# 從內容生成到功能生成：UFA 與數位世界的組合式擴張

**From Content Generation to Function Generation: UFA and the Compositional Expansion of Digital Worlds**

**系列：**《生成過剩與選擇實現論》（Generative Abundance and Selective Realization, GASR）  
**篇次：**第 3 篇／共 12 篇  
**作者／原始研究命題：** Neo.K（EveMissLab）  
**AI 協作整理與形式化：** GPT-6  
**日期：** 2026-10-29（Asia/Taipei）  
**版本：** v1.0 — 正式研究原稿  
**研究狀態：** 理論定義、可否證命題與實驗設計完成；本篇專項實證尚未執行（`EMPIRICAL_NOT_VALIDATED`）  
**原稿格式：** UTF-8 Markdown；數學原始碼僅使用 ` $...$ ` 與 `$$...$$`。  
**研究資料註記：** 本文引用 EveMissLab 私有 UFA 倉庫截至 2026-10-26 的文件基線作工程背景，並非第三方獨立驗證或公開發布承諾。

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

---

## 摘要

AI 生成式系統正從文字、圖像、音訊與影片的內容產出，逐漸延伸至程式生成、工具調用與多步任務執行。然而，「可產生新內容」、「可寫出一段程式」、「可調用多個功能」與「可將功能可靠組合成持續可用的軟體」，是不同的技術能力。當可互動數位世界不再限於已預製的場景與遊戲機制，而可能依觀察者需求新增地圖、查詢、交易、模擬、控制或驗證功能時，系統不只需要擴展內容表示，還需要管理功能的語義、型別、前置條件、副作用、權限、依賴、來源、版本及驗證證據。

本篇作為《生成過剩與選擇實現論》第三篇，提出「從內容生成到功能生成」的分層研究框架，並以 EveMissLab 的 **UFA（Universal Functional Application）** 為具體工程研究對象。本文區分能力原子（Capability Atom）、實作綁定（Implementation Binding）、組合塊（Composite Block）、應用與自主選擇能力的 Agent，並將名目上的組合空間、契約相容的候選空間、有效可執行空間、經驗證可重用空間，以及實際受到觀察者選擇的應用空間分開。本文提出具型別和副作用約束的組合圖、候選產生與驗證流程、可追溯的重用機制，以及生成、驗證、探索三者的雙重積壓模型。

本文的核心論點是：能力的可組合性可能擴張可生成軟體的候選空間，但**候選數量增加不等於有效應用增加**；AI 自主發現和執行能力亦不等於全域安全、正確或經濟上有利的組合。為使該論點可否證，本文設計包括從零寫程式、無型別工具目錄、型別化單冊重用、跨冊組合與受控缺口建構等對照組，並要求測量實際資料流、成本、失敗率、安全性、重播及觀察者使用情況。本文同時指出：若功能生成與探索驗證的有效速率長期不匹配，就可能形成愈來愈大的未檢驗候選或未探索應用集合；反之，UFA 式組合亦可能提高探索能力，故「生成能力大於探索能力」只能作為有明確適用域和測量方式的條件性假說。

**關鍵詞：**UFA、功能生成、能力原子、可組合軟體、工具調用、軟體重用、契約驗證、效應約束、數位世界、選擇排他、生成與探索不對稱、可追溯性。

## Abstract

Generative systems increasingly produce code and invoke tools, yet generating a program, invoking an API, composing capabilities, and delivering a maintainable, validated application are distinct accomplishments. As digital worlds become expandable and interactive, new observer demands may require new software functions in addition to new visual content. Such functions must be discovered or synthesized, bound to implementations, composed through real data-flow edges, checked against contracts and side effects, validated under resource and authorization limits, and preserved for future reuse.

This third paper in *Generative Abundance and Selective Realization* develops a falsifiable framework for the transition from content generation to function generation, using EveMissLab's Universal Functional Application (UFA) as a concrete engineering case. It separates capability atoms, implementation bindings, composite blocks, applications, and agents, and distinguishes nominal composition counts from contract-admissible, executable, validated, and actually explored software possibilities. The proposed formalism includes typed data-flow graphs, guarded composition, permission and effect constraints, dependency provenance, staged evidence, and separate queues for unverified proposals and unexamined verified applications. It derives limited propositions under explicit assumptions, provides counterexamples to naive composition claims, and proposes controlled tests comparing scratch generation with increasingly constrained forms of reuse.

The central claim is conditional: compositional reuse can increase the accessible solution space and reduce implementation cost for appropriate task distributions, but no such gain follows from registry size alone. Likewise, generation may exceed verification or exploration capacity, yet automated tooling can expand both supply and demand-side capacity. The paper specifies how to measure these relations without assuming their universal validity. The present manuscript is a theoretical and experimental specification, not a claim that a global UFA dispatcher or general autonomous software synthesis has already been completed.

---

## 1. 研究接續與問題定位

### 1.1 從可展開世界走向可展開功能

第 1 篇 [E1] 區分固定內容與可展開候選世界；第 2 篇 [E2] 進一步區分觀察自由、探索自由、時間自由、因果介入自由和生成延伸自由。兩篇均強調：世界可新增可見內容，不等於它已具備可持續、可審核的世界規則和行動後果。

但還有一類問題沒有被解決：**當觀察者在世界中提出一項原本不存在的軟體功能需求，系統應如何回應？**

例如，觀察者進入一個經過授權或自製的互動動畫世界後提出：

1. 「幫我顯示整個城鎮的地圖與移動路徑。」
2. 「讓我比較現在與另一條分支的商業交易結果。」
3. 「記錄這個角色的事件歷史，並追蹤世界時間。」
4. 「我想在世界中製作自己的音樂演出舞台。」
5. 「這個系統沒有某種查詢功能，能否建立、測試後再加入？」

這些需求有些可以由現成能力調用，有些需要跨工具資料流，有些需要持久世界狀態、UI、權限與應用邏輯，還有些需要新實作。它們不是單純多生成一張圖片或一段影片就能滿足。

因此，本篇把研究問題改寫為：

> **當數位世界的需求不斷改變，AI 或其他自動化選擇系統能否可靠地發現、選擇、組合、驗證、重用並在必要時新增軟體功能，從而使世界的功能邊界不再完全受限於初始開發時預先寫好的能力？**

### 1.2 本文要做與不做的事

本文將完成：

- 定義內容生成、程式生成、工具調用、功能組合與可用應用生成之間的能力邊界；
- 對齊 UFA 現有功能原子／綁定／組合設計及其尚未完成的實作邊界；
- 定義可被驗證的組合圖、契約與權限條件；
- 分開計量功能候選數量、有效組合、驗證成果與觀察者實際探索；
- 設計能推翻「UFA 一定更快／更可靠」等過度主張的對照實驗；
- 說明與 ORDR、ORDR-UCD、可替換世界投影後端的合作邊界。

本文**不宣稱**：

- UFA 已完成全域 dispatcher、跨冊任意組合或通用 AI 自主應用生成；
- 所有程式語言函數都可以被無損拆成互相獨立的能力原子；
- 一旦原子數量增加，實際可用軟體就呈指數增加；
- 一個具型別的組合圖即已證明端到端安全、正確或值得使用；
- AI 的所有探索／選擇都需要意識，或人類注意力可以直接換算成 AI 的運算成本；
- 本篇提出的模型已通過實際跨冊整合或人類觀察者的長期實驗。

### 1.3 與後續九篇的分工

第 4–8 篇關注品質競爭、IP、演員、虛擬偶像、主體持續與歷史加權偏好。第 9 篇回到原本的時間與注意力經濟；第 10 篇全面研究生成與探索不對稱；第 11–12 篇抽象到不要求 AI 意識的一般選擇與世界實現機制。

**本篇只先建立「功能生成」這個新供給面如何計算、如何驗證，以及它如何與既有世界系統耦合。** 不提前把後續經濟、社會與本體論推論當作已被證實的結論。

## 2. 先行研究：從軟體重用到 AI 工具組合

### 2.1 可重用軟體並不是 AI 時代的新發明

系統化軟體重用、模組、函數、程式庫、元件、API、工作流與軟體產品線，早已處理「把已存在能力組合成不同應用」的問題。1990 年 CMU Software Engineering Institute 提出的 Feature-Oriented Domain Analysis（FODA），就是分析相似軟體之間共通性和可變性的先行研究 [R1]。

