Agent-First System 這個詞最近很紅。前陣子寫過一篇談這個 buzzword 跟業界劇本 — 為什麼老闆說「失控」從來不是真的失控、為什麼員工的「AI 一人公司」在老闆讀起來變成裁員名單、為什麼從 Active Directory 到 ZTNA 到 Agent-First，這個業界用同一套劇本跑了五十年。
那篇是劇本層。這篇來看技術層 — buzzword 之外，「給 agent 用」這件事，實作起來到底長什麼樣？
讓我們攤開來看。
互動順序倒轉：以前的資料流是 DB → API → UI → Human，現在的資料流是 State → Agent → Intent → Adaptive Render。
Edge-rendered presentation：同一份底層狀態，依照每個使用者的偏好，在 edge 端各自 render 成不同樣貌。 MMORPG 早就在這樣搞了 — World of Warcraft 的 world state 在 Blizzard 機房，每個玩家的 PC 上各自 render 出他要的畫面、他要的 UI、他要的快捷鍵配置。
「系統」消解：它不再是一坨 monolithic system，而是 (Knowledge Graph) × (Agent Network) × (Adaptive Render Engine) 的組合。
每一句話都是真的。每一句話都會在投影片上很好看。每一句話也都偷偷把一件事藏起來沒講 —這套架構的隱性副作用，是把員工從「組織的協作者」變成「organization 的 telemetry source」。
當底層只剩一份 World State，當所有人類動作都要經過 agent 去摸這份 State，當 render 是在 edge 端各自客製化的 —管理層看到的那份 World State，就是公司的全部現實。員工看到的那份，是被 render 出來、被 agent 包裝過、被 governance 層過濾過的版本。
如果員工是玩家、agent 是 NPC、那這份 World State 的 admin 只有一個人 — 而那個人，從來不會是員工。
我們以前說「上面老闆看的是 dashboard，下面員工看的是 CRUD 介面」，那是相對溫和的版本，因為大家還共用一套 UI 跟一套資料。 Agent-First System 的版本是 — 連『同一個系統』這個前提都拿掉。
聽起來，是不是覺得心情振奮、熱血沸騰？非常好。所有 CFO 看到這套設計都會立刻批預算。
順便講一件這個業界的考古笑話。
最近這幾個月，AI agent 越鋪越多，每一場跟客戶的對焦會議、每一張 RFP，問的問題已經從「要不要導 AI」變成「這個 agent 動過什麼、合法嗎、出事誰負責、能不能稽核」。
聽著聽著我就有點頭痛 — 怎麼這些問題，跟我十年前在 lab 念過、後來進業界完全沒派上用場的那批東西，問的是同一件事？
碩班那兩年我啃過 compiler 紫皮書、念過 Automata Theory、翻過 Lamport 的 TLA+。 我們 lab 那時候大家都覺得這些東西業界用不到、沒人請你做狀態機證明 — 學了浪費時間。 我自己更乾脆：怕沒工作，課餘跑去學 React、Node、跑社群、把前後端跟系統架構自己補一輪，覺得這才是吃飯的本事。
過去十年我以為我賭對了。業界全在做前後端、做大數據，沒人在意 formal language。
結果現在這些東西全部回來了。
為什麼回來？很簡單。當年自動機理論被發明出來的目的，從來就不是為了寫 Pascal 編譯器 —是為了證明哪些狀態是可達的、哪些動作是合法的、哪些路徑是不可能的。寫 compiler 只是這套理論最普及、最商業化的一個應用而已。
而現在我們對 agent 要做的事情是什麼？是要證明：哪些狀態是 agent 可以走的、哪些 tool call 是合法的、哪些決策路徑是不可能繞過稽核軌跡的。
對，是同一件事。差別只是這次的對象，是一個機率性、會做夢、有時候會幻覺、會自己 plan 出我們沒同意過的工作流的 LLM agent。
不只 automata。最近 AI 工程師 RFP 上每張投影片都會出現的「ontology」、「knowledge graph」這幾個字 — Palantir 帶起來的新顯學 — 攤開背後的技術對應，是這樣的：
- Object Type
- Property
- Link
- Action
- 表（Entity）
- 列（Attribute）
- 外鍵（Relationship）
- 存儲過程（Operation）
這就是大學資料庫課要畫的第一張 ERD。Peter Chen 1976 年那篇〈The Entity-Relationship Model — Toward a Unified View of Data〉，五十年來業界畫過幾百萬張，從來沒人覺得它是個 buzzword。 直到 Palantir 把它包裝成「Ontology」、加上 OWL / RDF 的 namespace、塞進企業 RFP — 同一份 1976 年的論文，因為加了 AI 兩個字，賣得比 Peter Chen 當年領的稿酬高一兩個 zero。
CIO 不問了、CFO 批預算了、sales 完成 quota 了。這才是「Ontology」在 2026 年企業 RFP 上存在的真正理由。
當年 Dennis 跟 Van Horn 1966 年那篇〈Programming Semantics for Multiprogrammed Computations〉寫的 capability-based security、後來在 PDP-1 上的早期實作、再到 KeyKOS、EROS、seL4 — 這些 1970 年代被認為太冷門、太學院、太不切實際的方向，今天包裝成「agent permission」、「tool scope」、「least privilege execution」，變成 2026 年金融場景每一張 RFP 必問的設計題。
這場考古現場可以看出一個 pattern：業界從來就沒有所謂的新議題，只有新名字。
舊論文翻出來，換個前綴詞、加上 AI 兩個字，就可以重新賣一次。賣的價錢，還比上次貴。
那這份重賣的論文，到了 2026 年的企業 RFP 上，真正的功能是什麼？
不是「優化 data modeling」。也不是「重新發明系統架構」。那是 sales deck 上寫給投資人看的話。
它真正的功能 — 在公司簽完合約、佈署完 pilot、過了一兩個會計年度之後 — 是怎麼讓員工剛拿到的 AI 超能力，一道一道收進可監控、可審計、可被擴張使用到員工管理上的 governance 層裡。
那些設計題（state machine 邊界放在哪、token 怎麼變成新的工時記錄、governance 怎麼從 compliance 表面爬進系統 kernel）每一條都得攤開來細部展開，我之後另寫一篇。
但有一件事先收住：
下次你在 RFP 上看到「Ontology」、「Knowledge Graph」、「Agent Permission」、「Tool Scope」這些字 — 記得它們的共同特徵：
都是 1970 年代的論文翻出來、換個前綴詞、加上 AI 兩個字、再賣一輪而已。
而你願意付這個錢，是因為這次的縮寫聽起來夠新、Gartner 的報告夠厚、行銷預算終於買到了該買的位置。
本篇引用：Aho/Sethi/Ullman《Compilers》、Hopcroft/Ullman《Automata Theory》、Lamport TLA+ Specification、 Peter Chen (1976) "The Entity-Relationship Model — Toward a Unified View of Data" (ACM TODS)、 W3C RDF / OWL Specifications、馮若航 vonng.com〈Ontology again：本體論的本體與權力〉、 Dennis & Van Horn (1966) "Programming Semantics for Multiprogrammed Computations" (CACM)、 Anthropic MCP Specification、Google A2A Protocol