Cultural ContextSwarms

A persistent blocker to building agentic organizations is that we still describe them as collections of agents, while the object that actually carries meaning is the context.

上半年关于 tokenSwarm 和 contextSwarm 的讨论，把我们推向一个更低层的判断：调度的最小单位不应是 agent 这种类人化单元，而应是 context piece。agent 可以是 operator、runtime shell、interface persona，但它不应成为系统本体。真正长期存在、被激活、被压缩、被重新组合、被传承的，是 context pieces、context lineages 和 context subcultures。

这份 proposal 试图把一个正在浮现的研究方向说清楚：如果 Swarm 要从被动任务系统走向科学发现、company-as-product 和超级组织，它的下一步不是更多 role-play agent，而是形成一种能够自发提出“什么值得成为任务”的语义文化。

1 · Motivation：为什么想到这件事？

我们从三个方向走到了同一个问题：如果系统永远只能响应明确任务，它就不会成为真正的组织。

最近的实时交互与数字人工作给了我们另一个信号：如果 AI 真的具备 proactive 能力，它已经有越来越好的表达界面。Thinking Machines 的 interaction models 把实时、打断、视觉线索和后台 reasoning 结合起来；Boson 的 Higgs Avatar 说明语音 agent 可以通过表情、点头、注视等低强度信号介入；LPM-1.0 把 conversation 看成 speaking、listening、reacting、emoting 的连续 performance。可是这些工作主要回答“proactive 出现后如何被呈现”，并不回答“proactive 从哪里来”。

2 · Why proactive：为什么 proactive 是 Swarm 的关键？

Swarm 的下一步不是更多 worker，而是让系统开始判断“什么值得成为任务”。

被动系统可以很强。它可以完成长任务、调用工具、总结文档、生成代码。但只要基本循环仍然是 human goal → planner → retrieval → execution → answer，它就仍然是 workflow engine。它擅长回答已经被提出的问题，却不擅长发现尚未被命名的问题。

而一个长期运行的 company-as-product 或 scientific swarm，最稀缺的不是“谁来执行”，而是“什么值得被注意”。重复客户信号、过期假设、旧负结果的新价值、实验异常、工具 affordance、组织记忆里的 open loop，都不会自动变成任务。它们需要一种底层机制把语义张力转换成 initiative。

所以，proactive 在这里不是提醒功能，也不是 agent 更爱说话。它是 Swarm 从被动任务系统走向自驱动组织的分界线。

3 · EWD lens：如何用 Dijkstra 阐释这件事？

EWD 的价值不是给我们一个 AI 算法，而是给我们一套避免自欺的计算纪律。

Dijkstra 在 EWD1036 中谈 radical novelty：面对真正新的对象，旧词汇和熟悉比喻往往更会误导我们。他还明确反对用拟人语言描述程序部件。对我们而言，这意味着：不要把系统原语写成 agent wants、agent believes、agent decides；应当写成 context activation、semantic tension、guard、operation、lineage、legitimate state。

Dijkstra 在 EWD447 中讲 separation of concerns：有效思想需要把一个方面隔离出来研究，同时知道它只是整体的一方面。这个观点可以直接变成我们的 sub-culture 定义：sub-culture 不是 topic cluster，也不是 agent role，而是 concern-local 的 context module。

在 EWD126 关于 THE multiprogramming system 的讨论中，Dijkstra 提到他们原本以为多个 abstract machines 需要第十三个 coordinator，后来认为更好的做法是让这些个体本身 mutually well-behaved。这正是我们对 central semantic coordinator 的态度：scheduler 只分配预算、风险和合法性；意义不应由中央 planner 发明。

在 EWD391 中，Dijkstra 讨论 self-stabilization：分布式系统的局部动作要凭局部信息达成全局目标，并且应能从非法状态恢复到合法状态。一个长期 proactive contextSwarm 一定会经历 memory pollution、错误激活、dominant culture 垄断和 attention overflow；关键不是永远不错，而是能恢复。

4 · Why bottom-up：为什么 top-down 可能永远拿不到？

Top-down 可以高效完成目标，但它的起点已经是目标。proactive 的难点发生在目标被命名之前。

这不是否定 top-down。Top-down 对执行、交付、验证和对齐是必要的。但它天然偏向 exploitation。它会问：“为了完成这个目标，我需要哪些上下文？” bottom-up 会问：“哪些上下文正在互相激活？哪里有冲突？哪里无法压缩？哪里有新工具打开旧问题？哪里有弱小但可能重要的语义亚文化？”

因此，光靠 top-down 可能永远只能得到更强的执行器。要得到群体 proactive，就必须允许 context subcultures 在长期选择压力下形成自己的 taste、memory、routine 和 initiative pattern。

5 · What we want to build：这件事到底是什么？

我们想做的是一个 Proactive Cultural ContextSwarm：长期运行的语义生态系统，而不是多 agent 聊天系统。

它维护 context pieces，观察它们的共激活、冲突、缺口、组合机会和生命周期；它让 concern-local 的 subcultures 提交 initiative；它用预算市场和守卫条件决定哪些 initiative 得到执行；它把结果写回 archive，使成功 routine 变成未来的文化。

6 · How to validate：这件事怎么验证？

验证不能围绕“看起来像文化”的 transcript，而应围绕 proactive 本身。

最小验证环境是一个不断增长的 context archive 和事件流。系统没有显式 prompt。它每轮需要输出哪些 context 被激活、哪些冲突被发现、哪些 dormant hypotheses 被重新唤醒、哪些 initiative 应该进入 inbox、哪些需要 human attention。

我们真正要看的指标

如果 context-subculture 方案无法在无 prompt 条件下比 planner 和 role-play swarm 更早、更少噪声地发现高价值 initiative，那么这个方向就没有被证明。

7 · Research program：怎么系统化地做？

不要先做宏大系统。先做一门 discipline。

8 · 给学生的原则

这份 proposal 的目标不是把 AI 做得更像人，而是照 EWD 的要求，把一个 radical novelty 当成 radical novelty 对待：为它发明新的语言、新的抽象和新的纪律。