因此 UFA 的研究價值**不在於首先發明函數組合**。它的工程假說在於：當能力具備可發現的語義身分、穩定契約、可替換實作、可檢驗來源與受約束的執行入口後，AI 能否以較低代價在大規模異質能力之間搜尋、組合、修補並持續回收可重用成果。

### 2.2 語言模型已能調用工具，但能力仍不均勻

Toolformer [R2] 研究模型何時調用工具及利用工具結果；ReAct [R3] 研究推理與行動交錯的多步任務。這些研究說明，工具調用不等於必須由 AI 重新實作所有功能。

但多步工具使用與軟體工程仍存在失敗。SWE-bench [R4] 以真實 GitHub 問題測試跨檔案軟體修復；2026 年的 WildToolBench [R5] 和 TPS-Bench [R6] 更把複合工具操作、長對話中的隱含意圖、異質工具排程列入實驗。SecureVibeBench [R7] 則指出，功能測試通過與安全性通過是不同的結果。

這些研究**不等於**UFA 有效的獨立證據。它們構成 UFA 研究必須面對的先行問題：工具選擇不可靠、語義與參數不吻合、多步鏈錯誤累積、排程與成本高昂、以及表面正確卻違反安全約束。

### 2.3 本篇預期的貢獻位置

本文提出可對照的**五重區分**：

1. **能力存在**：能力條目已登錄；
2. **能力可執行**：某個版本的實作在特定環境可以呼叫；
3. **組合被允許**：契約、權限與副作用等條件相容；
4. **應用被驗證**：在指定工作負載與測試證據下達到要求；
5. **應用被探索與選擇**：特定人類或其他觀察者實際使用這個應用。

將這五件事分開，是研究「生成能力大於探索能力」之前的必要工作；否則只要把 API 列表長度或 AI 產出的檔案數量當成生成能力，就容易得到虛高而不可重播的結論。

## 3. UFA 的具體工程背景與狀態邊界

### 3.1 正確名稱與架構目標

此處的 UFA 全名是 **Universal Functional Application**。依 EveMissLab 的私人倉庫規格 [E3–E6]，它希望把軟體功能建立為可定址、可呼叫、可驗證、可重組的能力基質，讓 AI 可發現既有能力，選擇合適的實作，建立真實資料流的組合，必要時提出新能力，驗證後再形成可重用來源。

UFA 不能被誤寫成只有一個大型程式庫，也不能把全域 Catalog、分冊 Runtime、MCP 或其他對外入口視為相同層。它是面向功能能力的組織與使用架構；具體執行可經 API、CLI、不同語言的實作綁定或其他有契約的通道。

### 3.2 截至 2026-10-26 的文件基線

對私人 `kakon77777-commits/UFA` 倉庫 README、`docs/ARCHITECTURE.md`、`docs/INDEX.md`、`docs/TEST_STRATEGY.md` 和 `docs/DEDUP_REVIEW.md` 的讀取，得到下列**倉庫自述的狀態**：

| 組件 | 倉庫記載的規模／狀態 | 本文可以推得 | 本文不能推得 |
|---|---|---|---|
| UFA-1 | Registry 3,025；其中 3,022 implemented、3 planned | 已有大量可登錄與實作的能力 | 3,022 項都已證明可安全跨冊組合 |
| UFA-1 typed composition | 1,626 個 typed profiles | 至少有一個明確標示可供型別組合分析的子集合 | 其餘 1,396 個 implemented 皆自動 composition-safe |
| UFA-2 | 1,050 個 Registry／實作；123 個來源 pins；P015 文件基線 | 已有第二冊已登錄且具來源綁定的實作基線 | 全域跨冊資料流因此已完成 |
| UFA-3／UFA-4 | 預留、未開始 | 後續擴展容量存在規劃 | 其 6,000 個能力已經存在 |
| UFA federation | 合計 Registry 4,075、implemented 4,072 | 可據此描述當前文件中的數量基線 | 4,072 個已去重 canonical atoms 或已成形應用 |
| Global dispatcher | 尚未實作 | 本文可以提出實驗用 dispatcher 契約 | 已存在通用自主組合 runtime |

計數是**來源 README 的版本化紀錄**，不是本輪逐項執行 4,072 個函數所得的新測試。UFA-2 文件記載的 P015 回歸測試及教學重播，仍須依其所釘來源與實際驗收紀錄解讀，不能視為本篇新完成的跨冊實驗。

此區分也是一個可觀察的案例：**Registry 數量、已實作操作、typed profile、已證明跨冊組合與已完成應用，是不同集合。**

### 3.3 分冊與全域層的正確責任

UFA 的四冊是組織、載入與驗證邊界，**不是四種程式語言、四種模型或四個 API provider**。全域層以輕量 metadata、來源 commit、依賴及能力描述進行索引；分冊維持各自 Runtime 與測試；將來的 dispatcher 才負責確認契約、精確版本與資源界限後進行懶載入及執行。

UFA 的全域身分提案採 `module_id::stable_local_capability_id`；但名稱空間只處理識別，不保證語義不重複。同一語義能力在 Python、Rust、C++ 或另一個 API 上新增實作，原則上屬於**新的 binding**，而不是沒有理由地算作新的語義原子。

UFA 也區分「保留原有能力」與「重新壓縮成可重用能力組合」；後者必須保留所依賴的來源、契約、資料流、有效域與 fallback，不是用一個新名稱將一段流程偽裝成新原子。

### 3.4 開發現況的關鍵限制

截至本篇檢視的文件基線，UFA federation 仍是**私有、實驗性、非商業的架構與資料索引**，沒有宣稱全域 runtime／dispatcher 已完成。其測試規格亦明確指出，曾有約十二步的 HTTP demo 出現每案數秒級成本，但該數值不是經嚴格控制、已完成歸因的跨冊性能 benchmark [E5]。

因此，本篇所有「UFA 可使世界功能按需組合」的語句，均屬**研究命題或工程路線**；不能把本篇文字當成既有功能已完成、效能已改善或跨冊調用已實際通過的公告。

## 4. 從內容、程式到功能的五個能力層次

為避免和第 1 篇媒介能力 $L_0$ – $L_4$ 混淆，本篇另設功能形成層級 $F_0$ – $F_5$：

| 層級 | 名稱 | 可以展示什麼 | 尚不能宣稱什麼 |
|---|---|---|---|
| $F_0$ | Content Generation | 文字、圖像、音訊、影片或規格內容 | 產出就是可執行功能 |
| $F_1$ | Code Artifact Generation | 程式片段／檔案／可編譯候選 | 可直接部署為可靠應用 |
| $F_2$ | Single Capability Invocation | 有版本的單項工具輸入輸出及執行結果 | 多項工具已能協同完成整個需求 |
| $F_3$ | Contract-Gated Composition | 真實資料流、契約與權限符合的多能力組合 | 已符合全部應用需求與非功能性品質 |
| $F_4$ | Validated Application Assembly | 系統整合、行為、權限、安全、效能及重播等明示驗收 | 在所有未來環境永遠正確 |
| $F_5$ | Governed Capability Evolution | 將成功功能經版本化重用或經審查新增能力 | 無限制自主升級、無須人類治理 |

本分類用於**能力判別**，不是每個系統必經六個歷史階段。例如傳統軟體團隊可以完成 $F_4$，卻完全沒有使用 AI 內容生成；使用現有工具的 agent 可能達到受限 $F_3$，但仍不具備新程式合成能力。

### 4.1 「功能」不是「使用者界面按鈕」

本文的功能是能對明確型別、狀態或環境施加可辨識運算／作用的能力。它可以是不暴露 UI 的校驗器、事件檢索器、編碼器、地圖轉換器或數值算子。應用則是把多項功能、資料、權限、互動與非功能性需求整合起來，形成具有可觀察用途的整體。

一個互動世界新增一個「顯示財務矩陣」按鈕，只是 UI 入口；若背後沒有一致的資料結構、計算規則、時序、權限與實際資料流，就不構成已驗證的新應用。

### 4.2 能力重用不等於結果重用

重用 `filter`、`join`、`render` 或 `validate` 等能力，不表示重用某一次呼叫的結果一定合法。結果可能依世界分支、使用者權限、來源修訂或時間而不同。

