KMT-P04｜Fact Closure Based Objecthood
先定义事实目标，再决定协议对象边界。
在传统数字化系统中，对象通常从模型开始。
设计人员先建立建筑、空间、设备、构件和系统模型，再为这些对象添加属性，最后围绕属性采集和组织数据。
这条路径可以简化为：
对象
↓
属性
↓
数据
它非常适合回答：
建筑由什么组成；
对象位于哪里；
对象具有哪些参数；
对象之间是什么关系；
当前系统记录了哪些数据。
但当数字系统、AI或者机器人准备进入真实世界执行时，问题发生了变化。
系统不再只是需要知道“模型中有什么”，而是必须回答：
现实中到底对谁执行？
这个对象能否独立接受执行？
执行结果能否被独立验证？
最终由谁对这一结果负责？
这时，模型边界就不一定等于执行协议边界。
一、模型能够表达对象，但不能单独决定执行对象
BIM可以把一面墙拆分为多个构件，可以把一个房间进一步拆分为区域、表面、设备和点位。
IoT系统可以把每一个传感器、每一个数据点和每一条遥测记录都作为独立对象。
设备系统也可以按照控制器、回路、端口、地址和寄存器建立自己的对象结构。
这些划分在各自专业系统中都可能是合理的。
但它们并不自动意味着：
每个模型构件都应当成为独立执行对象；
每个设备点位都应当拥有独立责任；
每条传感器数据都能够形成独立Evidence；
每个几何单元都值得建立完整的状态机和授权机制。
模型边界解决的是如何表达世界。
协议对象边界解决的是：
真实世界中的哪个对象，能够独立进入状态、执行、验证和责任闭环。
因此，Kamitu.ai对KMT-P04的正式表述不是“事实创造对象”，而是：
对象边界不能只由模型决定，而要由事实形成能力校验。
先定义事实目标，再决定协议对象边界。
二、为什么“先建对象，再找数据”的路径不够
传统数字化路径通常是：
对象
↓
属性
↓
数据
这种方式隐含了一个前提：
只要对象已经在模型中存在，就可以围绕它持续添加数据和功能。
但在真实执行场景中，这个前提并不总是成立。
例如，一个BIM模型可能将吊顶拆分为几十个几何构件。
这些构件可以分别拥有编号、尺寸、材质和施工属性。
但如果现场执行时：
无法单独确认其中某个构件的真实身份；
无法单独确认它的安装状态；
无法为它独立派发任务；
无法生成独立的施工Evidence；
无法对它执行独立QC；
无法明确其责任主体；
那么，将每个几何构件注册成独立SG，并不会提升执行能力。
它只会增加对象数量、映射成本、状态维护成本和责任复杂度。
相反，某个几何上并不“最小”的施工工作面，可能具备：
清晰的空间边界；
独立的施工任务；
明确的责任班组；
完整的进场、施工、复检和验收状态；
独立的照片、检测记录和QC规则。
在这个场景中，施工工作面反而更适合作为SG。
这说明：
执行协议对象的颗粒度，不由几何精细程度决定，而由独立事实闭环能力决定。
三、SG路径：从事实目标反推对象边界
SG不采用“无限拆分模型，再寻找应用”的方式。
它采用另一条路径：
事实目标
↓
真实对象确认
↓
对象边界校验
↓
SG协议对象
↓
受治理执行
↓
Evidence与QC
↓
DQ Fact Record
这条路径的第一步，不是询问：
模型中已经有哪些对象？
而是询问：
当前场景最终需要形成什么独立事实？
例如，在一个房间节能场景中，需要形成的事实可能是：
在无人且无有效预约的条件下，房间进入节能状态；空调与照明完成受治理调整，并通过能耗、环境和设备状态Evidence接受QC验证。
明确这个事实目标以后，系统才能继续判断：
Room是否需要作为一个SG；
HVAC Zone是否需要作为独立SG；
Lighting Circuit是否需要独立寻址；
Occupancy是否应作为独立状态对象；
Meter是否需要单独提供能耗Evidence。
这里的对象边界不是由模型预先绝对确定的。
它是围绕目标事实逐层校验出来的。
四、什么是Fact Closure Based Objecthood
这一理论可以称为：
Fact Closure Based Objecthood
中文可以表述为：
基于事实闭合能力的协议对象资格。
它并不是说“事实创造了真实对象”。
房间、设备、构件、回路和工作区域，在没有Kamitu.ai之前也客观存在。
专业模型仍然负责表达这些对象。
Fact Closure关注的是另一个问题：
当一个真实对象准备进入执行协议时，它是否具备形成独立事实闭环的能力？
因此，Fact Closure不是现实本体论意义上的“对象存在证明”，而是执行协议意义上的“对象准入校验”。
一个对象可以在模型中存在，但不一定有资格成为当前场景中的SG。
一个对象只有能够被稳定识别、寻址、表达状态、接受受治理执行、产生Evidence并接受QC验证时，才有资格成为相应场景中的协议对象。
五、对象边界需要通过七项闭合检查
一个SG候选对象是否成立，可以通过七个维度进行校验。
1. 身份闭合
系统能否持续确认它是同一个真实对象？
即使名称变化、模型更新、系统更换或生命周期阶段变化，它是否仍然能够通过UID保持连续？
如果一个对象无法稳定识别，就不能建立连续状态和执行事实。
2. 边界闭合
对象是否具有清晰的空间、系统、业务或者责任边界？
边界不一定只是几何轮廓。
它也可能是：
一个控制区域；
一个施工工作面；
一个设备功能单元；
一个缺陷处理范围；
一个机器人安全工作区。
3. 状态闭合
对象能否拥有独立状态？
这些状态是否具有：
明确时间；
数据来源；
状态版本；
可信度；
状态转换规则。
