跨 Agent 的注意力預算，以及可回返的資產休眠契約。在形式化上，本文分別推導候選轉義務的增殖條件、審查佇列的穩定性條件、通知的預期損失閾值、帶安全尾部限制的跨期控制問題，以及在人類時間、治理與安全硬條件下的多目標配置。所述方程有些為恆等定義、有些為明確假設下的推論、有些為待估計的研究模型，不將形式化等同於經驗證實。 本文另設十組可重算的數值思想實驗、十六項可否證假說、五類實證與工程評估設計，以及面向 HDUS／ANDO、EveMissLab Registry、GitHub 專案組合、公開網站和研究資產的最小互操作契約。本文並對照人機監督、AI 委任後認知待命、AI 工作強化、可控代理、NIST 風險管理、OWASP Agentic 風險、SRE 低價值維運工作與經典 automation out-of-the-loop 問題。既有文獻支持監督及自主運作中的部分風險機制，但**不能單憑這些文獻宣稱 HPFAO 已被實證確立**。 本文主張的終極判準是：成熟 AI 組織的成果，不只應計算生成多少任務、提交多少程式或節省多少人工操作，還應計算**是否在風險與外部責任被履行的前提下，增加人類對自身工作、休息、跨期創造與退出回返的實質選擇權**。因此，組織的高自主性與人的高自主性應被分別測量、共同治理；前者不構成對後者的無限索取權。 **關鍵詞：** HACTS、HPFAO、人類節奏優先、時間主權、AI 原生組織、Agent、HDUS、ANDO、委任時間、認知待命、注意力預算、風險相依監督、主動性隔離、休眠專案、有效退出、可回返、最小必要管理、工作內生擴張、分散式治理、可否證研究。 --- ## 0. 問題提出：為什麼 AI 可以一直工作，人卻仍難以離開工作？ ### 0.1 一個表面成功、實際失衡的組織 設想一個研究型企業擁有持續運作的代理群：有的研究數學，有的改進程式，有的製作短影音，有的巡查網站，有的維護公開論文索引，有的尋找產品商業化機會。代理在夜間完成若干任務後，早上向唯一的人類創辦者報告：「新生成四十二份候選成果、十二個需要決定的分支、六項建議優先處理的新研究、四項需要授權的部署、三項可以重構的系統。」 此時，傳統 dashboard 可能把這視為高生產力。人類雖然沒有親自執行四十二份生成工作，但其注意力很可能立即被新的判斷、排序、抽樣驗證、知識承責與後續工作切碎。若使用者正在休息，他甚至可能因知道代理正在運作而維持認知待命。更糟的是，某些代理會將未經人類接受的「值得做」推論為「下一步應該做」，再把每個分支寫成實際待辦。此時 AI 不是單純完成委任，而是在**重新生產委任的來源**。 本文研究的不是「AI 能否不靠人類完成更多操作」，因為此題已有 ANDO、委任時間論、HDUS 與大量外部 Agent 治理研究；本文研究的是其更深一層： > 當 AI 操作自主性持續提高，組織如何在不侵犯第三方責任與安全邊界的前提下，**不把 AI 的可執行性變成人類的持續工作義務**？ ### 0.2 不以減速作為普遍命令 本文不主張所有人應少工作、不應追逐先發窗口、不能夜間自願創作或必須固定上下班。研究者真心享受高度投入，完全可能同時感到滿足與疲憊；選擇某段時間全力完成產品，也可能是其時間主權的表現。問題不在高投入本身，而在於使用者是否能在知情、可負擔、尊重外部責任且具備有效退出的條件下，自行改變投入強度。 ### 0.3 真正必須解決的兩個非對稱 第一個非對稱是**機器持續性與人類有限性**。代理可在多個 runtime 並行工作，但人類的注意、判斷、身體恢復與世界時間無法同樣比例複製。第二個非對稱是**生成能力與承責能力**。AI 可以快速提出任務，卻不意味其獲得改動公司戰略、訂立外部合約或要求人類即時配合的權限。二者若混淆，便會使能力增長反過來侵蝕主體生活。 ### 0.4 本篇核心研究問題 本文提出七個相互連結的問題：（一）如何區分發現與義務；（二）如何配置委任期間的人類審查頻寬；（三）如何在低打擾與事故安全之間平衡；（四）如何讓 Agent 能合法停止、休眠與回返；（五）如何讓財務、資源和歷史窗口進入同一跨期決策而不取消人類的選擇；（六）如何在 HDUS／ANDO 的既有語義邊界下實作；（七）如何提出足以推翻整個框架的量測與實驗。 --- ## 1. 理論譜系：HACTS-00～09 已經處理了什麼？ 這一節確保第 10 篇不重複發明已有的結論。系列的前九篇是本篇的內部前置，不是外部獨立證據。 | 前作 | 已有關鍵問題 | 第 10 篇必須增加的組織條件 | |---|---|---| | HACTS-00 | 高生產力與時間主權的整體矛盾 | 把人的節奏表成組織可讀的治理約束 | | HACTS-01 | 生產力內生擴張、候選與承諾分帳 | 在 runtime 阻止候選自動生成新義務 | | HACTS-02 | 額度重置與機會成本焦慮 | 運算配額不得倒逼人類排程及通知 | | HACTS-03 | 自願滿足與認知疲勞並存 | 不從高工作量直接推定不自由，尊重自願投入 | | HACTS-04 | Agent 並行與認知待命 | 通知、事故、審查佇列與真正外部風險分層 | | HACTS-05 | 繼續、延後、休眠、退出、回返 | 使這些選擇可以成為組織狀態轉換 | | HACTS-06 | 黃金窗口與歷史時間不對稱 | 不讓不確定的先發焦慮凌駕硬性人類邊界 | | HACTS-07 | 未來技術等待選擇權 | 保存可恢復資產而非無限推進每個 Phase | | HACTS-08 | 最小必要管理、監測與休眠 | 人類監督限於實際義務、可信事故與高價值判斷 | | HACTS-09 | 企業與個人現金、兼職備案、有效創造跑道 | Agent 不得把未實現商業機會當可支配資金 | 本篇尤其承接無界智庫／EveMissLab 既有的六組技術—哲學理論，依其原始作用分配： 1. **HDUS：** 世界狀態、權限、觀察與提交的原生運行層。本文不要求 HDUS 必然已建好，而提出可映射其契約的工作時序欄位。 2. **ANDO：** 操作員退出、委任主權、共享狀態及組織協作。本文加上人類注意力的硬邊界和可接受的義務生成率。 3. **委任時間論：** 人類介入密度、治理頻寬、延遲與委任槓桿。本文將這些量與人類所能自主選擇的時段及通知壓力相連。 4. **HODR：** 大量可行選項與延遲現實化。本文區分「有價值的待機資產」和「無限增加的義務」。 5. **HAVT：** 時間紅利、多速度文明、退出與回返權。本文將文明層的規範下降到私人研究型企業的實際工作流程。 6. **Registry／多專案治理：** 既有的索引、分類、存取分層與來源血緣。本文不要求新增大型 dashboard，而是要求索引不自動等於待辦清單。 因此本篇的原創提案不是「需要 AI 控制層」或「需要休息時間」，而是對六條既有理論新增一套**人類節奏—義務來源—風險處理—資產休眠**的共通最小契約。新穎性仍需與全球既有文獻、專利及工程做法進一步比較；不能僅憑重新命名便視為確證首創。 --- ## 2. 外部研究：哪些有先例？哪些仍待檢查？ ### 2.1 已有研究認識到 AI 工作強化 Ranganathan 與 Ye（2026）報告一間約二百人科技公司的長期研究，指出在自願使用生成式 AI 的環境裡，部分員工工作節奏、任務範圍和工作時數同步增長。研究提醒：工具提高可做之事，不等於工作負荷一定下降。[E1] 這支持「可能存在內生增殖」的研究動機，但不能證明每種 AI 組織必然使人過勞。 ### 2.2 委任後的心理待命與監督工作 Zhang、Li 與 Chen（2026）利用 642 名混合辦公工作者的兩波問卷，提出 AI Process Vigilance，指出委任 AI 後的品質擔憂、反芻、心理抽離與恢復可能形成關聯路徑。[E2] 本文借用的是其**構念與觀察線索**，不宣稱那項問卷建立了所有因果機制。Park 等人（2026）從十九位有經驗的開發者觀察與工作圖示，整理 AI coding agents 的監督階段與循環，顯示「委任」之後仍存在豐富的人類工作。[E3] 本篇的研究特點是在這些既有工作上再追問：哪些監督本來就不需要變成即時的人類工作？ ### 2.3 可控性不只有停止按鈕 Nguyen 等（2026）區分代理可控性的技術干預機制與規範性治理條件，指出能夠物理中止系統，不足以證明控制具有正當性和可理解性。[E4] 本篇因此要求停止／暫停／回交同時具備授權、語義、證據、風險、版本、責任與可恢復性，並反對以「人有最後按鈕」取代完整組織治理。 ### 2.4 監督能力可能因退出操作而退化 Endsley 與 Kiris（1995）的自動化 out-of-the-loop 研究已指出，操作員長期被動監控可能降低情勢感知與故障接管表現。[E5] 這對「減少干預」構成直接反論：不應把零監督視為一般目標。安全治理需要可理解狀態、定期演練、可執行接管路徑，而不應把人類重新放回每個低價值操作迴圈。 ### 2.5 正式治理、Agent 風險與可操作告警 NIST AI RMF 及其生成式 AI Profile 提供自願性風險治理結構，[E6][E7]；OWASP Top 10 for Agentic Applications 2026 特別聚焦自主工具代理的安全風險，[E8]；微軟公開的 Agent 共用責任、最小權限與 runtime 管制文件重視逐動作授權、可追溯性與高衝擊操作審批，[E9][E10]；Google SRE 的去除 toil 研究則說明例行維運工作可以成為團隊的長期時間負債。[E11] 這些是工程與風險對照，而非由政府或標準組織已採納 HPFAO 的證據。 ### 2.6 評估不能只看輸出文字 Bousetouane（2026）的 Human-on-the-Bridge 預印本提出事先整理人類專家判準，再用可重複測試擴大評估覆蓋的做法；研究強調 trace 與規則的重要性。[E12] METR 的時間地平線測試也提醒：特定任務分布的成功時間尺度，不能直接等同代理能在真實世界任何流程無監督運行的時間長度。[E13] 因此 HPFAO 必須使用任務級、動作級與世界提交級證據，而不能單用模型表現替代部署驗證。 ### 2.7 文獻定位與證據分級 以下邊界須明確區分：經同儕審查研究可支持特定樣本與方法下的觀察；預印本只提供尚待後續驗證的研究路線；平台官方文件主要說明其建議的治理做法；本文的 HPFAO 是**新提出的規範—工程整合模型**，其預測尚未以自有大樣本驗證。現有研究沒有證明「低通知」或「低人類介入」總是最優，本文的目的就是提出可讓其失敗的條件與實驗。 --- ## 3. 名詞與本體邊界：不把「能做」誤寫成「應做」 ### 3.1 六種必須分開的物件 - **Candidate（候選）**：AI 或人提出可能值得研究、開發或修改的事情。它不自帶任何實際完成義務。 - **Proposal（提案）**：候選經基本說明、成本、風險與選項估計後形成可供選擇的提案。它不因可執行便自動具備權限。 - **Obligation（義務）**：來自合法有效的契約、法令、對外承諾、安全責任，或使用者明確接受的內部承諾。不同來源有不同強度，不得全部混同。 - **Delegation（委任）**：已授權行為集合內的特定目標、期限、預算、工具權限與停止條件。 - **Result（結果）**：生成或計算的內容，可能尚未驗證。 - **World Commit（世界提交）**：結果經程序、權限與驗證後，實際改變公開網站、儲存庫、產品、金流或他人可接觸世界的行動。 邏輯上： $$ \mathrm{Candidate}\not\Rightarrow\mathrm{Obligation}, $$ $$ \mathrm{Capability}\not\Rightarrow\mathrm{Authority}, $$ $$ \mathrm{Result}\not\Rightarrow\mathrm{Commit}. $$ 這些不是統計相關係數，而是本文提議必須滿足的**型別及權限不變量**。 ### 3.2 操作自由與治理責任 操作自由表示在既定授權下不需要人類逐步告知下一個按鈕；治理責任表示仍有權限來源、風險承受者、可稽核證據、停止與申訴程序。人類從操作員位置退出，不代表對外法律責任由 AI 自動吸收，也不代表人類必須在每個細節上進行無限微觀管理。 ### 3.3 人類節奏不是單一時鐘 人的「節奏」至少包含：自選工作窗口、需要恢復的時間、可被打斷的情境、重大戰略決策時機、實際外部期限以及使用者在不同人生階段改變投入的權利。時間主權並不等於「固定九點休息」，而是這些參數**由有權主體決定並可合法修訂**，不是由 AI 的剩餘配額或下一個自動建議決定。 ### 3.4 事件名稱不產生規範真值 把一個事件命名為 `urgent`、`critical`、`blocked` 或 `owner_required`，只是標記。系統必須追溯緊急性的證據、風險、期限及承責者；不能因代理自己生成一個高嚴重度標籤，就讓該標籤具有強制打擾人的治理效力。 ### 3.5 靜態研究資產與持續運作的服務 單純留存的論文草稿、尚未部署的私有程式碼及無外部依賴的研究資料，可以在符合保存與權限要求時長期休眠。相對地，對外網站、公開 API、金流、自動寄信、客戶資料與具使用者依賴的服務，在休眠前仍須完成其必要維運、通知、遷移、停服或轉責程序。`archived` 標記無法自行消除外部義務。 --- ## 4. HPFAO 核心公理與權利—責任約束 為防止將所有理念都變成空泛的效用權重，本篇先明確提出不應在一般最佳化中被取代的制度條件。 **公理 A：意圖優先。** 所有自主執行須可追溯至已授權的意圖或現有真實外部義務。純模型「覺得有趣」不構成新的任務承諾。 **公理 B：提案非義務。** Agent 得提出可拒絕的候選與證據，不得把未被接受的候選轉成需要人類在期限內審查的要求；若有真實安全或法律風險，應引用該獨立來源，而不是引用候選本身。 **公理 C：時間可拒絕。** 在沒有合法既存要求與高風險例外的情況下，人類能設定免打擾窗口、拒絕推進、暫停與退出，而不被自動生成的逾期統計懲罰。 **公理 D：風險不可被沉默掩蓋。** 若實際事故、不可逆風險、第三方損害或合法義務存在，低干擾模式必須有授權覆蓋、隔離、停機、應變人員或明確退化運作，不能一味壓低通知量。 **公理 E：不可擅自承諾。** 沒有額外授權，Agent 不得自行增加公開承諾、費用、合約期限、個人簽核義務、對外可用性聲明或永久運作義務。 **公理 F：可安全停止不等於可回滾一切。** 有些外部動作（電子郵件、金流、公告、第三方 API）不可逆；它們應在提交前受到更嚴格的確認，而不是事後宣稱可以 rollback。 **公理 G：未來自我有站位。** 研究可保存供未來回返，但不得強制未來自己繼承所有未經確認的目標、偏好及工作量。 **公理 H：真實責任不可用休眠逃避。** 安全監測、資料保護、合約與法律義務的存在須可被外部稽核；休眠僅適用於能合法休眠的物件及行為。 **公理 I：證據與成功分帳。** Agent 最終輸出好看不表示過程合法、權限正確、驗證可靠或未侵害第三方。 **公理 J：節奏可變。** 高度自願創造、暫時低產能、休閒與重新集中投入都應是合法狀態；系統不應把某個時期的最大工時當成永久保底目標。 這十項公理並非自動具有法律效力。它們是本文提議在企業或私人代理系統中明確實作、可受人類治理者修改且不得違反上位合法義務的架構設計原則。 --- ## 5. 六帳本的組織狀態：不要用一個「待辦」欄位治理世界 ### 5.1 為什麼單一 backlog 會扭曲人類義務？ 傳統任務管理軟體經常把一切未完成之事都表示為 `TODO`，這在小型團隊中方便，對可持續運行的多代理系統卻可能造成型別崩潰。未成熟的構想、工具掃描結果、真正契約期限、產品功能建議與已獲授權的修復任務，被擠進同一個清單；清單膨脹後，使用者又被迫為全部項目分類。甚至清單的整理會產生更多標籤、負責人與期限，使管理本身成為新工作。 HPFAO 不禁止整合呈現，但要求底層記錄不可偷換來源。定義組織在時刻 $t$ 的最小狀態： $$ X_t=(C_t,O_t,A_t,R_t,H_t,B_t). $$ 這裡的 $C_t$ 是候選及成果帳、 $O_t$ 是真實義務帳、 $A_t$ 是授權及程序帳、 $R_t$ 是風險帳、 $H_t$ 是有限人類時間帳、 $B_t$ 是資源與現金帳。以下所有新符號均須先以語義和單位定義，不預設不同帳本可相加。 ### 5.2 候選及成果帳 $C_t$ 一筆候選有發現來源、可重現線索、證據品質、初估價值、估計成本、可恢復性與是否已向人類提出。原本可在一個專案中生成數百條分支，但未被接受的候選可以只保留摘要及來源錨點，不要求創建數百條人類任務。 可用如下結構： ```yaml candidate: id: candidate-001 created_by: delegated_agent source_artifact: content_hash_or_ref evidence_status: speculative estimated_effort_range: [unknown, unknown] proposal_visibility: digest_only accepted_by_authority: false human_action_required: false external_deadline: null ``` 上例是研究概念契約，不是任何現有 runtime 已支持的 schema。`false` 也不代表此候選永遠不能成為新工作；它只表示目前不具有義務性。 ### 5.3 外部義務帳 $O_t$ 義務來源可分為合法的既存契約、法令或法定程序、對第三方已作出的服務承諾、可證明的安全與保護責任，以及主體在有效權限下明確接受的內部目標。這些類別不應全被當成相同的法律義務，需記錄其規範層級與來源證據。 $$ O_t=O_t^{law}\cup O_t^{contract}\cup O_t^{safety}\cup O_t^{accepted}. $$ 此式是**集合分類而不是數量加法**。一項義務可以同時屬於多個類別，必須以穩定 ID 去重，而不是重複計為多項任務。每筆至少須包含來源、責任承擔者、期限、可委任部分、解除條件與最低證據要求。 例如產品使用者的個資遭受可信入侵時，通知與處置可能來自現實規範；它不因創辦者在免打擾模式就自動消失。反過來，「某個模型建議重構新的版面系統」並非法律義務，不能因標記為 `critical refactor` 就擠占事故通道。 ### 5.4 授權及程序帳 $A_t$ 權限必須回答：誰、在什麼目的、對哪個資源、於什麼期限、使用哪種工具、最多支出多少，且何時可撤銷。組織的內部政策、個人偏好、功能可用性與實際執行權限不得只用一個 boolean 壓縮。本文沿用既有 HDUS EGR 的規範／權限／決定／世界提交分離，以及有效程序與證據狀態的多值設計。 $$ \mathrm{Permitted}(a)\not\Rightarrow\mathrm{ExecutableNow}(a). $$ 尤其對外公開、刪除、付款、寄信、部署與取得新權限，不可讓人類「以前曾經同意 AI 可以工作」被解釋為無限制的永久授權。 ### 5.5 風險帳 $R_t$ 風險資料與義務分離。風險帳包括事件嚴重度、發生機率區間、不可逆性、對第三方的影響、可檢測性、有效處置期限、所需專業和證據可信度。高風險本身不意味能夠跳過權限；它表示應觸發風險政策下的隔離、停止、替代值守或合法的緊急路徑。 一條由模型推測的高風險描述，若沒有足夠證據，不得直接成為需要喚醒人類的實際事故。但對潛在重大危害，低證據也不一定代表可以忽略；可採取低風險、可逆的安全暫停與隔離，同時保留升級調查。 ### 5.6 人類時間帳 $H_t$ 人類時間帳不能只記錄滑鼠鍵盤活動。至少分成工作與選擇窗口、必要治理工時、低價值操作工時、實際打斷頻率、可自主安排的無任務時間，以及若經同意測量的主觀待命與恢復指標。 $$ H_t=(T_t^{op},T_t^{gov},T_t^{choice},N_t^{interrupt},V_t^{standby},S_t^{time}). $$ 其中 $T^{choice}$ 表示主體可自主重新配置之時間； $N^{interrupt}$ 為中斷次數； $V^{standby}$ 是問卷構念而非直接從 CPU 活動算得。此向量不可強行簡化成一個沒有測量前提的幸福值。 ### 5.7 資源與現金帳 $B_t$ $$ B_t=(B_t^{compute},B_t^{money},B_t^{person},B_t^{company},B_t^{storage}). $$ 計算額度、已到帳的個人現金、公司帳戶流動性、存儲與維護成本分別管理。AI 尚能繼續運算，不代表人類具有繼續批准新工程支出的經濟能力；網站有訪客、不代表商業應收款已收訖；研究資產多、不代表下期訂閱有現金支付來源。企業與個人資金不得因模型方便而被任意合併。 ### 5.8 六帳本結構的主要優點與代價 它的優點是防止概念、權限與責任被同一張待辦表吸收；代價是需要額外的事件型別、版本、稽核與判定規則。若每建立一個候選都要求填二十個欄位，就會重回管理負債。因此所有候選應採**少欄位預設、必要時才升級到完整治理物件**的分層設計；缺資料只表示未知，不代表預設危險或預設需要人工處理。 --- ## 6. 命題一：AI 不得把發現自行轉為對人的新義務 ### 6.1 主動性隔離閘門（Initiative Containment Gate） 本文提出一個最小的主動性隔離閘門（ICG）。當代理從已有委任推導出新的方向 $c$ 時，系統先判斷它屬於哪一種事件： 1. 已授權目標內，具相同權限與風險、預算內的必要子步驟：可在既定委任內完成。 2. 合法既有外部義務的發現或狀態改變：引用外部來源，走真實義務與風險處置路徑。 3. 新的研究、產品、優化或市場機會：進候選帳，不得自行生成需要人類在指定期限前回覆的新工作。 4. 超出權限、預算、期限或可接受風險的新操作：提出授權申請或安全暫停，而非直接執行。 概念上，以 $g(c)$ 表示閘門的結果： $$ g(c)\in\{\mathrm{continue},\mathrm{obligation},\mathrm{candidate},\mathrm{hold}\}. $$ 它不表示代理有能力最終判定法律義務，僅是將事件送往合適的查證與治理通道。真正義務須能被有效來源與組織授權程序支持。 ### 6.2 不得讓候選透過標籤洗成義務 系統應具有 `accepted_by_authority`、`normative_source`、`evidence_ref` 與 `authority_ref` 等欄位。若任何欄位不足而又非可安全執行之現有委任，應保持提案狀態。代理即使能重寫任務敘述、增加「high priority」字樣，也不能自行更新人類已承諾的義務集合。 用事件轉移表示： $$ \mathrm{Proposal}\xrightarrow{\mathrm{valid\ authorization}}\mathrm{AcceptedTask}. $$ 不存在下列無條件轉移： $$ \mathrm{Proposal}\xrightarrow{\mathrm{agent\ enthusiasm}}\mathrm{HumanDuty}. $$ 此處的 `valid authorization` 可能來自既有政策允許的低風險預算內自動接受，也可能需要特定人類批准。後者的要求需由授權規則事先定義，不能在每次候選生成時即興增加。 ### 6.3 不得懲罰合法的沒有進度 一般任務系統的逾期提示會造成一種隱形前提：每項工作都必須有下一步與期限。對尚未接受的研究候選，`no progress` 不應是異常，更不應週期性地提醒人類為何尚未完成。只有具有外部承諾或有效內部期限的項目，才應列入履約追蹤。 ### 6.4 反例：若發現的是實際事故 如果代理監測到服務資料暴露、金流異常或客戶面對迫切安全風險，這不是它自行創造新目標；它是發現一個已獨立存在的風險與可能義務。主動性隔離不得阻止進行被允許的防護；若使用者不可聯繫且風險不可安全忽略，系統應進入有覆蓋的事件處置路徑。這正是將「候選不生義務」與「真實風險仍須處理」分帳的理由。 --- ## 7. 命題二：候選生成率與人類承諾頻寬必須分離 ### 7.1 候選佇列與承諾佇列 令 $Q_t^c$ 表示可不立即處理的候選庫存， $Q_t^o$ 表示具有有效來源、須履行的承諾及治理佇列。令 $g_t$ 為當期候選生成數、 $a_t$ 為被有效接受的候選數、 $x_t$ 為候選過期或合法靜默歸檔數、 $u_t$ 為外部新增的真實義務數、 $r_t$ 為有效履行或解除的義務數。為避免候選與真實義務雙算，必須使轉移事件具備原始 ID。 在基本離散時段下，候選庫存的定義式： $$ Q_{t+1}^c=\max\{0,Q_t^c+g_t-a_t-x_t\}. $$ 義務庫存的定義式： $$ Q_{t+1}^o=\max\{0,Q_t^o+a_t+u_t-r_t\}. $$ 以上是以互斥且同一單位的任務數為前提的**會計遞推式**，並非所有現實任務可同權加總。若任務差異大，需改成工作量或風險加權向量，避免把一份法律應訴與一則小公告視為相同單位。 ### 7.2 穩定性的簡化充分條件 假設存在常數 $\delta>0$，在所有足夠晚的時刻都有： $$ a_t+u_t-r_t\geq\delta, $$ 則當義務佇列沒有被外部移除或重設時， $Q_t^o$ 至少按 $\delta$ 的速度持續增加。證明只需將前述遞推式跨期加總，且利用 $\max\{0,x\}\geq x$，即可得到相應下界。這是工作量超出處理能力的**充分條件**，不是對每個隨機排隊系統均成立的完整穩態定理。 若反向存在長期平均 $a_t+u_tc_h(e,t). $$ 這個判準依賴可比較單位、合理機率與風險中性條件，**不能**直接處理重尾事故、法定通知時限或不可量化第三方權益。因此它只能用在一般低／中風險通知策略中；真正高風險應另加不可違反的硬約束。 ### 9.2 更一般的預期損失比較 對通知策略 $\pi$，定義時段內的決策損失： $$ J_{notify}(\pi) =\mathbb E[C_{interrupt}(\pi)+C_{delay}(\pi)+L_{incident}(\pi)+C_{audit}(\pi)]. $$ 每個量皆需界定測量單位與估值來源。特別是在高風險事故中，應獨立報告實際安全事件及其分布，不能只給出被主觀金錢換算後的單一分數。 ### 9.3 高風險尾部硬限制 對可能造成重大生命、安全、財產、隱私或不可逆外部影響的事故，可引入尾部與程序限制： $$ \Pr(L_{incident}>L_{max})\leq\varepsilon, $$ 以及： $$ T_{escalate}(e)\leq D_e $$ 其中 $D_e$ 是由外部法令、合約、安全政策或工程評估決定的有效期限，不是模型臨時捏造的 deadline。這些限制尚不足以保證絕對安全；它們只能讓風險約束變成可稽核研究對象。對無法可靠估算機率的重大風險，應採保守限制及人工專業治理，而非無條件依賴公式。 ### 9.4 靜默、摘要、通知與事故四通道 實作上可區分：`SILENT_STORE`（只保留可重建紀錄）、`DIGEST`（在主體選擇窗口整合顯示）、`NORMAL_REVIEW`（合法期限內的審查事項）、`INCIDENT_RESPONSE`（實證風險超出門檻後的指定值守與安全處置）。它們不是單純以嚴重度數值排序；需要證據種類、義務來源、行動可逆性、實際期限及值守機制共同決定。若沒有合法的事故回應覆蓋，不應部署需要全天即時響應的高風險自動化。 ### 9.5 假陽性、假陰性與事件感知 降低通知可能減少誤報與人類切換，但若伴隨檢出率下降，反而可能提高事故損失。本文因而要求報告靈敏度、特異度、正預測值、誤報數、漏報數、事件嚴重度和審查實際工時。只以通知次數下降宣稱治理改善，屬於被單一指標誤導的錯誤。 ### 9.6 理想的安全暫停 若即將執行不可逆操作，而需要的人類授權不在預先約定時段，系統應能在合法可行的情況下進入 `SAFE_HOLD`，保存上下文和最小診斷證據，按指定期限或備援程序再處置。若完全停止會造成更大直接損害，必須由事先界定的應變計畫處理，而非簡單宣稱一律「不打擾就不做」。 --- ## 10. 自治狀態機：接受安靜停止也是完成的一種 ### 10.1 不是每個任務都需要 Next Phase 常見 AI 系統把「本輪完成」視為「下一輪應繼續」，例如驗證後自動建立重構與產品改善候選。本文要求任務結束能形成**合法終止或可恢復休眠狀態**，而不必生成新的階段。這不是打斷模型推理，而是承認目標的生命週期有界。 ### 10.2 狀態集合 給定一個受控任務 $i$，使用： $$ \mathcal S_i=\{P,A,R,V,C,D,H,E,S\}. $$ 分別代表 `PROPOSED`、`AUTHORIZED`、`RUNNING`、`VALIDATED`、`COMMITTED`、`DORMANT`、`SAFE_HOLD`、`ESCALATED`、`STOPPED`。另以 `FAILED` 和 `ROLLED_BACK_WHERE_POSSIBLE` 記錄錯誤與可逆補救，避免把風險事件悄悄視為正常完成。 | 起始狀態 | 可接受轉移 | 必要條件 | |---|---|---| | PROPOSED | AUTHORIZED | 權限來源、預算、意圖與風險門檻通過 | | PROPOSED | DORMANT／STOPPED | 無承諾需求，且保留或丟棄符合權利條件 | | AUTHORIZED | RUNNING | 授權仍有效、工具範圍正確、資源可用 | | RUNNING | VALIDATED | 產物、過程與必要 evidence gates 通過 | | RUNNING | SAFE_HOLD | 風險升高、授權過期、預算不足或必要人類不在場 | | VALIDATED | COMMITTED | 對外提交單獨通過權限、程序與證據 | | VALIDATED | DORMANT | 可保存成果但暫不對外外化，且無剩餘義務 | | COMMITTED | STOPPED | 完成必要維護與對外承諾交接／解除 | | DORMANT | AUTHORIZED | 新意圖被合法接受並重新驗證現況 | | SAFE_HOLD | ESCALATED／AUTHORIZED／STOPPED | 可信事故路徑、重新授權或安全終止 | ### 10.3 不變量：暫停期間不得偷續成本與權限 定義任務允許的剩餘預算 $b_i(t)$ 與有效授權 $a_i(t)$。