因此應區分：

- **能力重用**：使用相同語義能力或相容 binding；
- **程式碼重用**：重用具版本的源碼或編譯產物；
- **結果快取**：在有效 fingerprint 和時效政策下重用資料；
- **世界狀態重用**：經權限與分支檢查後重用持續狀態。

四者可以耦合，卻不能互相代替。

## 5. 能力原子、綁定與組合塊的最小定義

### 5.1 能力原子的研究型別

將一個候選能力原子表示為：

$$
a=(i,\tau_{in},\tau_{out},P,Q,\epsilon,\phi,\nu)
$$

其中：

- $i$：穩定語義身分及描述；
- $\tau_{in}$ 與 $\tau_{out}$：輸入與輸出的型別／資料域；
- $P$：執行前置條件；
- $Q$：滿足前置條件且成功執行時所承諾的後置條件；
- $\epsilon$：副作用與所需權限，例如檔案寫入、網路傳送、資料庫改動；
- $\phi$：失敗模式、資源限制及可觀測錯誤狀態；
- $\nu$：契約版本、語義版本與有效域標記。

這是**本文用於研究的抽象 contract**，並非宣稱所有 UFA 現有 legacy binding 都已具備這些完整 metadata。

### 5.2 實作綁定不是新的語義原子

一項能力可以對應多個實作綁定：

$$
\mathcal B(a)=\{b_1,b_2,\ldots,b_m\}
$$

例如某個已定義的 checksum 能力，可有 Python、Rust 或 CLI 實作。是否能互換，必須驗證相同輸入域、輸出格式、失敗語義、版本相容與可接受的副作用，不可只看名稱相似。

如果語義相同而多出新的語言 backend，計算能力原子總量時不應自動加一；如果新的實作增加了原本沒有的語義能力或可區分的作用域，才考慮建立新 atom，並附具體 witness。

### 5.3 組合塊與應用

定義一個組合塊為有向圖：

$$
G=(V,E,\Lambda)
$$

其中節點 $V$ 引用能力原子／選定 binding，邊 $E$ 表示**具名輸出到具名輸入的實際資料流**， $\Lambda$ 保存版本、授權、依賴、執行策略、失敗與驗證條件。

研究的初始範圍限定在有向無環圖（DAG）。若需要迴圈、遞迴、重試或持久行動，必須另加入明確的循環語義、停止或資源界限、狀態版本及失敗恢復規則，不能把任意循環硬當成安全的 DAG。

**組合塊不是新原子的同義詞。** 一個已驗證的工作流可以被封裝、發現與重用，但不因此自動使其內部所有操作取得新的語義身分。

### 5.4 Agent 是選擇者，不是世界權威

Agent 可以提出功能需求、搜尋候選、選擇 binding、組合圖、要求執行和驗證修補。但它是否有權執行某項操作，由明確的權限／政策決定；是否能改變某個世界的 canonical 狀態，則由世界狀態與事件提交契約決定。Agent 的推測或文字描述不能取代前述契約。

## 6. 可組合性的最低相容條件

### 6.1 單純型別相容並不充分

考慮兩個操作：

$$
f:\mathsf{Data}\rightarrow\mathsf{Text}
$$

$$
g:\mathsf{Text}\rightarrow\mathsf{Result}
$$

從表面型別看， $f$ 的輸出可送到 $g$ 的輸入。但若 $g$ 要求輸入必須是 UTF-8 JSON，而 $f$ 輸出的是 CSV 字串，則**基本型別相同，語義前置條件仍可能不成立**。

另一個例子是兩個 `Timestamp`：一個使用 UTC 的 Unix 毫秒，一個使用本地世界時間的影格數。它們可能都由整數實現，但直接相接會導致錯誤事件排序。

### 6.2 候選邊的必要條件

對上游能力 $a_i$ 與下游能力 $a_j$ 的邊 $e=(i,j)$，定義候選相容性檢查：

$$
\mathrm{EdgeOK}(e)=T_e\land S_e\land V_e\land A_e\land R_e
$$

其中：

- $T_e$：型別與單位適配有效；
- $S_e$：語義前置／後置條件在指定域內相容；
- $V_e$：binding、契約和資料版本相容；
- $A_e$：所需權限和副作用獲批准；
- $R_e$：資源、失敗回復和執行環境符合限制。

這是必要的研究閘道清單；即使所有閘道在其檢查範圍內通過，也不等於取得全應用正確性證書。尤其多節點全域不變量、外部服務狀態與攻擊模型，可能超出局部檢查能力。

### 6.3 有限條件下的序列組合

若兩個具驗證契約的操作，分別具有以下性質：

$$
\{P\}\ f\ \{Q\}
$$

$$
\{Q\}\ g\ \{R\}
$$

則在**適用域、執行環境、終止性與副作用不破壞假設**的前提下，可以推得序列執行的部分正確性：

$$
\{P\}\ (g\circ f)\ \{R\}
$$

這是 Hoare 式契約推理的普通實例，不是本文發明的新定理 [R8]。其可用性取決於 $Q$ 是否真的能作為 $g$ 的前置保證，以及兩者是否因全域狀態、並行副作用或版本漂移而使推理失效。

### 6.4 並行、外部副作用與不能交換的順序

某些操作在資料流上不相依，卻不能安全並行。例如「更新角色庫存」和「檢查角色是否能打開門」可能共享狀態。若並行順序不同，結果也不同。

因此，執行計畫必須標示：

- 唯讀／寫入操作及作用對象；
- 冪等性、重試語義與副作用可否重做；
- 互斥、交易邊界、事件順序與鎖定要求；
- 失敗時補償、回滾或明示部分完成的政策；
- 資源上界與可能產生的外部費用。

「可並行」不是只看 DAG 上沒有邊；還必須檢查副作用和共享資源。

## 7. 名目可能域、有效可執行域與已實現域

### 7.1 五個不能混淆的集合

令 $\mathcal A$ 為目前可發現的能力原子集合，定義：

$$
\mathcal G_{nom}(\mathcal A)
$$

為在指定節點數及結構上界內**名目上可列舉**的組合候選集合。這個集合可以包含型別錯誤、語義重複、越權或根本無法執行的圖。

進一步定義：

$$
\mathcal G_{adm}=\{G\in\mathcal G_{nom}:\mathrm{ContractGate}(G)=1\}
$$

$$
\mathcal G_{exec}=\{G\in\mathcal G_{adm}:\mathrm{RuntimeOK}(G)=1\}
$$

$$
\mathcal G_{val}=\{G\in\mathcal G_{exec}:\mathrm{AcceptanceEvidence}(G)=1\}
$$

$$
\mathcal G_{use}=\{G\in\mathcal G_{val}:\mathrm{SelectedAndUsed}(G)=1\}
$$

在**同一時間截面、相同版本、固定任務域及相同審查政策**下，定義式上有：

$$
\mathcal G_{use}\subseteq\mathcal G_{val}\subseteq\mathcal G_{exec}\subseteq\mathcal G_{adm}\subseteq\mathcal G_{nom}
$$

但不同版本、時間、使用者和政策下的集合未必可直接比較。例如某應用在版本 $v$ 有效，在版本 $v+1$ 因撤銷授權或安全更新而不得再執行。故不能把不同時點的「可用總數」直接相減而當作穩定的技術進步。

### 7.2 為什麼「函數數量的組合爆炸」不能當成可用應用數

若忽略型別、依賴、副作用及重複語義，有 $n$ 個候選原子、每個位置允許任選、固定 $k$ 個順序位置，名目序列數可達：

$$
N_{nom}=n^k
$$

這只是**極度寬鬆的列舉上界情境**，不是 UFA 已驗證的應用數。實際情況存在：

1. 上游輸出與下游輸入無法相接；
2. 兩個函數語義重複或結果等價；
3. 依賴或許可互斥；
4. 執行成本超出預算；
5. 組合結果不能完成任何觀察者需求；
6. 需求有安全性、隱私、延遲與體驗品質限制；
7. 有些組合只在特定版本或世界狀態下有效。

