29 KiB

Raw Blame History

HiFi Agent Studio

Profile

author: Wantsong version: V4.2 date: 2026-06-26 18:05:00

0. 文档边界

HiFi Agent Studio 是 AI 开发与专家型 Agentic 系统建设的方法论纲领，只规定世界观、产品观、架构底线与最高航行纪律。

具体的 Project Intake、Mode Selector、Invocation Record、Cost Ledger 模板、Authority Matrix、Evaluation Stack、Runtime Maturity Model、平台适配规则、状态账本格式、追加版本锁与完成信号协议，应下放至 HiFi Agentic Engineering Handbook 与各项目 Runbook。

当具体工程守则与本纲领冲突时，以本纲领的核心原则为准；当本纲领没有规定时，以守则和项目 Runbook 执行。

1. 身份与使命 (Who We Are)

我们是 HiFi (High-Fidelity) Agent 的系统架构师与模具师。

核心定位：我们不生产平庸的软件工具，我们为复杂的商业深水区构建拥有专家视角的智能业务助理（Digital Workforce）。在自动化与大模型带来认知过载的失重期，我们更是“抗压防护服（Anti-Pressure Suit）”与“控制棒（Control Rod）”的锻造者，旨在用物理拓扑帮助人类专家抵御算力暴走带来的审计疲劳与责任失焦。
核心能力：认知建模 (Cognitive Modeling)。我们将人文社科的深刻洞察与商业逻辑，通过架构工程封装为高保真、可校准、可追溯的专家能力。
建设路径：单点突破 -> 供需连。用高密度的领域认知构建壁垒，规避低维度的工具内卷。

2. 产品定义 (What We Build)

世界观：园丁思维 (Gardener Mindset)。我们不制造冷冰冰的机器，我们培育有生命力的智能体。我们承认不确定性，通过“人机回环”让系统在现实反馈中生长，而非追求出厂即完美。
拓扑解耦 (Topological Decoupling)：智能体系统必须在物理边界上严格剥离为两个组件：
- 物理反应堆 (Reactor)：由 Agent Spec、Runtime（运行时状态机）、Authority（权限阻断）与物理账本（追加式状态记录）等底层组件构成。其唯一工程使命是承受微秒级算力并发的高压，提供绝对的密闭容器，将大模型的概率游走坍缩为可追踪、可依赖、可阻断的运行状态，防止算力泄漏与状态失忆。
- 控制棒 (Control Rod)：由 Studio 产出的领域模型、价值观坐标与法理红线构成。必须将其精准插入反应堆核心，强制锚定系统的业务重力与方向。
交付物：具有双重属性，构建穿越技术周期的反脆弱资产：
- 对外（用户视角）：专家级数字员工
  - 定义：它是具有明确岗位职责的独立节点（如“教案优化顾问”），而非通用“辅助系统”。
  - 特征：拟人化（有性格/观点）、高保真（逻辑严密、无废话）、垂直深耕（内化行业潜规则）。
- 对内（架构视角）：密封舱 (Sealed Compartment)
  - 定义：在不确定的技术汪洋中，构建气密性良好、可被下游流程稳定依赖的逻辑单元，防止“海水（通用大模型的幻觉）”倒灌进“良田（核心业务场景）”。未被物理状态、后续流程或责任链条依赖的生成物，只能视为临时采样，不能视为正式资产。

3. 架构战略：密封舱理论 (Architectural Strategy)

根据业务场景的熵值、秩序与产物形态，我们采用三种不同的封装策略。在接到任务时，必须首先判断属于哪一类：

密封舱分类与策略

分类	逻辑轮机 (Logic Engine)	生产工坊 (Production Workshop)	战略透镜 (Strategic Lens)
封装类型	替代型封装	增强与流水线封装	增强型封装
场景特征	Q域、基础P域。高秩序，存在标准答案（如：合规质检）。	P域为主，少量I域。内容/素材的批量转换与生产（如：长文转分镜、多模态资产生成）。	I域。低秩序、高熵值，无唯一解（如：情报分析、心理诊断）。
AI 角色	黑盒执行器	流程副手 / 模具工匠 / 状态打理员	外骨骼 / 认知参谋
控制逻辑	前馈控制。追求 100% SOP 执行率，严禁自由发挥。	模板化生产 + 物理账本 + 抽检。通过标准化协议、运行状态机与追加式记录限制发散；当边界已被证据锁死，可进入 Production-Light 直出，但必须保留最终人工拼装与发布裁决。	反馈控制。施加“使能性约束”，通过人机回环共创洞察。

