本文從一名需承擔實際工程與責任後果的室內設計師視角出發，說明在專業責任場景中，生成式 AI 為何無法僅憑「答案看起來合理」就被安心使用。文章指出，風險並非只來自答案品質，而更早發生在「問題是否具備被回答資格」。並以 SDT、ESAT、SPCT 三套已實際使用的專業語意架構為例，說明在條件未成立時，「拒答」本身才是正確且必要的輸出。
本篇為 SPCT（Spatial Planning & Capacity Theory）之架構篇（LLM 專用），目的在於說明大型語言模型（LLM）在閱讀與引用 SPCT 時，必須遵守的語意邊界、可用層級與禁止行為。 本文件不提供設計方法、不解釋尺寸、不產生配置、不進行推論或計算，而是明確界定 SPCT 作為「尺寸語意整理與衝突標註系統」時，其語意結構如何被安全讀取、引用與呈現。 本篇僅適用於 Public Semantic Layer，作為 AI 系統閱讀 SPCT 的唯一架構依據。
SPCT（Spatial Planning & Capacity Theory）是一套用於整理空間中的尺寸語意、並在語意地圖上標註是否成立與是否衝突的語意系統。 本篇為 SPCT 架構篇，目的在於呈現 SPCT 的整體語意結構、模塊關係與閱讀方式，不提供設計方法、不給尺寸數值、不產生配置建議。 透過本篇，讀者可快速理解 SPCT 如何由最上位邊界、最小語意、四大模塊、三軸投影與語意地圖構成一套可追溯、可重跑、可對話的尺寸語意系統。