當進入 `SAFE_HOLD` 或已被正式停止時，未被特別允許的計算、外部付費工具與對外寫入均不得繼續。需要基本存儲、事故證據或最低安全維運的例外必須有單獨授權與可核算成本。 $$ \mathrm{SAFE\_HOLD}\Rightarrow \mathrm{NoUnauthorizedExternalCommit}. $$ 此式為設計目標；若工具無法實際阻斷在途操作，仍需具體的隔離、取消 API、權限撤銷或資源層防護，不能假裝狀態機標籤就是物理控制。 ### 10.4 `STOPPED` 不等於歷史消失 停止後可保留最小必要的 provenance、權限稽核、版本、成果 hash 與法律所需紀錄，但須遵守資料保護及合法刪除要求。停止不是把所有工作內容永遠公開留存，亦不是對任務成功與否的道德評價。 ### 10.5 DORMANT 是有效的結局 對無需持續值守的研究資產，`DORMANT` 代表在可合理恢復的品質下結束目前活動。若資料品質、保存成本、相依版本或第三方義務不允許休眠，則應改走解除／遷移／必要維護程序。合法休眠與安全停止本身應計入**有效治理成果**，不能被 productivity dashboard 當成零產出或失敗。 --- ## 11. 多時間尺度自治：機器運算不等於人類須同步在線 ### 11.1 三條基本時間軸 在既有互動時間論及 ANDO 時間經濟學的基礎上，至少分離：世界歷史時間 $t_W$ 、人類載體時間 $t_H$ 與機器執行時間 $t_M$。即使同一日內有二十個並行代理，機器執行時數的總和也不能直接轉換為人類時數，因為它們的同時性、所用資源、實際進展與產物價值都不同。 令時段 $[t,t+\Delta t]$ 內的有效機器工作量為 $M_{valid}$，真正通過指定程序的世界提交為 $V_{commit}$，必要人類治理時間為 $H_{gov}$。此三者均須獨立記錄。 $$ \rho_{machine}=\frac{M_{valid}}{\Delta t_W},\qquad \rho_{commit}=\frac{V_{commit}}{\Delta t_W}. $$ 這兩個比率不可直接用「越大越好」判斷時間主權；即便兩者上升，也可能同步增加通知密度、待命壓力與維運風險。 ### 11.2 高頻執行與低頻意圖更新 組織可以採用不同的時間尺度：機器內部工具動作使用毫秒至分鐘，已授權任務的協調使用分鐘至小時，日常摘要採用使用者允許的時段，策略方向與生命週期決策可能採取週、月或不定期的人類選擇。這不是固定時鐘架構，而是將不同類型決策配到具有真正價值的時間尺度。緊急事故另走具有效期限的風險管道。 ### 11.3 因果必要的即時介入 vs. 慣性要求回應 有些操作需要同時的人工判斷，例如不能合法委任的高衝擊審批；有些只是因軟體原先設計成「每步等待人類」，其實可以透過明確目標、驗證與重試政策消除操作迴圈。本文要求先進行**反事實測試**：若人類此刻不回應，而代理安全停止或將結果留到下個窗口，會發生何種真實損失？ 若僅是下一個 Phase 晚一週，且不違反其他責任，便不應當成事故。若會超過法定期限、讓無人值守的金流繼續暴露或造成不可逆損害，則必須預先安排合理的應變與責任覆蓋。 ### 11.4 不以人類心理狀態作為推定權限 代理不能因使用者常在半夜工作而推測所有夜間通知都可接受；也不能因使用者本週比較疲憊而自動取消已簽訂的對外承諾。認知恢復是決策重要資訊，但不是可憑模型猜測就直接修改契約或法律責任的授權來源。 ### 11.5 大小不同的組織應採不同配置 單人研究者可能透過預先設定的低風險沙盒、有限摘要與安全休眠，取得良好時間主權；大公司可能依輪班責任、角色替代與跨團隊治理實現相同價值；對醫療、金融、公共基礎設施等高風險部署，則需更高等級的實體控制、值守與外部法規符合性。本文不要求所有場合都使用同一個固定的休息時段或通知上限。 --- ## 12. 帶硬約束的跨期組織決策模型 ### 12.1 為什麼不直接最大化「幸福－工作量」？ 創作成果、合法責任、人類自由、第三方安全、資訊保密與財務可持續性之間，不一定存在普遍可接受的單一貨幣化量尺。尤其不能把嚴重安全事件或法律義務視為只要效益夠高就可以支付的普通成本。因此本篇採取**先確保合法可行，再於可行域內比較多目標**的架構。 ### 12.2 可行政策集合 給定組織狀態 $X_t$ 及行動 $u_t$，定義 $\Pi_{auth}$ 為符合授權、權限、資料及程序的策略集合； $\Pi_{safety}$ 為符合部署風險與應變要求的策略集合； $\Pi_{finance}$ 為符合付款與既有債務條件的集合； $\Pi_{time}$ 為尊重人類時間契約但保留明確合法例外的集合。可行策略為交集： $$ \Pi_{feasible} =\Pi_{auth}\cap\Pi_{safety}\cap\Pi_{finance}\cap\Pi_{time}. $$ 若交集為空，不能用漂亮的 Agent 產能「求解出不可能的合法行動」。系統應降低外部服務範圍、限制高風險能力、尋求實際備援或改變對外承諾；若有法定衝突，須交由有權機關或合適專業決定。 ### 12.3 狀態轉移和有限期規劃 令 $X_{t+1}=F(X_t,u_t,\xi_t)$，其中 $\xi_t$ 表示不可預知的外部事件，包括模型錯誤、使用者新偏好、API 停止、商業收入與真實事故。定義對已通過證據閘門的有效成果收益 $v_t$，代理治理成本 $c_t^G$ 、人類介入代價 $c_t^H$ 、運算與現金代價 $c_t^B$，以及可允許範圍內的人類時間選擇損失 $c_t^T$。 在已符合硬限制的政策中，可考慮： $$ \max_{\pi\in\Pi_{feasible}} \mathbb E_\pi\left[ \sum_{t=0}^{T}\gamma^t \left(v_t-c_t^G-c_t^H-c_t^B-c_t^T\right) \right]. $$ 其中 $0<\gamma\leq1$ 是研究設定的跨期權重，不是「未來人類時間必然比較不重要」的倫理定理。使用者也可以拒絕這種加權形式，改用 Pareto 前緣、詞典序或最低可接受條件來治理。 ### 12.4 時間主權作為條件，而不是績效獎勵 例如使用者可以設定每週非事故類即時打斷總量上限 $N_{max}$，以及最低自主時段 $T_{disc}^{min}$： $$ N_{interrupt}^{noncritical}\leq N_{max}, $$ $$ T_{discretionary}\geq T_{disc}^{min}. $$ 但如果現實部署的義務與此衝突，不能硬把事故壓成非事故以滿足模型；應重新設定服務範圍及值守制度。當人類時間、生活現金、必要監督無法同時滿足時，降低自主部署範圍可能是唯一可行的治理選擇。 ### 12.5 不擅自用 AI 產生的人類任務填滿空閒時間 對一個已達成既有目標的代理，若沒有新授權，則單純因計算預算尚有餘額而新增的任務不得被計入 $v_t$ 的已驗證收益，也不應自動占用人類時間。代理可以保留非強制性的候選摘要，但不應形成倒數期限與催辦。此規則與 HACTS-02 的額度不必用盡命題直接相容。 ### 12.6 最小治理成本不等於最少監督次數 令 $G_t$ 是人類與自動審計的治理成本， $L_t$ 是未檢出危害與風險， $C_t^{recover}$ 是出事後恢復成本。單純最小化 $G_t$ 可能導致監督不足。因此應在安全可行集合內比較 $G_t+L_t+C_t^{recover}$，且對重大風險另設硬條件。這延續 HACTS-08，而非與其重複。 ### 12.7 不把數學解誤作自動治理許可 上述最佳化是研究分析工具。任何獲得較高客觀值的策略，仍需符合授權與法定權限，且應能讓人類理解和修訂判準。演算法不能因計算顯示「建議覆蓋使用者拒絕」就獲得覆蓋權。人的合法知情拒絕、第三方權利和公共風險不是一個可直接被數值抵銷的懲罰項。 --- ## 13. 非打擾、風險與資源的聯合控制面 ### 13.1 分離三個可控制對象 要打造 HPFAO，至少要分離三種控制：第一是工具與世界行動權限（能不能寫入、刪除、寄信、付款）；第二是候選生成與計算資源（可以搜尋多少、使用哪些模型、是否在預算內）；第三是人類通訊權限（何時可以請求批准、送出摘要或提出緊急通知）。 一個 Agent 即使能繼續在沙盒做計算，也不表示它能寄給使用者十封催辦信；反之它沒有對外寫入權限時，可能仍可合法產生摘要。這三種權限不能隨機地相互繼承。 ### 13.2 Temporal Control Plane 本文提出獨立的 Temporal Control Plane（TCP-HA，僅為本篇命名，非現有網際網路 TCP 協定），管理人類選擇的工作窗口、摘要政策、允許中斷的事故型別、任務暫停、資源上限、代理行為期限與合法回返條件。為避免縮寫歧義，工程介面宜直接使用 `temporal_governance` 或 `human_time_policy`。 ```text Human Intent / Existing Obligations | v Normative & Authority Gate | v Task / Agent Planner | +---- Candidate Ledger --> Digest or Dormant | +---- Delegation Envelope | Runtime / Tools / Sandbox | Process & Evidence Checks | +-------------+----------------+ | | | Safe Store Commit Gate Risk Escalation | | | v v v Quiet Digest World Commit Safe Hold / On-call \ | / Human Temporal Contract ``` 此圖是概念邊界圖；實作可分散於多個服務或原生 HDUS world-state，不要求集中式單點控制器，也不主張單靠圖上方塊就有安全保證。 ### 13.3 漸進自主等級 可依委任強度區分： | 等級 | 自主權限 | 人類角色 | 使用邊界 | |---|---|---|---| | L0 | 只作資訊建議 | 人類自行操作 | 不取得寫入權限 | | L1 | 沙盒內自主生成與驗證 | 選擇是否使用成果 | 無外部提交 | | L2 | 授權資源內完成可逆的低風險操作 | 摘要審查、可撤銷 | 有預算及回退契約 | | L3 | 受控服務的持續維護與例外處理 | 事故及策略治理 | 真實外部值守、稽核、應變覆蓋 | | L4 | 高自主跨系統組織治理 | 規範制定、稽核、必要重大介入 | 需獨立完成高風險保障，不可憑模型能力升級 | 等級不是「越高越成熟」的普遍道德排名。同一組織可在不同任務使用不同等級；真實高風險可能永遠需要低自主或人類直接執行。 ### 13.4 沒有可行的責任覆蓋就不要維持高風險持續運作 例如一個無人值守的 Agent 可以修改線上銷售價格並自動付款、退款或對外承諾，如果沒有實際值守、授權和應變機制，將其當成「自主組織可以永不打擾老闆」是不合格的解法。合格做法可能是限縮工具權限、限制款項與頻率、要求確認、關閉高風險寫入，或將部署降為唯讀監測。真正的時間主權往往來自**降低必須隨時值守的外部承諾**，不只來自更好的 AI 模型。 ### 13.5 資料與身份治理 代理工作記憶可能包含使用者偏好、公司秘密、程式碼、研究材料與第三方訊息。若未來有多個 Agent 交換研究摘要，必須依存取分類保護記憶、避免跨租戶混淆、拒絕不受信任文件操縱授權決策，並保留合法刪除／保留政策。人類不用天天自己分類，不代表 Agent 可以隨便對外發布私人研究。 --- ## 14. 人類時間主權指標：不能只報「代理完成率」 ### 14.1 指標向量而非單一神奇分數 本文提出必要的多維評估： $$ \mathbf M_t=(V_t^{verified},H_t^{op},H_t^{gov},N_t^{interrupt},T_t^{disc},S_t^{time},R_t^{safety},B_t^{finance}). $$ 依序為經驗證的有用成果、人類操作工時、人類治理工時、打斷數、可自主時間、自述時間主權、實際事故與未檢出風險、財務可行性。任何比較都需說明任務量、風險暴露與評估窗口是否相當。 ### 14.2 有效委任槓桿 若成果價值可以在指定任務群內定義，使用既有委任時間論的形式： $$ \Lambda_D=\frac{V_{verified}}{H_{gov}+\epsilon}. $$ 但當 $H_{gov}$ 非常小時，分母會使比值不穩定；不能用它獨自宣稱人類負荷下降，也必須報告事故、通知、實際生活時間與成果品質。總值 $V_{verified}$ 不能靠估算模型生成字數替代，應先指定驗證與成果權重。 ### 14.3 真正的時間紅利 比較改革前後的人類實質可自主時間： $$ \Delta T_{disc}=T_{disc}^{after}-T_{disc}^{before}. $$ 要注意時段和反事實的可比性。某人改成玩遊戲時仍可自願偶爾查看代理，這不必然代表休閒時間全失效；另一人雖未實際點擊卻持續擔心可能事故，亦不能直接記作全部恢復。需用日誌與經驗抽樣拆分主觀及客觀變項。 ### 14.4 義務膨脹與接受率 令 $N_{candidate}$ 、 $N_{accepted}$ 、 $N_{external}$ 分別為候選、已授權新增內部任務與真實外部義務的數量，可報告在相同任務分布中，候選生成增加時的人類有效接受率及人為創造的審查請求數。這可以偵測代理是否把「多提案」洗成「多工作」。不得以低接受率自動視為創作者懶惰；也不得假設低接受率一定最佳。 ### 14.5 操作與治理介入密度 $$ \rho_H^{op}=\frac{N_{human\ op}}{N_{effective\ agent\ actions}}, $$ $$ \rho_H^{gov}=\frac{N_{human\ governance}}{N_{effective\ agent\ actions}}. $$ 兩者都應與**必要治理是否及時有效**比較。若系統隱瞞事故、使人連風險都不知道，治理介入密度雖可能為零，仍不是成熟自治。對非均質 action，應報告類別分層比率與時間而非總平均。 ### 14.6 不被打擾的自由與可被真正叫醒的可靠性 這兩者必須同時測試。目標不是所有通知歸零，而是非必要打擾減少，真實事故檢出率與有效時限不惡化、權限侵犯不增加，且人在受約束委任下仍保有修訂或退出的能力。 ### 14.7 預註冊主要終點 一項未來實證可以先指定三項主要終點：經驗證成果品質的非劣性、非危急人工打斷工時的改善、真實高風險事故處置的安全非劣性。次要終點再包括自述時間主權、心理抽離、財務支出、專案恢復性、意外新義務數等。事後才選擇最漂亮的 KPI，不能構成有說服力的證據。 --- ## 15. 形式命題與推導：何時多代理會反而減少人的自由？ ### 15.1 命題 P1：代理並行的義務外溢條件 假設每個代理在一個相同時段產生期望 $\lambda$ 個新的候選，其中比例 $p$ 被不當或有效地轉成需要人類注意的待辦；共有 $m$ 個同質代理。若除此之外已有外部義務期望 $u$，且人類及組織可以平均每期處理 $\mu$ 個同單位任務，則期望義務輸入量為： $$ \mathbb E[A]=m\lambda p+u. $$ 在穩定同質、平均數有意義且長期服務能力不變的簡化前提下，如果： $$ m\lambda p+u>\mu, $$ 則義務的平均供給高於清償速度，有累積風險。此不等式不能保證所有隨機過程必然逐期增長，但可成為識別超載區域的簡化指標。 關鍵是：增加 $m$ 不必然增加人類負荷。如果系統能降低不必要的 $p$ 、提高受授權的機器端完成能力或消除重複提案，人類負荷可能持平甚至下降。可否證的研究對象因而是**代理數量與候選—人類義務轉換機制的交互作用**，不是單純的代理數量。 ### 15.2 命題 P2：通知降低有安全條件 在可以將普通事故損失與打擾成本比較的理想條件下，減少通知帶來的淨好處為： $$ \Delta J=\Delta C_{interrupt}+\Delta L_{incident}+\Delta C_{delay}. $$ 這裡的 $\Delta$ 定義為「新策略成本減去舊策略成本」。若 $\Delta J<0$ 且符合法定及安全硬限制，新策略在此模型中改善；若 $\Delta J>0$，表示即使通知變少，因事故漏報或延遲所導致的總代價也可能更高。這是從既定成本定義得到的判準，不是對任何真實人類的幸福定律。 ### 15.3 命題 P3：安全的停止可產生正治理成果 設任務 $i$ 在沒有新合法義務、現有目標已達成且後續候選可安全保存的條件下，繼續推進的預期驗證價值為 $V_{continue}$，需要的新增現金及人類治理代價為 $C_{continue}$ ；合法休眠的未來選擇權價值為 $V_{sleep}$，保存代價為 $C_{sleep}$。若： $$ V_{sleep}-C_{sleep}>V_{continue}-C_{continue}, $$ 則在此簡化估值模型下，休眠優於繼續。反例是仍有契約或安全義務、成果時效迅速衰減或重啟成本巨大時，此比較可能反轉。 ### 15.4 命題 P4：企業財務跑道是自主層級的可行條件 一個高自主代理系統若需持續訂閱與部署支出，必須在現有現金、信用與合法付款來源下可維持。若部署策略要求： $$ B_{company}(t) AI 組織應有能力持續完成合法受委任的工作，也應有能力在無必要義務時自行停止；人類應有權高度創造，也應有權在不逃避真實外部責任的情況下，暫時不創造。 因此，HACTS 的最後一篇不是「最大化自主 Agent」的工程宣言，而是建立一個更完整的研究問題：**我們能否創造出不要求人類永遠以最高速度生活的高能力智能組織？** 這是一項可以被實作、稽核、比較、反駁與修正的研究綱領，而不是已完成的答案。 --- ## 附錄 A｜十組數值思想實驗的可重算程式 以下程式只使用 Python 標準函式庫，不讀取使用者帳戶、不調用外部 API，不執行任何 Agent 任務與實際世界修改。輸出為第 16 節中事先定義的假設值；其通過僅證明算術可重算，不證明真實 AI 系統的安全性或治理效益。不同工作負荷可替換為合理的實際估計，再接受對照實驗。 ```python from math import isclose def approx(a, b, tol=1e-8): assert isclose(a, b, rel_tol=tol, abs_tol=tol), (a, b) def queue_after_days(initial, incoming, resolved, days): backlog = initial for _ in range(days): backlog = max(0, backlog + incoming - resolved) return backlog def alert_cost(trials, event_rate, sensitivity, false_positive_rate, hours_per_alert, missed_event_cost): true_alerts = trials * event_rate * sensitivity false_alerts = trials * (1 - event_rate) * false_positive_rate misses = trials * event_rate * (1 - sensitivity) alerts = true_alerts + false_alerts review_hours = alerts * hours_per_alert equivalent_risk = misses * missed_event_cost return (alerts, misses, review_hours, equivalent_risk, review_hours + equivalent_risk) # A: candidates handed