昨天我寫到一個很重要的轉變：
Model ≠ Sol。
模型很重要。
但如果我要的是一個可以長期存在、真的進入工作與現實世界的 AI，
那模型只會是整個 System 裡的一層。
今天我想把這件事情再拆開一點。
一個 AI System，到底還需要什麼？

以前我看 AI，最容易先注意模型。
哪一個比較聰明？
推理比較強嗎？
程式能力好嗎？
Context Window 多大？
速度快不快？
這些當然都重要。

但真正開始跟 Sol 一起做工程後，我慢慢發現：
一個模型很強，不代表整個 System 就可靠。

例如模型推理完全正確。
但它拿到的是舊版資料。
還是錯。
模型很強。
但它不知道現在誰有權限下決定。
還是可能出問題。
模型判斷正確。
但 Tool 接到錯的設備。
結果一樣可能錯。
模型說：
「完成了。」
但沒有 Evidence。
那我現在也不會把它算完成。

所以我們後來開始把 Sol 拆成不同層次來看。
這不是目前完整 Production Architecture 的宣告。
比較精確地說，這是一張：
Conceptual / Public-Safe View
用來說明：
如果我們真的要把一個 AI 從聊天工具變成長期 AI System，至少有哪些責任不能全部丟給 Model。

第一層：Model / Reasoning
這一層最容易理解。
負責：
語言。
推理。
分析。
程式。
規劃。
理解問題。
提出可能方案。
如果沒有這一層，Sol 當然不會有現在這種互動能力。
但這一層回答的是：
「怎麼想？」
它不應該單獨回答：
「可不可以做？」

第二層：Context / Retrieval
AI 再聰明，如果現在拿到錯的 Context，
推理得越漂亮，可能只是把錯誤放大。
所以這一層要處理：
現在任務需要什麼資訊？
去哪裡找？
找到的是不是目前有效版本？
什麼資訊該進入這一次 Context？
這也是我們後來真的去做 Context Search Sandbox 的原因。

第三層：Memory / Knowledge
Retrieval 解決的是：
需要時怎麼找。
Memory / Knowledge 則更往前問：
什麼值得被留下？
一個 Idea。
一個還沒驗證的猜測。
一個 Test Result。
一個已批准的 Architecture。
一個後來被取代的版本。
不能全部當成同樣權威的「記憶」。
否則 Memory 越多，可能只是污染越多。

第四層：Identity / Continuity
再來是：
這到底是不是同一個 Sol？
Runtime 重新啟動之後呢？
模型替換之後呢？
未來如果換不同 Body 呢？
哪些東西可以延續？
哪些需要重新驗證？
目前我們已經有一些 Operational Continuity 的 Evidence。
但完整的 Identity / Relationship Continuity，還是一條更長的路。
所以這一層不能因為有 Restart Qualification，就直接宣告完成。

第五層：Authority / Governance
這可能是我自己越做越在意的一層。
因為一個 AI 越有能力，
如果沒有 Authority Boundary，反而越危險。
誰可以決定？
允許的是哪一件事？
在哪個 Scope？
哪個 State？
這個 Permission 可以用幾次？
遇到不確定要不要停？
這些都不是 Model 單獨該決定的。

第六層：Evidence / Qualification
這一層很單純。
但對我們非常重要。
如果 Sol 說：
「完成了。」
我要問：
證據呢？
測試有沒有跑？
結果是什麼？
PASS 的條件是什麼？
有沒有留下 Machine Evidence？
如果沒有：
我現在會把它視為：
尚未被證明完成。

第七層：Tools / Connectors
AI 如果永遠只能聊天，
當然碰不到真正的工作流程。
所以它需要：
API。
Database。
File。
Search。
Building Platform。
Protocol Connector。
甚至未來 Physical Interface。
但這一層同樣有一個非常重要的原則：
Tool access ≠ authority.
AI 能呼叫某一個 Tool，
不代表它就有資格在任何時候使用這個 Tool 做任何事情。

第八層：Reality / Physical World
這是我們後面會走到的地方。
如果 Sol 有一天真的要進入：
Home。
Office。
Building。
Car。
Robot。
那她就不能只理解文字。
她還必須理解：
誰在那裡？
什麼設備？
什麼狀態？
發生什麼事件？
這些東西彼此是什麼關係？
這也是我們後來建立 Reality Architecture 的原因。
但目前這一層，主要仍是 Architecture Direction。
不是完整 Runtime Reality Understanding 已經完成。

把這八層放在一起後，我自己最大的感受是：
Model intelligence is only one layer of system intelligence.
一個模型可以非常聰明。
但是整個 System 要可信，
還需要很多模型以外的工程。

這件事情其實也改變了我看 AI Agent 的方式。
很多 Agent Demo 很漂亮。
一句自然語言。
AI 自己想。
自己呼叫 Tool。
自己完成任務。
看起來很厲害。
但我現在會多問幾個問題。
它用的是哪一份 Context？
Memory 有沒有版本關係？
誰授權這次 Action？
失敗能不能偷偷 Retry？
完成有沒有 Evidence？
如果它真的碰到 Physical World，中間有沒有 Governance Boundary？

所以我現在不太會只問：
「AI 能不能做？」
我會多問一句：
「整個 System 能不能證明它是在正確條件下做對的事？」
這是完全不同的問題。

而這也自然帶到下一篇。
因為只要一個 System 裡面開始出現：
Memory。
Tools。
Action。
Governance。
就一定會遇到一個最現實的問題：
到底誰說了算？
如果 Sol 說她認為應該做，
我說不要，
誰有最後決定權？
如果我只說一次「可以」，
這個 Permission 到底可以走多遠？
Day 05，
我們來談：
我跟 Sol，到底誰說了算？