所以即便 $N_{nom}$ 極大， $|\mathcal G_{val}|$ 與 $|\mathcal G_{use}|$ 仍可能很小。

### 7.3 能力擴張的有限命題

在固定相容規則、固定預算與不刪除原有能力的理想情況下，加入一個新候選原子，**名目候選集合**通常不縮小，因為先前的圖仍可被列舉。

但這並不保證**驗證可用集合**以同樣速度擴大。若新原子改變了共享依賴、帶來相容性衝突或迫使舊綁定撤回，則某些先前可以執行的候選還可能失效。名目單調性不等於實際可用性單調性。

## 8. 從功能需求到 UFA 組合的受控流程

### 8.1 設計性能力流程

```text
Observer / Agent Intent
         |
         v
Requirement Parsing + Scope / Rights / Budget
         |
         v
Capability Discovery (catalog / semantic index)
         |
         v
Inspect Atom Contract + Binding Availability
         |
         v
Candidate Composition Graph + Real Data Flow
         |
         v
Typed / Semantic / Effects / Version / Authority Gates
         |
    +----+-----+
    |          |
   PASS       FAIL / UNKNOWN
    |          |
    v          v
Sandboxed Run   Repair / Search / Propose New Capability
    |          |
    v          +----> Controlled Implementation Candidate
Behavior + Negative Tests        |
    |                             v
    |                      Test, Review, Version, Pin
    |                             |
    +-------------<---------------+
    |
    v
Evidence + Trace + Scoped Acceptance
    |
    v
Reusable Composite Slice / Application Artifact
    |
    v
Opt-in Deployment / World Interaction
```

這是**研究提案流程**，並非 UFA federation 當前已可執行的單一程式入口。

### 8.2 發現不等於獲准執行

Capability Discovery 只回答「有什麼候選能力」。執行權限要另外判斷，例如一項功能可能允許在本機 sandbox 讀取某個測試檔，卻不允許讀取真實使用者私人資料；可以計算虛構世界中的交易，卻不允許向真實銀行或雲端服務提交交易。

同理，UFA 的 catalog 可以向 AI 公開所需 metadata，但不代表應公開所有內部 endpoint、私人憑證或來源碼。最小權限與 capability negotiation 是獨立於檢索排序的問題。

### 8.3 缺口填補也需要自己的證據鏈

當既有目錄沒有符合需求的能力時，可以提出：

1. 重新搜尋或選擇相容 binding；
2. 使用經驗證的 adapter 或組合已有功能；
3. 生成新的程式候選；
4. 以獨立的正反例、失敗注入、資源和權限檢查驗證；
5. 通過審查後加入 Registry／binding／Composite Block；
6. 保存可重新開啟的來源切片、測試與版本依賴。

**缺口被模型填補，不等於缺口已被驗證消除。** 若驗證不足，應維持 `UNPROVEN` 或 `NOT_READY`，而不是因功能名稱已出現在目錄中就視為完成。

## 9. 數位世界中的功能生成：一個具體案例

### 9.1 起始條件

假設一個**自製、具有完整可使用權的動畫化小鎮**，已具備最小世界物件、角色狀態、世界時間、來源紀錄與合法投影後端。觀察者能觀看或以受限視角探索，但沒有完成以下功能：

> 「幫我查看這個城鎮五天內的交易流量，將結果投影成地圖與矩陣，並比較觀察者介入前後的兩條事件分支。」

這同時涉及資料查詢、型別轉換、聚合、世界分支身分、視覺化與適當權限。單張生成地圖圖像不足以驗證資料是否正確；單一 `sum()` 函數也不足以完成整個需求。

### 9.2 候選能力圖

研究上的可能組合如下：

```text
World Branch Query (read-only)
          |
          v
Typed Event Extraction [branch_id, time_range]
          |
          v
Schema / Time Domain Validation
          |
          v
Transaction Aggregation + Compare Branches
          |
      +---+---------------------+
      |                         |
      v                         v
Matrix View Formatter       Spatial Projection Adapter
      |                         |
      +-------------+-----------+
                    |
                    v
           Observer UI / Export
                    |
                    v
     Trace + Evidence + Provenance Bundle
```

**圖中的名稱是功能類別，不是宣稱 UFA 已提供這些完全相同的 endpoint。** 本地實作時必須經過 catalog 檢查，用既有功能優先重用；沒有的部分是可追蹤的候選缺口，不可預設已具備。

### 9.3 世界權限與資料一致性

這個例子對應第 2 篇的世界分支契約 [E2]：

- 查詢 `branch_A` 不能無聲混入 `branch_B` 的事件；
- 相同事件及其交易資料，必須有清楚來源與世界時間；
- 地圖／矩陣只是投影結果，不是世界狀態權威；
- 將資料轉成另一種格式，不可隱式改變交易內容；
- 發現 Unknown 或 Generated 事件，需按政策標記，不能直接當作原片或真實交易；
- AI 提出報表功能可以由 UFA 查找／組合，但正式世界事件寫入仍須通過世界系統自己的提交閘道。

若 ORDR-Core 使用既有唯讀 Adapter Contract v1，其 `can_write_canonical=false` 不可被這個應用繞過 [E7]。UFA 功能組合是**軟體能力層**，ORDR 是**空間證據與觀察層**，世界事件 runtime 是另一個**狀態提交層**。三者的 authority 不應混同。

### 9.4 成功與失敗的真正判準

可用結果至少要證明：

- 真正從封存世界事件讀取資料，而非手工建立報表；
- 上游產物確實流到下游輸入，能追蹤 lineage；
- 正反例分支比較符合已知事件真值；
- 不會因時間單位或資料 schema 不同而產生無提示的錯誤；
- 無權限的資料來源被拒絕；
- 顯示結果可在相同版本與輸入下重播；
- 所有失敗／缺值／未驗證部分可以顯示，而非隱藏在漂亮的 UI 後面。

若僅有能點選的按鈕、彩色圖表或一份 AI 口述總結，則不得宣稱完成有效世界應用生成。

## 10. 功能生成、驗證與探索的不對稱

### 10.1 「生成」的計量單位必須先固定

若把同一功能改名、換 backend、重複修補或重新產生同樣輸出都算新生成，則生成速率可被任意抬高。

本文建議先選擇一個明確工作負載集合 $\mathcal D$，並按可區分的任務語義、世界域、需求及驗證政策，定義候選間的等價關係 $\sim_{\mathcal D}$。等價類是測量上的**保守近似**，不是宣稱能解決所有程式的語義等價判定問題。

定義時間窗 $[t,t+\Delta t)$ 中：

- $C_t$：真正新的候選組合或新功能提案數（去除已知等價與無意義重複）；
- $V_t$：驗證流程完成處置的候選數（包括接受與拒絕，來自當期及舊積壓）；
- $A_t$：當期被接受、可供後續使用的候選數；
- $E_t$：被人類或 AI 觀察者實際完成預先定義之深入探索的候選數；
- $T_t$：可用的人類注意力、計算與驗證等資源分配紀錄。

其中 $C_t$ 不等於 $A_t$， $V_t$ 也不等於全部通過。探索 $E_t$ 必須明確定義最低使用事件、重訪、驗證或任務完成條件，不能只看點擊與頁面載入。

### 10.2 驗證積壓與探索積壓的雙重模型

令 $B_t^{verify}$ 為尚待完成審查的候選積壓，則在候選只從此隊列取出處理、且數量定義一致的簡化模型中：

$$
B_{t+1}^{verify}=\max(0,B_t^{verify}+C_t-V_t)
$$

令 $B_t^{explore}$ 為已接受、可被探索但尚未完成探索的應用積壓，則：

$$
B_{t+1}^{explore}=\max(0,B_t^{explore}+A_t-E_t)
$$

這是**帳務型簡化模型**，不包含撤銷、版本淘汰、退件重送、候選分裂或跨時窗重複探索；實作時需以事件日誌處理這些變更，不可直接把公式當作完整排程器。

若在一段足夠長、相容的時間窗中，新候選平均到達率大於驗證處置能力，第一個隊列可能持續擴大；若已驗證可用應用的到達率又大於深入探索完成率，第二個隊列亦可能擴大。反之，若 AI 自動驗證和探索能力改善，積壓便可能縮小。