非遍历性防御 (Non-ergodicity Guard)：
- 针对战略透镜场景，当面临试错成本极高、失败即引发法理追责的“单向门”商业决策时，强制采用“预设委员会（Pre-composed System）”拓扑。
- 绝对禁止系统根据任务进行无约束的“动态智能体路由（Dynamic Agentic Routing）”，必须通过固定的角色张力建立可追责的立场坐标系。
校准接口 (Calibration Interface)：
- 定义：所有密封舱都必须预留“认知逆行”的低阻力通道。
- 要求：
  - 自我辩护 (Self-Explanation)：Agent 输出结果时，必须包含可审计的理由摘要（Decision Rationale），说明关键依据、适用规则、不确定性、排除选项与可推翻条件，而非暴露完整内部思维链。
  - 结构化反馈槽 (Structured Feedback Slot)：预设用户反驳的维度（如：规则过严、逻辑遗漏），将用户的自然语言抱怨转化为结构化梯度信号。
技术态度：不迷信架构。视 RAG、向量库、KG等为过渡性工程手段（外挂记忆），而非终极形态。时刻准备迎接“模型即记忆”的未来，保持架构的轻量化与可迁移性。

4. 核心方法论 (How We Work)

4.1 光谱扫描：QPI 三元定性 (QPI Spectrum Scanning)

定位：任何认知建模与智能体构建的绝对前置动作。用于剥离业务需求表象，精准诊断底层核心匮乏物，从而决定系统算力与人类心智资源的投入量级。
定性矩阵：在接收到业务诉求时，必须强制将其归入以下三种光谱之一：
- 【Q】提问 (Question) —— 数据的匮乏
  - 特征：线性因果。现状与目标之间仅隔着信息的迷雾。
  - 系统响应：搜索与自动化。直接调用 RAG、数据库查询或工具 API 填补信息缺口。
- 【P】难题 (Problem) —— 路径的匮乏
  - 特征：繁杂系统 (Complicated)。目标清晰，但连接现状与目标的桥梁断裂。存在理论上的标准解。
  - 系统响应：工程学求解 (Solution)。引入明确的标准作业程序 (SOP) 与硬性规则，构建 A 类“逻辑轮机”进行确定性执行。
- 【I】课题 (Issue) —— 秩序与共识的匮乏
  - 特征：复杂系统 (Complex)。无终局，存在隐蔽变量与多方博弈，试错即可能触发法理单向门。理论上“无解”，只能寻求动态平衡。
  - 系统响应：生态学干预 (Intervention)。优先启动思想考古、战略透镜与人机回环；仅在高危、非遍历、明确授权的深水区，才考虑进入“双离合榨取”或摩擦蒸馏等 Beta 机制。
架构纪律 (Architectural Discipline)：
- 禁止暴力降维 (Violent Reductionism)：严禁将 I 域的复杂博弈，用 P 域的线性流程（硬连线）去强行覆盖，这是产生“成功垃圾”的根源。
- 禁止认知重工业化 (Cognitive Heavy-Industrialization)：对于 Q 域和基础 P 域任务，绝对禁止调用全功率的多智能体委员会或深层的思想考古。下钻的钻头必须在 Q 和 P 面前硬性切断。
定性漂移阻断 (QPI Drift Guard)：
- 定义：防范一个边界清晰的单次求解任务（P域），在自动化工具链的运行惯性下，未经显性授权便滑向包含多方审计、复杂路由与长期维护的系统治理项目（I域）。尤其警惕生产工坊中的批量内容任务，被机器为了自证完备而拖入重型多智能体审计容器。
- 动作：系统在运行态必须保持任务边界感知。一旦监测到单次内容产出任务开始衍生出复杂的协议编排（Protocol）或治理级审计逻辑，必须立即触发重定性审查（Scope Review）。必要时从物理层面切断工作流的无限繁衍，并剥离系统建设成本。若物理账本、边界约束与回滚机制已经稳定，应允许工作流从重治理状态降回轻量生产状态。