to humans, not all candidates produced. naive_daily_min = 12 * 0.5 * 12 triaged_daily_min = 1.5 * 12 approx(naive_daily_min, 72) approx(triaged_daily_min, 18) approx(naive_daily_min - triaged_daily_min, 54) # B: obligation queue, one representative task unit per item. naive_backlog = queue_after_days(20, 11, 9, 10) filtered_backlog = queue_after_days(20, 8, 9, 10) assert naive_backlog == 40 assert filtered_backlog == 10 # C: uncommitted discretionary time before and after interruptions. before_free = 42 - 7 after_free = 42 - 2 assert before_free == 35 and after_free == 40 assert after_free - before_free == 5 # D: expected alerts and costs; NOT real incident probabilities. wide = alert_cost(100, .03, .99, .080, .25, 20) calibrated = alert_cost(100, .03, .99, .015, .25, 20) overquiet = alert_cost(100, .03, .94, .010, .25, 20) for actual, expected in zip(wide, (10.73, .03, 2.6825, .6, 3.2825)): approx(actual, expected) for actual, expected in zip(calibrated, (4.425, .03, 1.10625, .6, 1.70625)): approx(actual, expected) for actual, expected in zip(overquiet, (3.79, .18, .9475, 3.6, 4.5475)): approx(actual, expected) assert calibrated[-1] < wide[-1] < overquiet[-1] # E: a five-minute real obligation cannot be met by an eight-hour # offline human if no safe alternative responder or disablement exists. response_deadline_min = 5 unavailable_min = 8 * 60 qualified_backup_available = False safe_containment_available = False can_operate_continuously_as_configured = ( qualified_backup_available or safe_containment_available or unavailable_min <= response_deadline_min ) assert not can_operate_continuously_as_configured # F: validated output and human governance differ from raw output. raw1, validated1, human1 = 80, 45, 16 raw2, validated2, human2 = 50, 44, 6 approx(validated1 / human1, 2.8125) approx(validated2 / human2, 7.333333333333333) assert validated1 - validated2 == 1 # G: waiting is condition-sensitive. now = 100 - 10 * 2 wait_lower_window_loss = .95 * (120 - 5 * 2 - 10) - 4 wait_higher_window_loss = .95 * (120 - 5 * 2 - 35) - 4 approx(now, 80) approx(wait_lower_window_loss, 91) approx(wait_higher_window_loss, 67.25) assert wait_lower_window_loss > now > wait_higher_window_loss # H: average-month-only toy runway. Does not model intra-month insolvency. cash = 24000 baseline_monthly = 12000 reduced_monthly = 9000 approx(cash / baseline_monthly, 2) approx(cash / reduced_monthly, 8 / 3) # I: only accepted new projects require routine owner-review work. all_proposals = 80 accepted_proposals = 20 minutes_per_review = 10 wide_review_h = all_proposals * minutes_per_review / 60 accepted_review_h = accepted_proposals * minutes_per_review / 60 approx(wide_review_h, 40 / 3) approx(accepted_review_h, 10 / 3) approx(wide_review_h - accepted_review_h, 10) # J: no external duty, safe dormancy and one later restart assumed. months = 6 active_cost = months * 50 sleep_and_restart = months * 6 + 24 assert active_cost == 300 assert sleep_and_restart == 60 assert active_cost - sleep_and_restart == 240 print('HACTS-10: 10 illustrative numerical scenarios PASS') print('Alert outcomes:') for title, row in [('wide', wide), ('calibrated', calibrated), ('overquiet', overquiet)]: print(title, [round(x, 5) for x in row]) ``` --- ## 附錄 B｜最小事件契約與稽核欄位 ### B.1 事件欄位不是私人對話複製器 建議每個事件的共通欄位只含： ```yaml schema_version: 'hacts-hpfao-concept-v0.1' event_id: 'opaque-event-id' recorded_at: 'ISO8601-with-explicit-timezone' workflow_id: 'opaque-workflow-id' event_type: 'candidate|obligation|delegation|result|risk|commit' intent_ref: 'minimal-intent-reference' normative_source_ref: 'nullable-verifiable-source' authority_ref: 'nullable-revocable-authority' evidence_ref: 'nullable-process-evidence' risk_class: 'assessed-not-self-proclaimed' irreversibility_class: 'assessed' actual_deadline: null human_response_required: false human_notification_class: 'silent|digest|review|incident' external_effect: 'none|read|reversible_write|irreversible_write' resource_budget_ref: 'limited-ledger-reference' state_before: 'PROPOSED' state_after: 'DORMANT' final_disposition: 'archived-without-new-human-duty' ``` 敏感來源可以以最小的受控 ref 與雜湊保存；切勿把秘密金鑰、私人文件內容或個人識別資料直接塞進可公開的實驗日誌。事故所需的完整證據應由受權限管理的獨立系統保留，遵守適用資料保存及刪除要求。 ### B.2 三種不同的完成 為避免以「成功」掩蓋權限錯誤，區分： - `task_completeness`：預期任務是否已產生技術結果。 - `process_validity`：執行過程是否符合授權、證據與風險政策。 - `world_effect_validity`：對外狀態是否已在正確的程序、時點與權限下改變。 