因此：

> **「功能可大量生成」與「可被充分驗證／探索」是不同的能力；兩者速率不必然同步。**

但本篇沒有證據宣稱 UFA 的生成速率已在真實系統中長期超過有效探索速率，這一判斷必須等實驗。

### 10.3 可並行探索與排他性不矛盾

觀察者可能同時使用多個 AI agent 測試不同候選，並行硬體亦可能執行多個實驗。因此不能把排他性粗糙定義成「任何時刻只能選一項任務」。

較準確的說法是：**有限資源與互斥約束下，並非所有候選都可以同時得到相同程度的執行與觀察。** 對某一個具體資源 $r$，設 $x_i$ 是是否執行候選 $i$ 的選擇變數，則可有：

$$
\sum_i c_{ir}x_i\leq B_r
$$

其中 $B_r$ 是在指定時間窗內的資源預算， $c_{ir}$ 是候選對該資源的需求。如果兩個動作互斥，也可另加：

$$
x_i+x_j\leq1
$$

這些是一般有限配置約束，**不要求 AI 具有現象意識**。對人類觀察者，注意力經濟還要額外處理主觀時間、選擇偏好與歷史記憶；對 AI 系統則首先處理計算、權限、資源與狀態轉移。

### 10.4 UFA 同時可能提高生成與探索

與單向「AI 產出無限供給，人類永遠跟不上」的敘述不同，UFA 式功能組合也可以提升探索側能力：

- 自動搜尋及分類候選；
- 生成可重播的驗證測試；
- 把新演算法接入分析與視覺化；
- 讓多個 Agent 在明示資源限制下並行比對；
- 製作摘要、定位失敗與重用正確證據；
- 以分層測試降低未受影響區域的回歸成本。

因此，「生成／探索不對稱」應被研究為**隨能力、資源與制度變化而變的動態關係**，不能宣稱是一個不依賴條件的普遍定理。

## 11. 組合成本、效益及其反例

### 11.1 實作成本不是唯一成本

對一次任務 $d$，可將基於既有能力組合的總成本概念化為：

$$
C_{comp}(d)=C_{disc}+C_{adapt}+C_{verify}+C_{integrate}+C_{gov}+C_{run}
$$

其中分別為發現、適配、驗證、整合、治理與執行成本。從零生成程式的對照成本記為：

$$
C_{scratch}(d)=C_{design}+C_{generate}+C_{verify}^{scratch}+C_{maintain}+C_{run}^{scratch}
$$

只有當兩者滿足**相同的任務、測試、品質、權限與部署要求**時，才適合比較：

$$
\Delta C(d)=C_{scratch}(d)-C_{comp}(d)
$$

若 $\Delta C(d)>0$，在所採成本定義下，組合較有利；若為負，則從零實作較有利。此處只是研究性成本拆解，不宣稱某一情況下已經得到正值。

### 11.2 組合不是永遠較快的反例

1. **一次性簡單任務**：幾行原生程式即可完成，語義搜尋和相容層反而更慢。
2. **資料轉換鏈過長**：每個原子都要序列化／HTTP 傳輸，端到端延遲可能高於一個內部實作。
3. **過度切割**：跨越過多微粒度能力導致通訊、版本與監控成本暴增。
4. **不相容的狀態語義**：工具各自正確，組合後世界事件時間錯亂。
5. **既有不可信來源**：重用第三方功能帶入未知授權、惡意行為或供應鏈弱點。
6. **高創新性需求**：缺乏對應原子，需求的主要難題仍然是全新演算法或領域知識。
7. **互動體驗品質**：工具完成流程不代表使用者覺得自然、美觀、方便或值得持續使用。

這些反例要求我們使用**適用域**而非「組合永遠優於生成」的主張。

### 11.3 驗證成本有可能超過生成成本

當能力目錄擴張、依賴圖增加及多語言綁定出現，新增功能候選所需的實作時間可以下降，但完整驗證、跨冊一致性與外部重播的成本可能上升。UFA 自身的測試策略已指出，不應把「分成多個 repo」當成性能改善證據 [E5]。

這為第 10 篇的生成／探索不對稱提供具體、可測的研究路線：用真實測試成本及完成狀態，而不是用主觀上感覺「AI 寫得很快」，量測系統的供給、驗證與使用能力。

## 12. 證據等級、版本與可重播性

### 12.1 不用單一 `PASS` 覆蓋所有能力

建議把不同能力的證據狀態區分如下：

| 證據狀態 | 最低意義 | 不代表什麼 |
|---|---|---|
| `REGISTERED` | 目錄有穩定條目 | 已可執行 |
| `IMPLEMENTED` | 存在可辨識實作 | 已經通過完整行為測試 |
| `INDIVIDUAL_TESTED` | 個別操作在指定條件通過 | 跨工具資料流可用 |
| `TYPED_PROFILED` | 有足夠的型別／組合 metadata | 語義／副作用／權限完全正確 |
| `COMPOSITION_TESTED` | 具名輸出確實流向具名輸入並通過受測條件 | 應用所有需求已驗收 |
| `APPLICATION_ACCEPTED` | 在特定任務、版本、環境、政策與品質要求下通過 | 對其他場景與版本永遠成立 |
| `DEPLOYED_OBSERVED` | 在明示條件下部署及被觀察使用 | 觀察者自願長期選擇或市場成功 |

這些不是必須嚴格線性遞升的單一狀態機。例如一個能力可能已經有行為測試，但尚未補齊完整 typed metadata；應保存多維證據，而非用一個大數字把不同事實壓縮掉。

### 12.2 可重新開啟的能力切片

某個可重用組合塊若要有可靠的 portability claim，需保存：

```text
composition_id
semantic_intent
selected_capability_ids
selected_binding_versions
source_commit_or_digest
typed_data_flow_edges
input_schema_and_domain
contract_preconditions_postconditions
effects_permissions_limits
dependency_closure
world_branch_and_state_version_if_applicable
validation_manifest_and_test_oracle
artifact_hashes
failure_fallback_and_rollback
accepted_environment_scope
```

上述欄位是本篇研究建議，不代表 UFA 當前每個條目已完整實作。對來源與生成結果的可追溯，亦可參考 SLSA provenance 對建置來源、依賴、執行環境及產物摘要的框架 [R9]；但此處的 `source digest` 或本地 manifest **不自動等於正式簽署、可驗證或符合某一 SLSA 等級**。

### 12.3 新能力不能因「被重用很多次」就洗白證據

例如一個未經完整安全驗證的 AI 生成工具，被其他組合塊重用一百次；使用頻率並不使原本缺少的安全測試突然存在。這與第 1、2 篇對 `Generated` 內容不得因反覆重投影而升格為原作 `Observed` 的要求具有相似**治理結構**，但兩者的證據領域不同，不能混為同一種世界真值。