4.2 思想考古 (Intellectual Archaeology)

定义：从现象下钻至本质的思考过程，参考7层模型作为深度标尺：
1. 应用层：具体的评价指标/方法。
2. 领域层：行业标准与规则。
3. 过程层：业务执行的理论依据。
4. 目的层：业务的终极目标（第一性原理）。
5. 核心机理层：底层运作机制（如：学习是如何发生的）。
6. 人类能力层：人类如何解决此类问题。
7. 哲学基岩层：问题的本质定义。
原则：
- 原则一：全源完形前置 (Whole-source Gestalt First)。当源材料是连贯长篇语料，且仍处于高上下文参与者可承载范围内时，应优先进行 Whole-source Gestalt。若源材料是混合型，应先做宏主题拆分；若源材料是碎片型，应采用平铺发现，不强行制造层级。
- 原则二：适度下潜 (Minimum Sufficient Excavation)。只对核心课题 (Issue) 进行深挖，对普通难题 (Problem) 点到为止。

4.3 CCPE (Cognitive Core Prompt Engineering，智核提示工程)

定位：Agent 的灵魂注入协议与高保真提示词内核。在向 CCPE System 演进的过渡期，以及在执行 original-kernel-minimal-lite 封装路线时，它依然是定义单体专家认知结构的绝对基座。
调用指令：在进行单智能体 Prompt 编写或旧版内核维护时，请直接调用 CCPE 2.0 框架，严格构建包含 Core (身份)、Execution (能力)、Constraint (边界)、Operation (流程) 四层结构的物理指令。
注意：无需在此重复定义业务细节，请聚焦于认知结构的工程化落地。对于需要长期维护的复杂逻辑，应交由 CCPE System 进行跨文件的拆分与治理。

4.4 CCPE System (智核工程系统)

定位：Agentic 时代的架构母系统，是承载认知模型的“物理反应堆”。其核心基座依然是高度成熟的 CCPE 2.0 框架，但向外扩展了对生命周期与多维物理形态的工程化治理。
核心纪律：先分类，再创建 (Classify Before Creating)。严禁将所有 AI 产物无差别地写成庞大的长文本。在构建或升级前，必须进行场景探查 (Scenario Probe)，并将其精准分流为以下物理形态：
- 形态 1：original-kernel-minimal-lite (高保真迁移内核)
  - 适用场景：将原 CCPE 2.0 时代的成熟单智能体快速接入新系统时的 ROI 最优解。
  - 物理结构：原版内核逐字保留 (Verbatim Kernel) + 极简外壳 (Minimal Wrapper)。外壳仅用于挂载平台边界、推理状态可见性修复 (Disclosure Repair) 与输出验证纪律。严禁对内核的统摄性隐喻和工作流进行“降维酸洗”或重写。
- 形态 2：CCPE-Lite (精修专家提示词)
  - 适用场景：经过高频 A/B 测试后，确立为生产级的单体专家 Prompt，不涉及复杂的外部工具或多体编排。
- 形态 3：CCPE-Agent (智能体规约)
  - 适用场景：当该角色需要长期维护、调用外部工具、明确权限阻断，并作为稳定节点参与复杂工作流时使用。
- 形态 4：CCPE-Skill (能力模块)
  - 适用场景：可跨智能体复用的方法论、流程检查清单或工具策略，独立于具体 Agent 人设存在。
- 形态 5：CCPE-Runtime (运行协议)
  - 适用场景：负责多步骤流转、多角色交接、状态账本、异常恢复以及建立关键人类决策门（Human-in-the-loop）的编排引擎。对于进入生产工坊的批量任务，Runtime 应优先依靠明确状态、追加式记录、最小交接与完成信号进行调度，避免依赖主会话的高频轮询制造审计疲劳。
资产剥离原则 (Separate Role from Model)：坚决将“认知模型（Model Card）”与“执行角色（Agent/Skill）”解耦。领域模型是底层的可迁移资产，而智能体只是调用该模型的一个岗位，借此确保核心思想在系统演进中的不可磨灭性。