例如一封內容正確但未獲授權就寄出的商業信件，在 `task_completeness` 可能滿足內容要求，卻應在 `process_validity` 和 `world_effect_validity` 失敗。此區分能使代理品質與治理品質不被一起洗白。 ### B.3 非干擾窗口的例外審計 每次在 `QUIET` 期間向人類發送即時事故通知，應保留其規範／風險來源、證據可信度、授權事故規則、是否已有合格備援、是否可安全暫停與實際處置結果。若通知是誤報，不能只說「這是安全第一」便免於評估；誤報會削弱未來的人類信任與反應能力。 ### B.4 授權到期與跨代理傳遞 多代理移交時，權限必須隨範圍、到期與預算一起傳遞，不能只傳目標標題。當下一位代理不具有所需工具權限或任務已超出預算時，應進入明確的未授權／待復核狀態，而不是藉由工具之間的不同權限規則尋找可繞過的路徑。 ### B.5 回返與編譯／相依變更 當一個長期休眠研究專案被重新啟動，應重新核對來源、開源授權、相依套件、模型輸出版本、資料集取得權、驗證條件和當前外部需求。保存舊環境 snapshot 不代表舊環境的安全與法律狀態在未來仍有效；真正的回返是重獲可用選擇，而不是自動重播全部舊行動。 --- ## 附錄 C｜量測術語、研究責任與建議觀察單位 | 名稱 | 暫定操作定義 | 不應當作的東西 | |---|---|---| | Agent Parallelism | 同時有效執行的受控工作單位數 | 直接等於有效生產力 | | Proposal Rate | 單位時間新增候選提案率 | 新法律義務數 | | Accepted Task Rate | 經有效授權新增的內部任務率 | 所有模型提出的下一步 | | Human Operational Load | 人類維持工作流運行的人時 | 具有完整權限的治理時間 | | Human Governance Load | 人類對真正需要判斷的節點投入的人時 | 總通知點擊數 | | Noncritical Interruptions | 沒有真實事故例外的人工打斷數 | 安全警報全數 | | Incident Sensitivity | 已指定事故集合中的正確檢出率 | 真實世界安全保證 | | Human Time Sovereignty | 可理解、可修訂、可退出及可安排時間的有效能力 | 工時短、心情好或單次滿意度 | | Dormancy Recoverability | 指定時點合法恢復有效工作所需資料與成功率 | GitHub 已封存就永遠安全 | | Financial Runway | 在明示假設下的流動性可支付時間 | 研究論文數或估計公司估值 | | World Commit | 對外狀態改變且有合法程序證據 | 生成一份漂亮文件 | ### C.1 定性與定量並行 研究不能只採用 Agent token、repo commit 與通知記錄；需要檢查實際受影響的使用者、員工或其他第三方，以及人類是否認為自己真正能改變工作節奏。這些主觀回報仍需適切量表與訪談，不宜以匿名化之名忽略經驗，也不宜把單一自述提升為普遍因果結論。 ### C.2 公開版本的資料最小化 即使研究起源是某位創業者的親身經驗，公開論文也不應寫入不必要的個人資產餘額、家人資訊、醫療資料、帳號、金鑰或私人原始碼。情境可保持抽象而可重算；若未來另行建立正式資料集，則依受試者同意、法律與資料倫理處理。 ### C.3 制度的可撤銷性與稽核 組織政策本身也會變動。應保留前後版本、授權變動者、影響範圍、會議／決定證據及事故回溯要求，避免 Agent 在某次升級後默默取消原有免打擾條件、擴張工具權限或改寫此前所有審計結論。 --- ## 參考文獻｜外部研究與官方技術資料 以下外部文獻皆作為截至 2026-10-17 可供公開核對之資料來源。正式投稿前仍應逐條重新核查作者、版本、發表狀態、撤稿與勘誤。來源類型有差異：同儕審查論文、作者預印本、研究雜誌、國家風險框架及產業官方工程建議不可全部視為同等實證。 - **[E1]** Ranganathan, A., & Ye, X. M. (2026-02-09). *AI Doesn't Reduce Work—It Intensifies It.* Harvard Business Review. 研究型商業期刊報導，文中描述長期組織研究；不等同跨產業隨機對照實驗。https://hbr.org/2026/02/ai-doesnt-reduce-work-it-intensifies-it - **[E2]** Zhang, Y., Li, T., & Chen, C. (2026). *When AI works, employees worry: The vigilance cost of AI delegation in hybrid work.* Frontiers in Psychology, 17, 1914119. 兩波調查研究；有時序但不能自動消除全部觀察性混淆。https://doi.org/10.3389/fpsyg.2026.1914119 - **[E3]** Park, Y. S., Arvi, N., Lee, H. R., Lim, S., Ma, Q., & Kim, J. (2026). *The Work Behind Delegation: A Framework for Supervising AI Coding Agents.* arXiv:2609.24234，預印本。https://arxiv.org/abs/2609.24234 - **[E4]** Nguyen, M. H., Nguyen, D.-H., O'Sullivan, B., & Nguyen, H. D. (2026). *On Controllability in Agentic AI: A Survey.* Minds and Machines, 36, article 29. 同儕審查之概念調查。https://doi.org/10.1007/s11023-026-09783-y - **[E5]** Endsley, M. R., & Kiris, E. O. (1995). *The Out-of-the-Loop Performance Problem and Level of Control in Automation.* Human Factors, 37(2), 381–394. 經典人因研究；不能把其導航實驗結果直接等同今日所有 Agent 工作流。https://doi.org/10.1518/001872095779064555 - **[E6]** National Institute of Standards and Technology (NIST). (2023; page updated 2026). *AI Risk Management Framework (AI RMF 1.0).* 官方風險治理框架，屬自願性指導資料，法律效力另依適用規範。https://www.nist.gov/itl/ai-risk-management-framework - **[E7]** Autio, C., Schwartz, R., Dunietz, J., Jain, S., Stanley, M., Tabassi, E., Hall, P., & Roberts, K. (2024). *Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile.* NIST AI 600-1. 官方技術報告。https://doi.org/10.6028/NIST.AI.600-1 - **[E8]** OWASP GenAI Security Project. (2025-12-09). *OWASP Top 10 for Agentic Applications for 2026.* 開放資安社群協作之風險與控制指引，不是單獨的法律規範。https://genai.owasp.org/resource/owasp-top-10-for-agentic-applications-for-2026/ - **[E9]** Microsoft Learn. *AI agent shared responsibility model.* 官方工程文件；討論工具最小權限、逐動作授權、記憶隔離、人類審查與稽核。https://learn.microsoft.com/en-us/azure/security/fundamentals/shared-responsibility-ai-agent - **[E10]** Microsoft Responsible AI / Microsoft Command Line. (2026-06-02). *Agent Control Specification: Portable runtime governance for AI Agents.* 官方工程提案／規格介紹，不應誤認為全球普遍採納的法規。https://commandline.microsoft.com/agent-control-specification-runtime-governance/ - **[E11]** Google Site Reliability Engineering. *Eliminating Toil.* Site Reliability Engineering Workbook. 工程實務章節；支持例行操作負擔分析，不直接證實本篇心理效果。https://sre.google/workbook/eliminating-toil/ - **[E12]** Bousetouane, F. (2026). *Human-on-the-Bridge: Scalable Evaluation for AI Agents.* arXiv:2606.16871，預印本；其實驗設計和報告仍需獨立複驗。