不能独立表达状态的细小对象，通常不需要被提升为独立SG。
4. 执行闭合
对象能否独立接受某项执行？
系统能否围绕它完成：
Target SG Resolution；
Authorization；
Policy；
Safety Gate；
Capability Check；
Command；
Professional Execution。
无法独立执行的对象，可能只是上级SG的属性、组成部分或关联对象。
5. Evidence闭合
对象能否产生独立、可追溯的Evidence？
Evidence是否能够明确绑定：
Target SG；
来源系统；
采集设备；
采集主体；
时间；
原始材料；
处理过程；
版本与哈希。
如果Evidence无法准确指向对象，对象事实就无法成立。
6. QC闭合
围绕该对象的Evidence，能否接受独立QC？
QC是否具备：
Rule ID；
规则版本；
输入Schema；
阈值；
计算方式；
人工复核条件；
责任主体。
Evidence说明观察到了什么，QC判断这些Evidence是否足以证明目标状态。
两者不能混用。
7. 责任闭合
执行、验证和结果是否能够对应明确责任主体？
包括：
谁提出Intent；
谁授权；
谁负责专业执行；
谁采集Evidence；
谁执行QC；
谁处理失败和人工接管；
谁对最终记录负责。
如果责任无法闭合，对象即使数据丰富，也难以成为正式执行事实的承载对象。
这七个维度共同构成对象进入SG协议体系的资格校验。
六、同一个真实对象，在不同场景中可能拥有不同协议边界
SG是场景最小对象，不是绝对最小对象。
以一个会议室为例。
在空间预约场景中，Room可能就是最合适的SG。
因为预约、使用状态、责任和服务都围绕整个房间形成闭环。
在节能场景中，则可能需要进一步识别：
Room SG；
HVAC Zone SG；
Lighting Circuit SG；
Meter SG；
Occupancy SG。
在设备维修场景中，空调区域可能还需要拆分为：
HVAC Unit；
Controller；
Sensor；
Maintenance Target。
在机器人清洁场景中，对象边界又可能变成：
Robot Work Zone；
Execution Target；
Obstacle Zone；
Tool。
真实空间没有一个适用于所有业务的绝对最小对象。
只有在特定事实目标下，能够形成独立执行、验证和责任价值的有效对象。
因此：
SG的“最小”，是协议最小性，不是几何最小性。
应当先明确需要形成什么独立执行事实，再决定对象边界，而不是先无限拆分模型，再寻找使用场景。
七、为什么不能简单说“对象边界由事实决定”
“对象边界由事实决定”是一种便于传播的简化说法。
但在正式理论中，需要更加准确。
真实对象并不是由系统事实创造出来的。
一台设备、一间房间、一根管道或者一个构件，不会因为是否建立了DQ Fact Record才存在。
更准确的表述是：
真实对象独立存在，专业模型负责表达对象；当对象进入执行协议时，其SG边界必须接受事实形成能力校验。
因此：
模型负责表达边界；
业务目标提出事实要求；
Fact Closure校验协议对象边界；
SG承载执行、Evidence、QC和责任；
DQ Fact Record记录最终形成的协议事实。
模型不是被否定。
事实也不是取代模型。
两者的关系是：
模型提供对象候选，事实闭合能力决定其是否有资格成为场景中的协议对象。
八、这一理论对AI执行意味着什么
AI进入真实世界以后，最大的风险并不是模型没有答案，而是系统把错误的数字对象当成真实执行对象。
如果对象边界不经过Fact Closure校验，AI可能：
对错误房间下发节能Intent；
把一个传感器点位误认为完整设备；
将多个同名构件视为同一个对象；
把相关信号变化误认为执行结果；
将接口返回成功误认为现场完成；
将日志或照片直接当作完整Evidence；
将QC通过误写成法律、审计或金融终局结论。
因此，AI Agent不能只获得工具调用接口。
它还必须获得：
正确的Target SG；
连续UID；
当前State；
Capability；
Authorization；
Policy与Safety Gate；
Evidence Requirement；
QC Profile；
Responsibility。
对象边界一旦错误，后续的授权、命令、执行和验证都会失去可信基础。
九、从“模型有什么”转向“要形成什么事实”
数字化时代习惯从模型出发：
有哪些对象？
有哪些字段？
有多少数据？
真实空间执行时代需要增加一组更严格的问题：
要形成什么独立事实？
哪个真实对象承担这个事实？
它的边界在哪里？
它能否被独立执行？
它能否产生独立Evidence？
它能否接受独立QC？
谁对结果负责？
只有回答完这些问题，模型对象才可能进入执行协议。
因此，KMT-P04最终要表达的不是“模型不重要”，而是：
模型可以定义表达边界，但不能单独决定执行协议边界。
真正的协议对象边界，必须同时通过身份、状态、执行、Evidence、QC和责任闭合能力校验。
结语
传统数字化关注的是：
对象
↓
属性
↓
数据
SG关注的是：
事实目标
↓
对象边界
↓
协议对象
↓
受治理执行
↓
可验证事实
这不是简单改变对象颗粒度。
而是改变真实世界进入数字系统和AI执行体系的基本顺序。
先定义事实目标，再决定协议对象边界。
模型让世界能够被表达。
Fact Closure让对象有资格进入执行。
SG则让真实对象能够被持续识别、受治理执行、独立验证并承担责任。