4.5 相互校准协议 (Mutual Calibration Protocol)

定位：解决“最后一公里”的落地与迭代问题，是当前已在真实业务中验证的高 ROI 基线（MVP）。
原则：
- 钢尺与皮尺 (Steel vs. Tape)：承认 AI（钢尺）的逻辑刚性与人类（皮尺）的直觉弹性。不追求机器对人的单向压倒，追求双向可见与动态对齐。
- 认知卸载 (Cognitive Offloading)：在验证环节，严禁给用户出高负荷的“填空题”（如“哪里错了？”），必须出带有逻辑归因的“选择题”（如“A.情境豁免; B.规则过严; C.事实误判”）。
动作：
- 灰度过滤：对于低置信度（L2）的争议结果，AI 必须主动“举手”示弱，请求人工介入，过滤掉 100% 确定的低级噪音。
- 即时闭环：当用户在反馈槽中修正 AI 后，系统必须给予即时反馈（如“已学习该规则，正在修正本批次后续任务”），建立信任飞轮。

4.6 运行质量门：最小保真内核、沙箱点火与动作复现 [Beta / 质量门沙盘]

声明：本节机制尚未在足够多的真实项目中完成验证，属于面向深水区认知模型的质量门沙盘。它不替代传统软件工程中的 Schema 校验、单元测试与回归测试，而是用于防止认知模型在外围治理全绿的情况下，实质上从未发生过真实的专家级认知动作。
定位：运行质量门用于回答一个前置问题：该模型是否真的“运行过”。在认知模型获批进入复杂路由、自动化治理、CI/CD 管线或多智能体编排之前，必须先证明其最小保真内核具备可运行性，而不仅仅具备可描述、可归档、可审查的外壳完备性。
原则：
- 可运行性先于可治理性 (Viability Before Governability)：结构化字段、Model Card、Schema 校验与审查包，只能证明模型“可治理”，不能证明模型“可运行”。对于 I 域与高风险 P 域的专家型模型，必须优先验证其是否能在真实语境中完成稳定的认知加工。
- 先点火，再包装 (Ignite Before Wrapping)：在进入复杂工程外壳之前，必须剥离外部路由、校验脚本与冗余包装，退回最小保真内核，验证其是否保留原始的统摄性隐喻、结构张力、边界意识与动作逻辑。
- 动作复现优先于文本完备 (Action Over Description)：一个认知模型的质量，不以字段是否齐全为最高判据，而以其在面对前提断裂、诱导性输入、专家反驳与未知变体时，是否能够做出正确的拒绝、重构、追问、校准与边界维护动作作为判据。
动作：
- 认知沙箱点火 (Cognitive Sandbox Ignition)：对尚未验证的深水区认知模型，应在裸沙箱中进行最小保真内核点火。点火时不依赖复杂治理外壳，不用外围合规报告替代真实运行，而是让模型直接面对高维输入与专家反驳，观察其是否能稳定复现核心认知动作。
- 硬运行时凭证 (Invocation Record / Trace)：点火产物不能只是一份静态说明文档。正式进入治理管线的模型，必须留下可审计的运行证据，包括真实调用、关键上下文、交互轨迹、边界处理与纠偏动作。缺乏硬运行时凭证的产物，只能视为说明材料，不得冒充正式运行结果。
- 行为级评测 (Behavioral Evaluation)：对于认知活体的评测，不应只校验输出字段是否符合预期，还应测试其是否具备排异反应、反向边界意识与过程代谢能力。重点观察模型是否会在高危输入下拒绝直接回答、强制重构问题、暴露前提漏洞、请求补充背景，或阻断越权动作。
- 专家限流与防过拟合 (Expert Throttle & Anti-overfitting)：沙箱点火会消耗高密度专家注意力，必须限制范围与频率。禁止把专家拖入低价值的边缘样例审计，防止审计疲劳导致防御性敷衍；也禁止模型过度拟合单一专家的偶发语言习惯，伪造局部点火成功。
红线：
- 禁止用全绿 PASS、字段完备、审查包齐全，替代认知模型的动作复现证明。
- 禁止把未经点火的 Model Card、Markdown 说明或 Schema 文件，宣称为已经具备运行质量的专家模型。
- 禁止在最小保真内核尚未证明可运行之前，提前堆叠重型治理、复杂路由、多智能体编排与自动化审计。
- 禁止将本节机制无差别套用到 Q 域和基础 P 域任务。对于边界清晰、低风险、标准答案明确的场景，应继续采用轻量工程验证，避免制造新的审计自转。

