假设你要去机场。同一张地图上，赶时间、少花钱、少换乘，对应的路线选择会不同；出发位置、剩余时间和实时路况，又会改变哪些路线可行。你需要从地图中选出与这次出行有关的部分，比较不同走法，并在遇到堵车时重新判断。
Decision Space（DS，决策空间）是我探索的一套决策建模框架：围绕具体目标，组织影响判断的因素与候选路径，通过补充信息、应用约束和比较结果，逐步收敛出可行的行动方案。
一个决策空间，需要明确以下要素：
- 主体：谁在判断和行动。 主体拥有特定的信息、能力、资源与权限，也承担选择的后果。例如，旅客作出出行选择，导航系统提供建议；同行者的需求也可能影响决策。
- 目标：希望达到什么状态。 例如，在登机截止前到达指定登机口。目标需要足够明确，才能判断当前有哪些差距，以及行动是否有效。
- 价值函数：如何评价结果、权衡取舍。 在能够按时到达的前提下，是更重视费用、舒适度，还是时间余量？不同主体即使面对相同情况，也可能作出不同选择。
- 当前状态与因子：现在是什么情况，哪些因素影响判断。 例如，当前位置、剩余时间、行李数量、道路拥堵程度和列车班次。需要区分哪些信息已知、哪些尚缺，以及信息的来源与时效。
- 约束：哪些条件必须满足。 例如，预算上限、交通工具的运营时间，以及主体的行动能力。约束用于判断路径是否可行；偏好则用于比较可行路径的优劣。
- 算子：如何完成一次具体的计算或判断。 例如，估算一条路线的总耗时、检查能否赶上末班车、比较两种出行方式的费用。每个算子需要明确输入、适用条件与输出，结果可以成为后续判断的依据。
- 路径：哪些判断与行动可以组合成可行方案。 例如，步行到车站、乘坐地铁、换乘机场快线，再前往登机口。路径包含步骤之间的依赖，也可能根据中途获得的信息产生分支。
再以“电脑突然无法开机”为例。如果目标是恢复这台电脑的正常使用，就需要判断故障原因、维修可行性与成本；如果目标是今晚提交一份文件，首先需要确认的可能是文件是否有备份、能否借用其他设备，以及剩余时间是否足够。找到可用备份后，“换一台设备继续工作”就可能成为当前可行的路径，而维修可以稍后处理。
同一个现实状况，因主体的目标、约束与价值取舍不同，会形成不同的决策空间。 其中某些判断还需要展开为子问题：例如，“能否使用备份”需要进一步确认版本是否完整、能否访问，以及是否满足本次提交要求。子问题的结论，再回到上层空间，影响路径选择。
这些要素共同决定当前的决策空间，并随信息与行动反馈持续变化。信息不足时，下一步可能是补充调查或请求专业确认；现有路径都不可行时，则需要寻找新的选择，或重新协商目标与约束。
这种表达希望保留的不仅是结论，还有结论依赖的事实、规则与权衡。当条件变化时，可以沿着依赖关系找到需要重新判断的部分。人可以检查关键节点，Agent 也可以在明确边界内承担信息收集、计算、比较和行动执行。
Atlas 为 DS 提供可复用的地图；DS 围绕具体目标，选取相关对象与实时状态，形成当前问题的决策空间。决策过程中发现的信息缺口，以及执行后的反馈，又可以帮助修正地图。
目前，我主要通过具体案例开展决策结构拆解与原型探索，进一步研究如何将因子、算子及其依赖关系沉淀为可复用的结构，让 Agent 的判断过程能够被检查、重算和持续改进。
版本演进
历史版本