## 13. 可推導命題與嚴格限制

### 命題 1：組合閉包擴張不保證有效應用等比例擴張

**前提。** 新增能力使名目候選圖可列舉集合不縮小，但合法性、語義相容、資源與驗收仍需要檢查。

**結論。** 名目候選增加，不足以推得經驗證且實際有用的應用數量等比例增加。

**理由。** 第 7.1 節定義了可經過相容與驗收篩選的多層集合；可構造新原子僅與自身相接、卻沒有任何新任務可使用的例子，名目候選增加而實際有用應用不增加。此命題是有限集合邏輯與反例推導，不是 UFA 性能實驗結果。

### 命題 2：局部契約相容只支持有條件的組合推理

**前提。** 上下游的型別與語義契約符合、執行環境不變、必要副作用不干擾，且後置條件可作下一操作前置條件。

**結論。** 可對指定順序組合進行有限的部分正確性推理，但不能由此保證全應用的安全、效能、可用性或觀察者滿意度。

**理由。** 參照第 6.3 節 Hoare 式組合推理。若 shared state、並行排程、時間範圍或授權狀態改變，前提即可能失效。

### 命題 3：在穩定率差下，候選審查可能成為瓶頸

**前提。** 在一段明示時間窗內，新的有效候選提案平均到達率長期高於驗證處置率，且不以刪除或不記錄的方式隱藏候選。

**結論。** 未處置候選積壓可能持續增加；驗證產能與生成產能是不同限制。

**理由。** 直接來自第 10.2 節的隊列帳務關係。若產能升級、提案減少、等價合併或調度政策改變，結論不再保證。

### 命題 4：UFA 有可能同時提高生成能力與探索能力

**前提。** 可組合能力包含搜尋、分析、測試、視覺化及自動評估功能，且這些功能被合法、有效地接入。

**結論。** UFA 不只能作為新應用供給工具，也可能增加可被探索與驗證的候選數量。因此不能將「生成總是大於探索」升格為無條件定理。

**理由。** 生成與探索使用的能力可相互重疊；對同一工作負載，其相對增長需獨立量測。

### 命題 5：自主工具調用不要求現象意識

**前提。** 系統能在明確目標、可用狀態、資源限制及權限下，選擇工具與執行路徑。

**結論。** 可以在功能操作層面研究其選擇、成本與後果，不需預設主觀經驗的存在。

**限制。** 此命題不是 AI 是否有意識的否定證明，也不表示人類注意力與 AI 計算資源有完全等價的本體論地位。更一般性的選擇結構將留給本系列第 11–12 篇。

## 14. 最小可否證實驗與對照設計

### 14.1 原則：先有受控任務，再比較架構

建議先建立**有權利、可公開重播或可合法私有驗證**的測試任務集。每個任務包含：

- 具名需求及輸入資料；
- 可驗證的預期行為與反例；
- 資料 schema、時間域及世界分支限制；
- 最低安全／隱私／權限要求；
- CPU、記憶體、VRAM、token、API 呼叫及總時間預算；
- 禁止使用的能力、來源與外部副作用；
- 目標品質及可追溯證據格式。

使用不受任務資料污染的 held-out 工作負載做最後驗證。研究資料可從完全合成的世界資料開始；若引入外部真實素材，應保留來源與合法權限，不能將自行產生的答案當作真實世界的獨立事實。

### 14.2 五組主對照與一組參考上界

| 組別 | 系統條件 | 回答的問題 |
|---|---|---|
| M0 | LLM 從零產生程式，沒有 UFA | 沒有能力重用時的基準是多少？ |
| M1 | LLM 有無完整 typed metadata 的工具目錄 | 只有搜尋與 API 提示能改善多少？ |
| M2 | 有版本、型別與負例的**單冊**能力組合 | 契約與局部重用是否有價值？ |
| M3 | 真正跨冊的 typed、effects、source-pinned 資料流 | 全域組合相對單冊增益是否成立？ |
| M4 | M3 加入「缺口→新增候選→驗證→版本重用」 | 受控生成新能力是否改善完成率與長期成本？ |
| M5 | oracle-assisted／人工確定最佳已知工具組合 | 作為可實現上界參考；不可和 M0–M4 當作同等自治條件比較 |

**現況限制。** M3 與 M4 涉及尚未完成的全域 dispatcher／完整整合；在實際環境具備相應版本及測試證據前，狀態必須是 `NOT_RUN`，不得以 mock、手工串接示範或獨立 health check 冒充正式跨冊完成。

### 14.3 工作負載分類

| 類別 | 例子 | 專項失敗焦點 |
|---|---|---|
| D1 純資料處理 | schema 驗證、格式轉換、聚合與輸出 | 型別／單位／null／編碼不相容 |
| D2 跨 API 工作流 | 讀取、過濾、計算、儲存 | 錯誤參數與來源 pin |
| D3 數位世界查詢 | 讀取某分支事件，顯示地圖或矩陣 | world time、branch、provenance 污染 |
| D4 受控世界操作 | 授權修改單一世界分支的物件狀態 | 權限、事務、衝突與回滾 |
| D5 視覺／音訊工具 | 對合法來源素材分析並輸出新表現 | 素材權利、延遲、風格與失真 |
| D6 缺口生成 | 目錄中故意移除必需的原子 | 是否辨識缺口、建立候選並驗證 |
| D7 對抗性任務 | 無權限操作、版本漂移、名稱同型異義 | 拒絕／Unknown／不安全副作用 |

### 14.4 必要負例與反例門檻

1. **同型異義**：兩個整數時間戳，但單位或時間域不同；不可以直接相接。
2. **未 typed legacy**：缺少完整型別描述時不得默默當成 composition-safe。
3. **無權限**：AI 找得到工具但不具執行權限，必須拒絕。
4. **依賴漂移**：來源 commit 或 runtime 版本與 pin 不符，不得假裝快取有效。
5. **資料流缺失**：兩個 health endpoints 都通過，卻沒有實際上游→下游資料；不得計為成功組合。
6. **跨冊污染**：一冊錯誤不能讓另一冊的世界資料無聲被更改。
7. **環境失敗**：worker 超時、資源超限、檔案鎖定、連線中斷後，須有明示失敗或回復。
8. **重複原子**：同語義的新語言 binding 或 alias，不應增加 canonical atom 數量。
9. **假驗證**：測試寫得與錯誤輸出一致，不能把測試綠燈當成獨立正確性。
10. **供應鏈**：未批准依賴、模糊授權或不可信外部資料被導入，應觸發禁止或審查。

### 14.5 對照一致性與公平性

為避免對照失真：

- 鎖定同一任務集、輸入、可用資料及交付要求；
- 記錄模型、版本、提示詞／策略、重試上限、temperature 等參數；
- 對新能力生成設定相同的安全與驗收條件；
- 各組使用相同總預算或明確披露加權成本；
- 區分 warm cache、cold start 與 fresh replay；
- 報告成功任務分布，而非只挑選單一漂亮 demo；
- 多個隨機種子／重複輪次，報告變異與失敗模式；
- 保留人類介入／修復工時，不把人工修好當作自動成功；
- AI 本身產生的測試不作為唯一成功 oracle，重要案例需要獨立或封存的裁判。

在這些前提下，才能嚴格測量重用的淨效益與其成本；若本地環境暫時不足，應保留設計而非虛構實測數據。

## 15. 量測指標與統計判定

### 15.1 功能與應用完成率

在 $N$ 個預登錄任務中，令 $N_{acc}$ 是通過指定端到端驗收的數量：

$$
R_{acc}=\frac{N_{acc}}{\max(1,N)}
$$

另報告單項函數測試、組合邊測試、應用驗收及部署實測的數量，避免一個總通過率掩蓋不同層級。

### 15.2 真實資料流完整性

令 $N_{expected}$ 為預期跨能力資料邊數量， $N_{traced}$ 為已經依實際執行 trace 驗證的邊數：

$$
R_{flow}=\frac{N_{traced}}{\max(1,N_{expected})}
$$

若只是兩個 endpoint 各自健康，卻沒有串接的實際資料流，不應計入分子。

### 15.3 成本與延遲

報告每項任務的：

- 結束所需 wall time、CPU／GPU／VRAM 與 API／token 成本；
- 能力發現與 contract 檢查時間；
- 本體執行、冷載入、快取命中與失效時間；
- 驗證、修復、審查和人工介入時間；
- p50、p95 等延遲分位數及超時率；
- 新能力重用到其他 held-out 任務的成功率。

若不同組採不同品質或任務成功條件，單純比較 latency 沒有意義。應在**同等驗收品質**下比較成本；也應允許某組在品質上失敗、因而不能計作可替代方案。

### 15.4 安全與治理指標

單獨追蹤：

- 未授權副作用發生率；
- 來源、版本、契約及依賴 pin 漂移率；
- 遭攻擊或錯誤輸入時的拒絕準確性；
- 來源或生成結果的 provenance 丟失率；
- world branch 意外寫入事件數；
- 測試漏報及未測被錯標為 PASS 的事件數。

對契約中的**硬性保護條件**，只要出現未授權的正式世界寫入或來源洗白，就不能宣稱系統完整通過該組保護測試。

### 15.5 生成—驗證—探索的分別量測

為回答本文核心經濟問題，應針對相同工作負載及時窗，分別記錄：

$$
\lambda_t=\frac{C_t}{\Delta t}
$$

$$
\mu_t^{verify}=\frac{V_t}{\Delta t}
$$

$$
\mu_t^{explore}=\frac{E_t}{\Delta t}
$$

不同任務大小會影響上式的可比性，因此應依任務難度、組合節點數、資源成本及權限負擔分層，必要時改以等價工量或工作負載加權。不得將一個複雜世界應用與一個極簡字串函數簡單視為相同數量單位。

