我们生活和行动的世界，可以被看成持续变化的复杂系统。
人、其他碳基生物，以及正在进入现实世界的硅基智能，都是其中的智能主体（Actor）。每个主体都需要在有限的信息、能力和资源下感知环境、判断局势、采取行动，以维持生存、实现目标，并争取进一步发展的空间。
但没有任何主体能够获得和处理世界的全部。如何用有限的认知面对近乎无限的现实，并形成有效行动，是所有智能主体共同面对的基本问题。
我目前把这个过程概括为四个彼此连接的部分：
世界 → 认知与表征 → 决策空间 → 行动
行动又会改变世界，新的变化重新进入我们的认识，由此形成持续反馈的闭环。
一、世界是复杂系统
这里所说的“世界”，并不意味着存在一个边界固定、包含一切的单一系统。
现实本身可以沿着不同的问题和关注范围，被划分为许多彼此交叠的复杂系统。一个人的生活、一个家庭、一家企业、一条产业链、一座城市乃至一个生态系统，都可以成为我们观察和行动的“世界”。系统的边界取决于我们正在关注什么，以及哪些要素之间的相互作用与当前问题有关。
因此，这里的“世界”也不只指物理世界。组织、市场、软件系统或者游戏，都可以构成主体所处并需要理解和行动的世界。它们既包含物理对象，也可能包含角色、规则、关系、目标、信息以及由不同主体共同建立的制度与概念。
从这个意义上说，世界模型也不等于物理世界模型。它是主体对其所处世界中、与理解和行动有关部分的模型。
无论边界如何划定，其中通常都会存在不同的主体、资源、关系、规则、行动，以及不断变化的状态。这些要素彼此关联。一个对象的变化，可能改变另一个对象的状态；一项规则的调整，可能影响许多人的选择；一个局部目标的实现，也可能消耗其他目标所需要的资源。行动发生在局部，影响却可能沿着关系不断向外传递。
其中一些结构来自自然规律，另一些则由人共同建立。国家、货币、法律、组织、职责、合同与承诺，都依赖共同的定义、解释与维护，却同样真实地影响着主体的选择和行动。我们既生活在世界中，也不断通过行动参与塑造世界。
与此同时，每个主体都处在世界中的特定位置，拥有不同的目标、经验、能力和信息，也只能接触现实的一部分。
同一份订单，对客户意味着承诺，对生产意味着需要完成的工作，对采购意味着物料需求，对财务意味着收入、成本和资金安排。它们面对的是同一个业务世界，却从不同位置看到其中不同的部分。
因此，理解复杂现实，不只是知道“发生了什么”，还需要知道其中有哪些对象、它们如何关联和变化，以及我们正在从哪个视角、以怎样的分辨率观察它。
二、为了理解与协作，我们形成对世界的表征（Representation）
真实世界过于复杂，任何主体都不可能完整地获得和处理它。我们真正能够记忆、讨论、比较、计算和操作的，始终是现实经过某种选择和转换之后形成的表征（Representation）。
地图不是城市，组织图不是组织，ERP 里的订单也不是现实中的交易本身。它们都选择性地保留了现实中的某些区别、关系和状态。
因此，任何表征都是有损的。
这并不是缺陷，而是表征能够发挥作用的前提。一张地铁图如果试图画出城市里的每栋建筑、每棵树和每条小路，反而会失去帮助人乘坐地铁的能力。
真正的问题从来不是如何完整复制世界，而是：
为了当前的理解与行动，哪些特征值得被识别并标记出来？
当多个主体需要共同协作时，还会进一步出现另一个问题：他们使用的表征是否能够相互对应？
我们说的是不是同一个对象？依据的是不是同一时刻的状态？使用的概念、规则和判断前提是否一致？
这也是为什么表征不仅关系到个人如何理解世界，也构成了多人、系统与 Agent 协作的基础。
关于表征为什么必然有损、视角与分辨率如何影响我们看到的世界，以及结构化数据、自然语言、图、树、状态机、约束等不同形式如何共同承载现实，我在另一篇文章中单独展开：
三、行动不需要整个世界，而需要与当前问题有关的局部
即使我们已经拥有一张足够好的世界地图，每一次行动也不需要处理地图上的全部内容。
假设一个人要从家去机场。一张城市地图可能包含成千上万条道路、建筑、地铁线路和公共设施，但对于这次出行，大部分内容都与此无关。