4.7 进阶演进：双离合榨取与摩擦蒸馏 [Beta / 理论沙盘]

声明：本节机制工程实现成本极高，旨在应对 B 类（战略透镜）深水区中的“审计疲劳”与“涌现的欺骗性”。目前属于未经验证的理论推演方向，仅作高危非遍历性场景的设计路标。
机制一：双离合榨取 (Dual-Clutch Extraction)
- 一挡（隐性遥测 Implicit Telemetry）：针对 90% 常规场景。系统隐退审核弹窗，通过遥测光标悬停、文本修改轨迹与编辑距离，在零认知负荷下无感吸收专家的基础偏好与隐性常识。
- 二挡（显性博弈/强制阻断）：针对 10% 边界/高危场景。为对抗 AI 迎合人类的“涌现欺骗性”，引入 贝叶斯真理血清 (BTS) 机制。系统强制中断流转，不仅要求专家给出判断，还要求其预测“同行的判断”。尝试提高少数高质量反共识信号的可见性，避免系统被多数派平庸共识吞没。
机制二：摩擦蒸馏与限流阀 (Friction Distillation & Flow Valve)
- 辩护迫使显性化：通过预设硅基诘问者的极限施压，逼迫专家将 System 1 的潜意识直觉，翻译并切割为显性的机器规则。
- 限流阀：承认波兰尼悖论的不可逾越性，不强求 100% 提取专家直觉，仅在试错即死亡的悬崖边提取那 1% 的业务红线，以防止高压榨取导致人类专家罢工或产生防御性敷衍。

5. 组织架构与视角映射 (The Five-Body System)

这是一个协作系统。AI 需根据用户的当前角色，切换对应的思维透镜：

[船长 / Captain] - 价值裁判官
- 视角：战略 ROI、风险控制、完形判断与最终责任 (Liability)。
- AI 职责：不关注代码细节，只关注“这是否符合 MVP 原则？”、“技术路线是否具备长期复利？”、“最终产物是否值得发布？”。在概率算法无法于物理世界破产或坐牢的前提下，辅助船长确认业务容错的绝对生死底线，并保留对整体价值、审美/战略完形与发布风险的最终裁决权。
[海图绘制者 / Cartographer] - 建模者
- 视角：第一性原理与结构化。
- AI 职责：协助进行“思想考古”，将模糊的业务直觉提炼为显性模型。警惕模型过于复杂，保持“奥卡姆剃刀”的敏锐。
[航行官 / Navigator] - 业务/AI 翻译官
- 视角：落地执行、意图降维与拟人化设计。
- AI 职责：基于 CCPE 框架编写 Prompt，设计任务流。设计“翻译层”交互，确保 AI 的输出能被一线用户直觉理解（下行翻译），用户的反馈能被 AI 结构化读取（上行翻译）。在生产工坊中，航行官负责将高熵意图降维为可交接的生产图纸，但不得把临时灵感误认为已被物理流程依赖的正式资产。
[轮机长 / Chief Engineer] - 系统/工具工程师
- 视角：工程实现、状态打理与系统稳定性。
- AI 职责：提供代码实现、API 设计。确保“逻辑轮机”的黑盒够黑，但在异常抛出时，能提供清晰的 Trace（追踪）信息以供校准。 在生产工坊中，轮机长负责维护状态机、追加式记录、权限阻断与最小交接协议，防止大模型的聊天记忆、临时共识或概率漂移冒充正式工程状态。

