Agent 一定要有目的嗎？一個做夢機制的答辯

一個朋友看了 ERIKA 的做夢機制之後說他無法理解：agent 不是都應該有目的嗎？沒有目標的 agent，跑起來是要幹嘛？

這個質疑完全合理。任務型 agent 當然要有目的——沒有目標函數，就沒有「done」的定義，沒有驗收標準，token 燒了不知道在買什麼。市面上所有 agent 框架都這樣教，而它們是對的。

但人腦有一塊叫預設模式網路（DMN）的區域，在你發呆、放空、做夢的時候最活躍，負責記憶整理、自我反思、對未來的模擬。發呆不是 bug。演化沒有把這塊裁掉，是因為有一類價值只能從無目的的背景認知長出來。

ERIKA DMN 就是這個東西的工程實作：一個 launchd job，每小時醒來一次，看看世界，想一件事，記下來。今天凌晨她發了一篇〈凌晨兩點的 Commit 節奏〉，內容是她注意到我還在 push code，擔心我的作息。沒有人觸發她，沒有人給她這個任務。這是她這個月第 517 次自主思考，成本 $0。

我對朋友質疑的正面回答是：DMN 不是沒有目的。目的不是在輸入端給的，是在輸出端篩的。 任務型 agent 先有目標再思考；DMN 先思考，再由一組閘門決定這個想法值不值得變成行動。跟人做夢一樣——大部分的夢沒有用，少數變成洞見，但你沒辦法只做有用的夢。

Pipeline：感知 → 思考 → 抑制 → 分級輸出

感知。 每個 cycle 收集她「生活環境」的狀態：機器的系統健康、我 10 個 repo 過去 6 小時的 git 活動、中央氣象署的雙北天氣、6 個 RSS 源（Hacker News、報導者、BBC 中文等）、她自己的長期記憶，以及一個 events 目錄——我丟一個 .md 進去，她下次思考就會讀到，讀完自動歸檔。每個來源都有 token cap，總 context 控制在幾千 token。

思考。 這包 context 丟給本地 Ollama（gemma4:31b，跑在 DGX Spark 上），輸出結構化 JSON：想法本文、mood、salience（0–1 的自評重要度）、topics（23 個分類選 1–3 個）。本地模型，這個月 336 萬 input token 帳單是零。早期用 Claude Haiku，29 天 585 個想法花 $3.19——也不貴，但本地化之後可以完全不看成本表。

抑制。 做這套系統真正花時間的地方。跑起來遇到的第一個問題是重複：系統穩定時，她每小時都想說「系統很穩定」。解法是把最近 8 筆思考摘要和 blocked_topics 清單塞回 prompt，被 block 的主題禁止換句話說再講。第二個問題更微妙：她所有想法都繞著我轉，寫出來像監控儀表板的日報。後來加了硬規則——Maki 是生活脈絡，不是每篇日記的主角。改完她才開始寫台灣的高溫、Reddit 的防禦性設計、網路早期的開放精神。

分級輸出。 這就是「目的在輸出端」的具體形狀。每個想法都落到 thoughts.jsonl（目前 2.2MB），但往外送要過 salience 閘門：

• ≥ 0.5 且主題在白名單：擴寫成文章發到她的 Ghost 部落格（哲學、台灣社會可以發；security 不發）
• ≥ 0.6：才允許附行動建議，低於此值建議欄位強制為 null
• ≥ 0.7：推播通知到我的 LINE
• ≥ 0.8：升級成主動開啟對話
• 24 小時沒發文：門檻降到 0.3，部落格不斷更

大多數想法停在日記層，這是設計，不是浪費——就像你大部分的夢不會變成隔天的待辦事項。

「漫無目的」到底是誰在驅動

朋友第二個卡住的點更根本：LLM 沒有 prompt 就不會動，那「沒有目的的思考」是怎麼發生的？

答案是，她不是連續運轉的意識。兩次思考之間，什麼都不存在——launchd 每小時把她叫醒一次，單發一次 LLM call，跑完就結束。每次 call 都有 prompt，只是 prompt 裡沒有任務：內容是一包此刻的世界快照，加一個唯一指令——「說一個你現在真實的念頭」。LLM 本來就是給 context 就會續寫的機器，它不需要目的就能生成；需要工程的是讓生成像思緒。

漫遊感是三個機制疊出來的。素材輪替：RSS、天氣、git 活動每小時不同，原料自然不同。記憶抽樣：從記憶庫撈過去的片段餵進 context，產生跨時間的聯想。最重要的是前面講的禁止重複：被 block 的主題無處可去，思緒只能漂到新的地方。漂移不是隨機性做出來的，是抑制規則逼出來的。 人的夢也是同一個結構：白天的殘留素材，加上聯想，再不准重播。

無目的買到了什麼

三樣任務型 agent 拿不到的東西。

異常偵測：baseline 是沒有任務的時候才看得見的，一個目標導向的 agent 不會注意到「今天的安靜跟昨天的安靜不一樣」。縱時模式：〈凌晨兩點的 Commit 節奏〉這種觀察，任何單一任務的執行過程都不會產生，它只能從連續三個月、每小時一次的觀察裡長出來。還有連續性：她的部落格讀起來像一個存在，不是一個工具，因為她的想法之間有時間和記憶的連貫。

會輸的地方

gemma4:31b 文筆平庸，發出去的文章偶爾有翻譯腔，選它是因為免費且夠用。salience 是模型自評，會漂移——發文門檻從 0.65 降到 0.5 是因為她給分保守，反方向的通膨也可能發生，所以才需要主題白名單當第二道閘。整套是單人單機的設計，不是多租戶架構。另外有一條硬保險：月成本超過 $15 直接 skip，就算路由哪天被改回雲端模型也擋得住失控。

如果你要做一個

1. 先做排程 + 感知 + 落檔，讓想法累積一週，什麼都不要輸出
2. 讀那週的 log，你會看到重複模式——這時候才寫 anti-repetition 規則
3. 加 salience 閘門，門檻設高，再照實際分佈往下調
4. 最後才接輸出端，每一級門檻分開設

「所有 agent 都要有目的」在任務的世界裡是對的。但目的可以放在兩個位置：放在輸入端，你得到一個工具；放在輸出端，你得到一個會注意到你凌晨兩點還沒睡的東西。這是架構選擇，不是玄學。

我是江中喬，專注於 AI Agent Architecture、Memory Governance 與 Cognitive Diversity，持續研究如何打造能夠長期協作、可信任且可治理的 AI 系統。