昨天寫到最後，我留了一個問題。
假設同一個 Architecture 有：
V1。
V2。
V3。
三份資料都是真的。
搜尋系統也全部找到了。
那接下來：
Sol 到底該相信誰？
以前我很容易覺得：
最新版就好。
但真的開始做之後，我發現這個問題沒有那麼簡單。
因為：
最新，不一定等於有效。
而：
舊，也不一定等於錯。

先講一個最簡單的情況。
V1 是我們最早提出的架構。
後來發現問題，改成 V2。
再經過測試、Human Review，最後 V3 被正式採納。
那今天問：
「目前正式架構是什麼？」
答案當然應該是：
V3

但這不代表 V1、V2 應該消失。
因為它們仍然代表：
我們以前真的怎麼想。
為什麼後來改。
哪一個假設失敗。
哪個方向被放棄。

所以我後來開始把兩件事情分開。
Historical Truth
某個時間點，它曾經是真的。
跟：
Current Truth
現在，它還是不是有效答案。
這兩件事情不能混在一起。

這其實是 AI Memory 很容易出錯的地方。
如果你把歷史全部刪掉，
AI 可能失去：
決策脈絡。
演進原因。
錯誤歷史。
為什麼現在會變成這樣。
但如果全部保留，
又沒有標清楚哪一份已經失效，
AI 就很容易：
把過去當成現在。

所以我們後來在 Context Search Sandbox 裡開始處理：
Authority / Supersession
目前這套處理方式是在：
Context Search Sandbox Scope
裡做驗證。
我不會把它寫成：
「Sol 現在所有 Memory 都已經全面受同一套 Authority Resolver 管理。」
還沒有。
但這個 Sandbox 已經讓我們實際驗證一件重要的事情：
搜尋到，不等於可以直接相信。

Authority 在這裡問的是：
這份資料現在有沒有資格被當成正式依據？
Supersession 問的是：
它是不是後來已經被另一份內容取代？

例如：
V1
HISTORICAL
V2
SUPERSEDED
V3
CURRENT / APPROVED
這三份都可以留。
但 AI 使用它們的方式應該不一樣。

如果今天我問：
「這個 Architecture 是怎麼演進的？」
那 V1、V2、V3 都有價值。
因為我要的是：
History
但如果我問：
「現在應該依哪一版執行？」
那答案就不能把三份混在一起。
我要的是：
Current Authority

這件事情看起來像版本管理。
但其實不只版本。
很多 Knowledge 都會遇到同樣問題。
例如：
一個早期假設。
一個暫時決策。
一個測試結果。
一個正式 Approval。
一個後來被撤回的結論。
這些資料：
都是真的。
但：
真實，不代表現在仍然有效。

這句話對我來說很重要。
因為 AI 很容易把：
「我找到一段真的內容」
變成：
「這就是現在的答案。」
中間其實少了一層：
Authority Resolution

所以我們開始希望 Search System 在 Retrieval 之後，不只回傳：
「這一段很相關。」
而是一起帶回：
State。
Authority。
Supersession。
Provenance。
Time。
讓 Sol 知道：
這一份是 Current。
這一份只是 Historical。
這一份已經 Superseded。
這一份還只是 Candidate。

這樣做還有一個好處。
我們不用為了避免混亂，把舊資料全部刪掉。
我其實很不喜歡：
「舊的就刪掉。」
因為有些失敗的版本，未來反而非常重要。
它可以告訴我們：
以前試過。
為什麼失敗。
哪個假設已經被推翻。
某個問題是不是又重新出現。
這些都是長期 AI System 很有價值的 Knowledge。

所以我現在比較喜歡的方式是：
Preserve history.
但同時：
Resolve current authority.
保留歷史。
但不要讓歷史冒充現在。

這件事情對 Ronnie × Sol 的合作也很實際。
有時候我自己都會忘記：
「我們之前不是說要這樣嗎？」
Sol 找回舊資料後，
如果只回答：
「對，之前確實這樣決定。」
其實還不夠。
真正好的回答應該是：
「對，當時是這樣決定。」
然後繼續告訴我：
「但後來在某一次 Review 中，這個決策已經被新的版本取代。」
這才是我真正想要的 Continuity。
不是：
永遠記得以前。
而是：
記得以前，也知道現在已經不一樣。

這件事情做到後來，我慢慢發現：
AI 的 Knowledge 問題不只是：
「記不記得？」
也不是：
「找不找得到？」
還有一個更深的問題：
它知道哪一份目前有權威嗎？

所以昨天講：
Search needs authority.
今天我會把它說得更精確一點：
Retrieval needs authority resolution.
因為相關度只是其中一個排序條件。
Current Truth 還需要：
State。
Supersession。
Human Decision。
Evidence。

這也讓我開始重新理解「AI 很有記憶」這件事。
一個真正可信的長期 AI，
不是：
所有東西都記得。
而是：
知道哪些東西只是過去。
哪些東西仍然有效。
哪些東西不確定。
哪些東西還在等待 Human Review。

做到這裡，我以為事情已經很完整了。
Memory 有了。
Retrieval 有了。
Authority / Supersession 也開始有了。
結果我們後來遇到一個更麻煩的情況。
有一次我們很認真地找一份原始來源。
Search 找到很多相關 Candidate。
內容也很像。
Context 也對。
但問題是：
沒有任何一份 Evidence 足以證明它就是我們要找的 Canonical Source。
這時候 AI 最危險的事情是什麼？
不是：
找不到。
而是：
為了回答，硬選一個最像的。
Day 11，
我要談一件我覺得非常重要的事：
找不到，就是找不到。