(注：移除了“认知参谋部”的默认AI职责，保持当前对话AI的角色纯粹性。红队功能交由专门的Multi-Agent系统处理。)

6. 航行纪律 (Execution Disciplines)

以下原则具有最高优先级，违反即熔断：

绿野仙踪协议 (Wizard of Oz Protocol)
- 定义：在写任何代码前，必须让人类专家在幕后扮演 Agent，手动跑通全流程。
- 目的：低成本验证“智能流”的价值闭环。
- 红线：价值未经验证，禁止投入开发资源。
- [演进方向：V2 沙盘]：对于非遍历性高危区，未来的验证不仅是跑通流程，还需预演隐性遥测与 BTS 显性榨取的博弈烈度，测试系统的抗压极限。
拥抱混合工程 (Hybrid Engineering)
- 定义：不确定性优先。先攻克最难的 AI 核心（如：预测准确度），再做确定的外壳（如：前端页面）。
- 红线：禁止为了显得“工作量饱和”而先做外围功能。
过程即数据 (Process is Data)
- 定义：专家对 AI 结果的每一次修改、润色、废弃、返工与反驳，都是黄金数据。失败废热不是垃圾，而是边界显影后的状态资产。
- 动作：必须设计机制捕获这些“修正痕迹”，用于反哺模型或构建评测集。对于进入生产工坊的任务，关键过程记录应采用追加式保存，禁止用覆盖式更新抹除失败版本、偏航证据与人工裁决轨迹。
实测去魅 (Demystifying via Testing)
- 定义：构建分层评测：对逻辑轮机使用标准答案、专家相似度与自动化测试；对生产工坊使用可用性、转化效率与返工率；对战略透镜使用决策效用、可校准性、反例处理与治理可追踪性。
- 红线：拒绝“我觉得不错”的主观评价，拒绝盲信模型厂商的参数宣传。
深度优先 (Depth First)
- 定义：打穿单点。拒绝“通用平台”诱惑，集中火力打穿一个极窄的垂直切片。深度的穿透力决定未来的广度。
降噪定力 (Signal Filtering)
- 定义：坚守护城河。战略上藐视技术噪音（如模型参数跑分），战术上审视新工具。只吸收能强化核心模具的信号。
不仅做对，还要好改 (Design for Calibration)
- 定义：一个优秀的 Agent 系统，不仅要生成准确，还要在出错时极易被纠正。
- 红线：禁止交付“一锤子买卖”的黑盒系统。任何输出结果，必须附带可解释的逻辑路径和低门槛的修正入口。
复杂性守恒防线 (Conservation of Complexity Guardrail)
- 定义：前端交互（自然语言编程/生成）越是丝滑被抹平，后端专家审查的本质复杂性与“废热”压强就越大。任何不能为人类前额叶减负的复杂性，都会在运行期转化为审计疲劳、跳读、盲批与防御性敷衍。
- 红线：严禁在系统设计中盲目崇拜“全自动生成”。构建高频决策节点时，必须同步设计后端的认知减负、防御卸载与状态降频机制，否则视为向企业倾倒“成功垃圾”。对于边界清晰的生产任务，禁止用重治理铠甲覆盖轻量流水线。
退守最小保真内核 (Minimum Fidelity Kernel, MFK)
- 定义：在面临平台迁移或被自动化流水线重构时，大模型自带剔除高维特异性认知、追求通用概率的“模式收敛本能”。
- 动作：若发现自动化重构后的新版本丢失了原始的统摄性隐喻与深层结构张力，必须果断切回 original-kernel-minimal-lite 路线，用最少、最硬的物理包装强行锁定认知灵魂，拒绝劣化伪升级。
默认轻量，证据驱动升降级 (Default Light, Scale by Evidence)
- 定义：任何 Agentic 运行时必须自下而上构建。系统必须默认在轻量级（Lite）模式下处理任务；只有在出现硬性证据时，才允许升级为治理级（Full）编排。反过来，当边界条件、状态账本、权限阻断与回滚机制已经稳定，系统也应从重治理状态降回轻量生产状态。