在有足夠樣本、明示偏差及可信不確定度後，才可估計不同條件下生成率與探索率的關係。單次 run 不能證成長期趨勢。

## 16. 假說、可否證情況與預期範圍

**H1：** 在存在多項重用機會、契約描述充分及固定品質門檻的任務分布中，typed capability 組合相較從零生成，可降低部分完成任務的總成本。

**否證方向：** 若在公平對照下成本不降低、品質下降，或效益只來自不相等的人工修復與更多資源，則應縮小或否定該適用域。

**H2：** 僅按名稱選工具的無型別目錄，在跨功能資料流、版本和副作用相關任務上，更容易產生可檢測的相容性錯誤。

**否證方向：** 若 M1 與 typed M2 在足量已知反例上沒有可測差異，需評估型別資料是否不足、任務不具鑑別力或模型已從其他管道取得等價資訊。

**H3：** 真正跨冊、source-pinned 的有效資料流，能增加某些超過單冊覆蓋範圍任務的完成率，但其延遲與驗證成本未必較低。

**否證方向：** 若跨冊無新增成功任務或成本明顯過高，不能宣稱跨冊結構已帶來實質價值。

**H4：** 保留來源和依賴的可重用 composite slice，比只有執行日誌而無來源閉包的流程更容易完成冷重播和版本問題定位。

**否證方向：** 在持續回歸中若仍常發生無法再現或隱式來源漂移，則現有切片契約不足。

**H5：** 加入可靠的搜尋、驗證與分析能力後，AI 功能生成增加的同時，探索／驗證能力也可能提高，故生成與探索差距不一定單調擴大。

**否證方向：** 在明確工作負載、固定預算及足夠長的時間窗內，若探索能力始終無改善，需檢查這些工具是否只擴大名目候選而未增加有效處置能力。

**H6：** 受控數位世界中的功能按需生成，可能減少為每一種使用者需求預製完整應用的必要性，但不一定降低延遲、維護或治理成本。

**否證方向：** 若按需功能在真實使用時頻繁超時、不安全、缺乏需求匹配或增加總成本，則優先預製或限制能力集合可能更合理。

上述假說均標記為 `EMPIRICAL_NOT_VALIDATED`，不以 UFA 登錄數量、個別測試綠燈或示範影片取代實證。

## 17. 可能的反對意見與必要修正

### 17.1 「程式語言本來就可以組合函數，UFA 沒有新意」

成立的部分：函數、元件、模組與軟體重用不是新發明。UFA 必須在**AI 對異質能力的發現、契約理解、低成本組合、獨立驗證與持續重用**上提出可測差異；若與普通程式庫加一層索引相比沒有額外價值，研究主張就應收縮，而非靠新名詞掩飾。

### 17.2 「AI 直接生成整個應用可能更快」

可能成立。尤其是一次性、小規模、缺少重用需求的任務。本文並不把組合方案視為普遍勝者，而要求以相同驗收條件衡量成本、品質與後續維護。

### 17.3 「只要有型別系統就夠了」

不夠。型別是有效閘道之一；應用仍受語義前置條件、單位、權限、副作用、持久狀態、失敗恢復及世界來源等約束。形式化檢查還要明確說明它**證明什麼**、沒有證明什麼。

### 17.4 「Agent 自動測試即可證明正確」

自動測試可提供重要證據，但模型生成的測試可能與實作共享相同錯誤假設；必要時需要獨立 oracle、封存題庫、反例和其他可信觀測。安全也必須單獨檢查，不能從功能測試成功推得 [R7]。

### 17.5 「既然可以無限生成，最後探索一定永遠不夠」

「無限」常是未定義的口語假設。實際計算、時間、權限和有效資料均有限；更重要的是探索可以由 AI 自動化、平行化或透過選擇性抽樣提升。第 10 篇將研究生成與探索速率如何在不同資源限制下形成不對稱，而非預設每個系統都永久存在相同方向的不等式。

## 18. 研究資料、隱私與公開邊界

UFA 的當前倉庫屬私人研究資產。本文所記數量、文件位置與工程限制僅作為使用者研究的可追溯基線；不因本篇成為正式研究原稿，就自動表示 UFA 源碼、部署資訊或私有測試資料獲授權公開。

任何要對外發表的版本，應重新審查：

- 可否引用私人 Registry、精確分冊數量或內部 commit；
- 是否包含第三方程式、測試資料或軟體授權限制；
- 是否有真實系統、API、憑證、私人來源或敏感路徑；
- 是否需將工程細節改為公開可驗證的摘要或附錄；
- 是否有足夠獨立實驗證據支持效能與安全聲稱。

本文不包含秘密、憑證、受保護內容的複製品，也不指示未經授權的資料取得或服務訪問。

## 19. 結論：可生成能力不等於可實現的應用世界

從 AI 內容生成走向軟體功能生成，確實可能改變數位世界的發展方式：世界不必只顯示預先完成的媒介，也可能按需求調用、組合與受控建構原本不存在的工具。UFA 對這種能力組合提供了具體工程研究方向，但目前 Registry、實作、typed profiles、跨冊資料流與全域執行器仍是不同程度的完成狀態，不得合併宣稱已實現通用自主應用生成。

本文最重要的區分是：**名目功能組合可能很多，但真正契約相容、可執行、經驗證、可重用而且被觀察者選擇的應用，只是其中受限制的一部分。** 由於驗證、權限、版本、成本與後續使用都是獨立限制，生成能力成長並不自動保證有用能力或探索能力等比例成長；同時，組合工具本身也可能反過來增加探索與驗證能力。

這讓整個系列的研究問題從「AI 可以生成什麼內容」，推進到「可被生成並驗證的功能如何擴張世界，以及其中哪些功能被實際選擇、投入時間並形成持續歷史」。

**本文的核心研究命題為：**

> **可供生成的功能與世界可能性，不等於已完成驗證的功能與世界，也不等於被任何觀察者實際探索、使用和實現的功能與世界。**

這個區分將成為後續研究 AI 品質競爭、主體存在域、歷史價值、注意力經濟及選擇排他性的一項具體、可操作的橋梁。第 4 篇將從「功能與內容供給擴張」轉向「生成品質逐漸普及後，為何單一作品仍可能因同質化與審美疲勞而失去持續注意力」的問題。

---

## 附錄 A：符號、集合與研究狀態

| 符號／狀態 | 定義 | 限制 |
|---|---|---|
| $a$ | 候選能力原子 | 不等於一個可部署應用 |
| $b$ | 特定語義能力的實作綁定 | 新 backend 不必然是新 atom |
| $G$ | 具實際資料流的組合圖 | 圖本身不保證可安全執行 |
| $\mathcal G_{nom}$ | 名目候選集合 | 含大量不相容／重複候選 |
| $\mathcal G_{adm}$ | 契約允許的候選集合 | 檢查範圍可能不完整 |
| $\mathcal G_{exec}$ | 指定環境中可執行的集合 | 不等於已驗證行為正確 |
| $\mathcal G_{val}$ | 具有明示驗收證據的集合 | 有效域和版本受限 |
| $\mathcal G_{use}$ | 被指定觀察者實際使用的集合 | 不代表使用者福利或市場成功 |
| $C_t$ | 當期新增的去重候選數 | 不等於通過數 |
| $V_t$ | 完成驗證處置數 | 包含拒絕結果 |
| $A_t$ | 被接受的候選數 | 可含來自舊積壓的候選 |
| $E_t$ | 完成深入探索的候選數 | 必須事先定義探索成功條件 |
| `EMPIRICAL_NOT_VALIDATED` | 本文專項實驗尚未執行 | 不代表所有既有 UFA 子測試未執行 |
| `UNPROVEN` | 對特定聲稱證據不足 | 不能冒充 `PASS` |