当主体、当前位置和目标确定以后，需要关注的首先只是地图中的一个局部。
如果目标进一步变成“尽快到机场”，实时路况和预计耗时会变得重要；如果希望“尽量少花钱”，交通方式和价格会进入判断；如果带着很多行李，“少换乘”又可能成为新的约束。
地图没有变，但当前问题所需要的决策信息发生了变化。
因此，我们并不需要为每一个问题重新建立一个世界模型。更合理的方式是：
在相对稳定的世界表征之上，根据当前主体、目标与场景，动态裁剪出与这次判断有关的局部。
我把这个局部称为 Decision Space（决策空间）。
其中包含当前目标、相关事实、影响判断的因子、约束、可能采取的行动、不同路径及其结果，以及主体评价这些结果的方式。
这样，原本几乎无限的现实问题，就可以被逐步缩小为一个有限、可检查、可计算的空间。
关于如何构建这样的局部问题空间，以及如何通过补充信息、应用约束和比较路径逐步收敛，我在这里继续展开：
Decision Space｜将复杂问题转化为可收敛、可求解的决策空间
而在 Decision Space 之前，还存在另一个问题：那张可以被反复使用的“地图”本身，应该如何组织？
我把对对象、关系、状态以及不同视角的相对稳定组织，进一步放在 Cognito Atlas 中讨论：
可以粗略地理解为：
Atlas 提供地图，Decision Space 针对一次具体行动，从地图中裁剪出当前需要处理的局部。
四、行动改变世界，反馈又会修正我们的表征
决策最终需要落实为行动，而行动会重新改变世界。
还是以去机场为例。
当沿着选定路线出发以后，这个人位置发生了变化；如果前方突然出现拥堵，环境也发生了变化；如果一班地铁已经错过，原先可行的路径可能不再成立。这些变化重新进入地图，当前的决策空间也随之改变。原先的判断可能仍然有效，也可能需要重新计算和选择。
现实中的其他行动也是如此。
一次采购会改变库存和资金状态，一次组织调整会改变责任关系，一次沟通可能改变参与者的理解与承诺。行动之后的世界，已经不再是行动之前的世界。
新的世界状态需要重新被感知和表达，并更新我们已有的表征。新的信息又可能改变当前的决策空间，触发下一轮判断与行动。
因此，这不是一条单向链路，而是一个持续运行的闭环：
世界 → 表征 → 决策空间 → 行动 → 世界变化 → 表征更新……
我们永远无法获得一个完整、静止且绝对正确的世界模型。
真正重要的是：能否保留当前行动所需要的结构，在世界变化之后持续修正它，并让新的判断建立在更新后的认识之上。
五、从这个基础结构继续展开
这套结构并不特指 AI，也不特指企业。
从这个闭环可以进一步得到一个判断：智能体与环境需要共同建模。 主体能够获取什么信息、形成什么判断、采取什么行动，取决于自身能力，也受到环境结构与规则的影响；行动又会改变环境，形成下一轮判断的条件。因此，理解和设计智能系统，需要同时描述主体、环境，以及两者之间的感知、行动与反馈关系。
这也意味着，提升智能系统的实际表现，可以同时从主体能力与环境条件入手：改善信息的组织方式、让规则更明确、让行动结果能够及时反馈，都可能改变主体完成任务的难度。共同建模如何帮助我们判断问题出在哪里、应该改进哪一部分，我在《智能体与环境需要共同建模》中单独展开。
在这个基础上，我目前继续沿着几个方向展开：
- 表征 Representation：现实如何被选择性地表示，不同形式如何共同承载我们对世界的理解。
- Cognito Atlas：如何组织相对稳定、可共享、可持续维护的世界表征。
- Decision Space：如何围绕具体主体、目标和场景，从世界中裁剪出局部问题空间，并逐步形成可行行动。
- 企业数字化与 AI 落地：当多个主体需要在组织中长期协作时，这套结构如何进一步落实到业务、组织、系统与 Agent。
它们讨论的是不同层次的问题，但共享同一个起点：
我们身处复杂而持续变化的世界。智能的基础，不是拥有关于世界的一切，而是形成足以支持当前理解与行动的表征，并在行动与反馈中不断修正它。