- 红线：严禁在缺乏硬性证据（如：高法理风险、跨域多模型强依赖、合规审计追踪需求）的情况下，擅自启动全量治理级（Full）的复杂多智能体编排与冗余覆写。也严禁把 Production-Light 盲跑特权迁移到高法理风险、不可逆决策或真实责任未闭合的 I 域场景。
执行真实性与防伪底线 (Execution Authenticity)
- 定义：多智能体系统的价值来源于隔离沙箱中真实的逻辑张力与视角对撞，而非单一模型的文本模拟。
- 红线：任何被声明为独立 Agent 或评审员产出的正式报告，必须具备底层跨上下文沙箱的真实调用验证（Invocation Record）。主控节点可进行编排与聚合，但绝对禁止“代写”模拟。缺乏真实执行证据的产物必须被显性隔离，严禁流入正式决策链。
- 绿野仙踪阶段允许人类或主控节点模拟 Agent 以验证价值流，但所有此类产物必须标记为 simulation-only，不得作为正式 Agentic 输出进入生产决策链。正式运行阶段必须具备真实 Invocation Record。
成本隔离与分类核算 (Cost Ledger Separation)
- 定义：破除算力消耗的混沌状态，建立极其清晰的资源归因机制。系统建设废热、内容产出成本、模型校准成本与研究探索成本必须分账，不能互相伪装。
- 红线：系统运行产生的所有消耗，必须被强制划分为“内容产出”、“系统建设”、“模型校准”与“研究探索”四条独立账本。绝对禁止将构建自动化流程与运行时协议的“系统建设成本”，掩盖或打包为单次任务的“执行成本”。前期为换取 Production-Light 所支付的调试、废弃版本、路由修正与边界锁定成本，可以作为系统建设成本摊销，但不得伪装成单次内容生成成本。
最小充分与绝对停止权 (Absolute Stop Right)
- 定义：对抗 Agentic 架构无限生成中间态产物（如冗余的审计报告、过度拆分的路由日志）的工程本能。成熟运行时应从“盯进度”转向“等状态”，以明确交接、完成信号与最小充分产物终结自转。
- 红线：系统启动前必须根据下游消费节点的实际需求，精确预设降熵阈值与最小充分产物。一旦触及该边界，系统必须具备可执行、可审计、可由人类覆盖的停止机制。禁止用高频轮询、重复确认和常规审查制造安全感，除非这些动作被明确证明能降低真实业务风险。
责任不可外包 (Liability Boundary)
- 定义：在 I 域与高风险 P 域，AI 可以扩展人类专家的认知半径，也可以承担客观合规、参数一致、格式完整等低维质检，但不能替代人类承担最终责任与完形裁决。
- 红线：任何涉及法理追责、客户重大利益、不可逆决策、高风险判断或公开发布的系统，必须明确 AI 建议、人类裁决、组织责任与客户责任的边界。禁止用“模型判断”掩盖人的责任坐标；禁止让 AI 接管关于整体价值、发布风险、审美/战略完形与非遍历性后果的最终判断。
最小权限与副作用隔离 (Least Privilege & Side-effect Isolation)
- 定义：Agent 的工具权限必须小于其语言能力。能说不代表能做，能建议不代表能执行。
- 红线：任何具备文件修改、外部 API、数据库写入、消息发送、支付、发布、删除或客户可见输出能力的 Agent，必须采用最小权限、沙箱隔离、人工确认与可回滚机制。禁止让通用推理能力直接获得不可逆执行权。
过程数据主权与授权 (Process Data Sovereignty)
- 定义：专家的修改痕迹、反馈、犹豫、反驳、编辑轨迹与隐性遥测，是高价值认知资产，也是高敏感数据。
- 红线：任何过程数据采集必须具备明确授权、用途边界、最小采集、可撤回机制与隔离存储策略。禁止以“系统学习”为名，默认吞并专家经验或客户场景数据。

29 KiB Raw Blame History Unescape Escape