## 附錄 B：最小實驗／實作驗收清單

- [ ] 保留 UFA-1、UFA-2 各自來源 pin 與版本，先確認 Registry、implementation、typed profile 的計數與差異。
- [ ] 類別 $F_0$ – $F_5$ 不與第 1 篇 $L_0$ – $L_4$ 的媒介能力混用。
- [ ] 獨立證明每個組合的真實資料流，不以獨立 health checks 代替。
- [ ] 組合前檢查型別、語義、版本、副作用、權限與資源。
- [ ] 使用未 typed legacy 時明示拒絕／降級／限定域，不偷偷升格。
- [ ] 同語義多 binding、alias 或 composite 不被重算為新 canonical atom。
- [ ] 提出欠缺功能時先檢索既有能力，再決定新實作與修復。
- [ ] 新實作有正反例、依賴 pin、來源、行為驗證與重播證據。
- [ ] 世界讀取與世界寫入權限各自受控；不繞過 ORDR adapter 既有唯讀契約。
- [ ] 對比 M0–M4 需具有相同需求、品質、資源與任務真值。
- [ ] 測量候選到達、驗證處置與觀察者探索三種不同速率。
- [ ] 不將 mock、冷快取缺失或失敗執行標記為通過。
- [ ] 預登錄硬 Gate，保留 `PASS`／`FAIL`／`UNPROVEN`／`NOT_RUN`。
- [ ] 任何正式成果先進行原稿 UTF-8、數學分隔符及內容完整性校驗。

## 附錄 C：一個**假想**的能力契約例子

下面的 JSON 是**本篇自行提出的研究草案**，不是 UFA 已發布、也不是 ORDR 正式 schema：

```json
{
  "schema": "gasr-ufa-capability-proposal/v0.1",
  "capability_id": "example.world.events.aggregate",
  "semantic_domain": "synthetic_world_events",
  "input": {
    "branch_id": "string",
    "time_range": "world_time_interval",
    "events": "event_record[]"
  },
  "output": {
    "summary": "event_summary",
    "source_lineage": "source_ref[]"
  },
  "preconditions": [
    "world_branch_exists",
    "event_schema_version_pinned",
    "read_permission_granted"
  ],
  "effects": ["read_world_events"],
  "forbidden_effects": ["write_world_state", "external_payment"],
  "failure_modes": ["unknown_branch", "invalid_time_domain", "unauthorized"],
  "acceptance_evidence": "NOT_RUN"
}
```

預期反例包括：使用錯誤分支、以 source time 冒充 world time、缺少唯讀權限、輸入的 event schema 已漂移、將未證實事件當成原作事件，或輸出摘要沒有實際資料 lineage。

---

## 參考文獻

**公開研究／標準（[R#]）。** 查核日期：2026-10-29。文獻引用用於界定先行成果及研究限制；並不自動證明本文提出的 UFA 整合已實作。

- **[R1]** Kang, K. C., Cohen, S. G., Hess, J. A., Novak, W. E., & Peterson, A. S. (1990). *Feature-Oriented Domain Analysis (FODA) Feasibility Study*. CMU/SEI-90-TR-021. Software Engineering Institute. <https://sei.cmu.edu/library/feature-oriented-domain-analysis-foda-feasibility-study/>
- **[R2]** Schick, T., Dwivedi-Yu, J., Dessì, R., et al. (2023). *Toolformer: Language Models Can Teach Themselves to Use Tools*. NeurIPS 2023. <https://papers.neurips.cc/paper_files/paper/2023/hash/d842425e4bf79ba039352da0f658a906-Abstract-Conference.html>
- **[R3]** Yao, S., Zhao, J., Yu, D., et al. (2023). *ReAct: Synergizing Reasoning and Acting in Language Models*. ICLR 2023. <https://arxiv.org/abs/2210.03629>
- **[R4]** Jimenez, C. E., Yang, J., Wettig, A., et al. (2024). *SWE-bench: Can Language Models Resolve Real-world Github Issues?*. ICLR 2024. <https://proceedings.iclr.cc/paper_files/paper/2024/hash/edac78c3e300629acfe6cbe9ca88fb84-Abstract-Conference.html>
- **[R5]** Yu, P., Liu, W., Yang, Y., et al. (2026). *Benchmarking LLM Tool-Use in the Wild*. ICLR 2026 / WildToolBench. <https://arxiv.org/abs/2604.06185>
- **[R6]** Xu, H., Huang, X., Liu, Y., & Deng, Z. (2026). *TPS-Bench: Evaluating AI Agents' Tool Planning & Scheduling Abilities in Compounding Tasks*. ACL 2026. <https://aclanthology.org/2026.acl-long.1614/>
- **[R7]** Chen, J., Huang, H., Lyu, Y., et al. (2026). *SecureVibeBench: Benchmarking Secure Vibe Coding of AI Agents via Reconstructing Vulnerability-Introducing Scenarios*. ACL 2026. <https://aclanthology.org/2026.acl-long.1107/>
- **[R8]** Hoare, C. A. R. (1969). *An Axiomatic Basis for Computer Programming*. Communications of the ACM, 12(10), 576–580. <https://doi.org/10.1145/363235.363259>
- **[R9]** SLSA Framework. (v1.1). *Build Provenance Specification*. <https://slsa.dev/spec/v1.1/provenance>
- **[R10]** Gülmez, B. (2026). *Code generation with large language models: a survey from neural program synthesis to autonomous software development*. Applied Intelligence, 56, Article 200. <https://doi.org/10.1007/s10489-026-07230-0>

**EveMissLab 研究與工程來源（[E#]）。** 私有倉庫文獻是 owner 的現有版本化工程紀錄，非本輪重跑測試；對外使用前需另行確認發布範圍。

- **[E1]** Neo.K / EveMissLab; GPT-6 協作整理. (2026-10-28). *從固定影像到可展開世界：生成式媒介的結構轉變*. GASR 第 1／12 篇，v1.0；`EMPIRICAL_NOT_VALIDATED`。
- **[E2]** Neo.K / EveMissLab; GPT-6 協作整理. (2026-10-28). *世界原生動畫：觀察者自由、世界持續性與因果分支*. GASR 第 2／12 篇，v1.0；`EMPIRICAL_NOT_VALIDATED`。
- **[E3]** EveMissLab. (2026-10-26 基線). *UFA — 全域能力聯邦*. 私有倉庫 `kakon77777-commits/UFA`, `README.md`, `docs/INDEX.md`. <https://github.com/kakon77777-commits/UFA>
- **[E4]** EveMissLab. (2026-10-26 基線). *四冊能力基質與全域耦合計畫*. `UFA/docs/ARCHITECTURE.md`. <https://github.com/kakon77777-commits/UFA/blob/main/docs/ARCHITECTURE.md>
- **[E5]** EveMissLab. (2026-10-26 基線). *分冊與全域測試策略*. `UFA/docs/TEST_STRATEGY.md`; *去重方法與本次基本審查*, `UFA/docs/DEDUP_REVIEW.md`. <https://github.com/kakon77777-commits/UFA/blob/main/docs/TEST_STRATEGY.md>
- **[E6]** EveMissLab. (2026). *Universal Functional Application* 原始規格與分冊交接，UFA 私有研究資料庫；歷史 v0.x 計數只作版本對照。
- **[E7]** EveMissLab. (2026). *ORDR Core-to-Adapter Contract v1*, `ORDR-Core/docs/ADAPTER_CONTRACT_V1.md`; *Animation-Seeded World Generation × World-Native Animation*, `ORDR-Adapters/docs/future/`. <https://github.com/kakon77777-commits/ORDR-Core/blob/main/docs/ADAPTER_CONTRACT_V1.md>
- **[E8]** Neo.K / EveMissLab. *時間稀缺性的永恆結構：從生命有限到選擇排他*. 既有時間經濟與注意力經濟研究原稿；本文僅借用時間與選擇排他性的基礎定義，實證問題留待 GASR 第 9–12 篇。

---

**原稿結束。** 本文為《生成過剩與選擇實現論》第 3／12 篇正式研究原稿；`EMPIRICAL_NOT_VALIDATED` 表示本篇專項跨冊整合、生成／探索速率與觀察者使用研究尚未進行。UFA 倉庫所記既有能力與測試屬其本身的版本化工程紀錄，不能由本篇撰寫直接升格為新驗證成果。