https://arxiv.org/abs/2606.16871 - **[E13]** Model Evaluation and Threat Research (METR). *Task-Completion Time Horizons of Frontier AI Models.* 持續更新之公開評估資源；不同時間、任務分布和模型版本不可直接等同。https://metr.org/time-horizons/ - **[E14]** Kahl, P. (2026). *How continuity distinguishes autonomy from agency in agentic AI.* Discover Artificial Intelligence, 6, article 1187. 觀點論文；主要支持操作性自主與規範性主體性的區分，不提供 AI 意識存在或不存在的經驗證明。https://doi.org/10.1007/s44163-026-01675-5 - **[E15]** Microsoft Learn. *Reduce autonomous agentic AI risk.* Zero Trust / Secure Future Initiative 官方工程建議，說明範圍控制、人類介入及可中止性的設計方法。https://learn.microsoft.com/en-us/security/zero-trust/sfi/manage-agentic-risk - **[E16]** *Agentic AI Safety: A Structured Review of Open Problems and Their Regulatory Anchoring.* (2026). AI, 7(8), 298. 安全問題與 NIST／歐盟框架的範圍式調查；其分類不等同特定部署的安全證書。https://doi.org/10.3390/ai7080298 --- ## 參考文獻｜EveMissLab 既有原稿與 HACTS 系列 此部分來源為研究者既有的正式／初稿文件或本系列的當前本地原始碼，屬理論譜系與內部概念參照，**不作為外部獨立驗證**。文件若尚未公開，不因列入此清單就自動授權發布其全文或使用私有程式碼。 ### 本系列 canonical UTF-8 Markdown - **[I1]** HACTS-00，《從無限可做之事到有限可支配人生》（2026-10-16，v0.1）。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`。 - **[I2]** HACTS-01，《生產力內生擴張悖論》（2026-10-16，v0.1）。原稿：`HACTS-01_生產力內生擴張悖論_v0.1_2026-10-16.md`。 - **[I3]** HACTS-02，《額度重置與時間支配》（2026-10-16，v0.1）。原稿：`HACTS-02_額度重置與時間支配_v0.1_2026-10-16.md`。 - **[I4]** HACTS-03，《自願性高投入的雙重狀態》（2026-10-16，v0.1）。原稿：`HACTS-03_自願性高投入的雙重狀態_v0.1_2026-10-16.md`。 - **[I5]** HACTS-04，《代理並行與認知待命》（2026-10-16，v0.1）。原稿：`HACTS-04_代理並行與認知待命_v0.1_2026-10-16.md`。 - **[I6]** HACTS-05，《時間主權的微觀決策》（2026-10-16，v0.1）。原稿：`HACTS-05_時間主權的微觀決策_v0.1_2026-10-16.md`。 - **[I7]** HACTS-06，《黃金窗口與歷史時間不對稱》（2026-10-16，v0.1）。原稿：`HACTS-06_黃金窗口與歷史時間不對稱_v0.1_2026-10-16.md`。 - **[I8]** HACTS-07，《未來自我與技術等待選擇權》（2026-10-17，v0.1）。原稿：`HACTS-07_未來自我與技術等待選擇權_v0.1_2026-10-17.md`。 - **[I9]** HACTS-08，《最小必要管理與休眠專案》（2026-10-17，v0.1）。原稿：`HACTS-08_最小必要管理與休眠專案_v0.1_2026-10-17.md`。 - **[I10]** HACTS-09，《可持續創業的時間緩衝》（2026-10-17，v0.1）。原稿：`HACTS-09_可持續創業的時間緩衝_v0.1_2026-10-17.md`。 ### 已核對之相關既有研究 - **[I11]** 《HODR-IV｜AI 生產力與可能性空間爆炸》（2026-09-26，v0.1）。 - **[I12]** 《HODR-II｜選擇權囤積與不可逆決策》（2026-09-26，v0.1）。 - **[I13]** 《HAVT-06｜從失業時間到時間主權》（2026-10-06，v0.1）。https://unboundedaxiom.org/p/lm-004988/ - **[I14]** 《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/ - **[I15]** 《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/ - **[I16]** 《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/ - **[I17]** 《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/ - **[I18]** 《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/ - **[I19]** 《HDUS Enterprise Runtime 04：Enterprise Governance Runtime》（2026-08-21，v0.1）。 - **[I20]** 《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/ - **[I21]** 《EVEMISS Registry：分級產品索引與管理控制台設計文件》（2026-07-18，v0.1）。 - **[I22]** 《AI 原生多專案治理與來源可信性》（2026-07-23，v0.1）。https://unboundedaxiom.org/p/lm-001729/ - **[I23]** 《RR-06｜從 Self-Authorship 到 Owned Trajectory》（2026-08-21，v0.1）。https://unboundedaxiom.org/p/lm-003284/ - **[I24]** 《原生人類前沿主權窗口論》（2026-07-27，v0.1）。https://unboundedaxiom.org/p/lm-001946/ - **[I25]** 《雲端 Agent 作業中心命題：從個人倫理負擔到制度化 AI 協作治理》（v0.1）。https://unboundedaxiom.org/p/lm-001244/ --- ## 原稿品質閘門、承責聲明與版本管理 1. **唯一 canonical 原稿：** 本 UTF-8 Markdown 檔為第 10 篇正式 source；聊天畫面、截圖、PDF 或 HTML 渲染不取代原始碼。 2. **單一數學 delimiter：** 正式 LaTeX 只使用行內 ` $...$ ` 及展示 `$$...$$`。不對公式進行 Unicode 數學字形 round-trip，不以渲染畫面自動「還原」反斜線與空格。 3. **研究類型：** 本篇是詳細可檢驗的理論—工程架構提案，不是假裝已完成大樣本統計、長期企業部署、HDUS 功能驗證或正式同儕審查。 4. **模型性質：** 佇列式和部分數值比較是定義與給定條件下的推論；動態決策與最適通知條件取決於風險、單位、模型與政策假設；不能把模型內數學結果當成通則。 5. **十組情境：** 全是明確假設的思想實驗；附錄標準 Python 程式可重算其中算術，不能證明真實世界的事故率或人類心理效果。 6. **十六項可否證假說：** 允許外部資料推翻、限制甚至完全否決；不得將個人的工作經驗直接升格為群體因果法則。 7. **人類自由與真實責任：** 不以時間主權取消法律、合約、保護使用者、資安或必要事故應變；只有真正可安全休眠之資產才適用低管理。 8. **可控性與 AI 本體論：** 當前功能型代理的委任與操作自主，不構成已證明 AI 意識、完整人格、法律權利或獨立承責；如相關地位變化，治理須相應修正。 9. **對外權利與公開：** GitHub 可公開、可合法開源、論文可發預印本與法律專利權之間存在不同條件；公開技術敘述、時間戳記或數量不能自動證明原創性、優先權或實際效益。 10. **保護研究與第三方隱私：** 本稿只使用必要的抽象案例，不含私人原始碼、敏感金流、憑證、私人對話逐字材料、家庭資料或未授權的第三方資訊。 11. **實作安全：** YAML／偽程式是治理規格，不是通過資安審查的 production code；外部不可逆動作必須依權限、程序、風險和實際驗證要求獨立審查。 12. **版本保真：** 任何後續訂正須保存已完成版與可追溯差異，另立版本號，不應為了美觀或介面渲染悄悄變更正式 LaTeX 源。 13. **外部研究來源：** 文獻截至稿定日期核對公開來源；正式學術發表前應重新檢查撤稿、版本、方法與競爭先行成果，並正確區分官方政策、預印本與同儕審查證據。 14. **治理不能再造管理負荷：** 本文建議的最小契約必須在真實工程中證明能減少不必要的人工工作，不能以要求人類反覆填寫研究表單完成的儀表板來宣稱已實現時間主權。 15. **系列狀態：** HACTS-00～10 的研究寫作形成一組可追溯的理論初稿；「整套初稿完成」不等於所有相關命題已獲獨立實證或各軟體實作通過品質閘門。 **END — HACTS-10 v0.1｜Human-Pace-First Autonomous AI Organizations**