透過改變系統設計而非模型來讓AI停止幻覺

AI模型產生幻覺並非因為它粗心，而是因為在回答的那一刻，沒有任何東西能反駁它。BlazePhoenix協議提出的不變性驅動設計（Invariant-Driven Design）旨在透過改變系統結構而非模型本身來解決這一問題。

核心思想是讓每個斷言都攜帶自己的證偽命令。例如，一個報價不是伺服器挑選的數字，而是公共合約上previewPlan函式的輸出，任何人都可以重新執行該函式來驗證。質押引擎不釋出償付能力報告，而是公開isSolvent()函式，任何人都可以隨時讀取合約儲存來檢查。這使得宣告及其測試成為同一物件，模型在引用資料時可以同時提供驗證方法，讀者無需信任任何一方。

Fail-Closed原則是這一模式的最嚴格體現：當系統無法證明某事時，它拒絕而非估計。例如，在報價時，系統不會信任池子報告的數字，而是直接從池子合約中讀取實際餘額，當無法確定真實餘額時，該池子會被完全排除在路由之外。這恰恰是幻覺的本質——系統用貌似合理的答案填補資訊空白，而Fail-Closed使得這種空白無法被表示。

不變性（Invariants）是比檢查更強大的機制。檢查是隻有在你記得呼叫時才會執行的程式碼行，而不變性是系統無法違反的屬性。例如，質押引擎的保護機制使得破產狀態不可達：任何導致破產的交易都會被回滾，因此屬性在每個可觀察的時刻都成立。對於AI來說，一個不變性比一百頁文件更有價值，因為它將關於行為的問題轉化為關於狀態的問題。

另一個重要原則是：當存在權威來源時，直接呼叫它而不是重新實現。例如，協議的路由器涵蓋多種自動做市商，對於Curve和Solidly等，它直接呼叫它們自己的函式，因為相同的位元組碼既執行交易又生成報價。重新實現是第二個真相來源，而第二個真相來源意味著分歧。

這種設計為AI提供了三樣東西：可檢查的表面（每個數字都附有可重現的呼叫）、誠實的否定（系統拒絕而非估計，因此“無路由”和“資料不足”是真實的答案）、以及穩定的基本事實（不變性不會隨文件更新而漂移）。這些都不需要模型變得更智慧，而是透過消除猜測的真空來實現。

值得注意的是，這一模式並不依賴於區塊鏈。任何元件都可以透過三個問題來評估：如果這個宣告是錯的，如何發現？當無法確立某事時，系統是拒絕還是填充？該屬性是檢查的還是不可能被違反的？將盡可能多的屬性從第一類轉移到第二類，使用者和AI就少了一份信任的需求。

結論是：讓AI停止幻覺主要不是AI問題，而是工程問題。一個無法被檢查的系統只能透過猜測來描述，因為猜測是唯一剩下的選項。構建可被檢查的系統，猜測就會停止——不是因為模型變了，而是因為真空消失了。