工作流
11 篇
从 Workflow Harness 到轻量 Prompt：Codex 5.6 之后我删掉了什么
当模型的原生流程已经够强，Harness 会从效率放大器变成上下文负担。这次重写保留了安全边界，同时大幅精简 Prompt 和运行时。
目标路由：「帮我改一下」和「帮我发个 PR」不该走同一条路
路由不是给请求贴标签，而是先确定这次授权了哪些副作用、什么证据才算完成。
补丁提升：为一次代码修改自建的一套运输协议
PatchBundleV1 将隔离环境中的候选文件状态封装为可验证工件，再由可信 Host 按日志步骤写入、回读并出具不可变回执。
上下文加载：解释「怎样加载上下文」本身也在消耗上下文
用证据优先级、可重建句柄与新鲜度指纹控制每一轮推理真正需要看到的材料。
阶段图：模型要先理解任务，还要再理解一张描述任务的图
用可验证的 DAG 表达节点依赖、执行权限、完成屏障、失败传播与恢复边界。
状态、事件与产物：一句「已完成」证明不了任何事
用 revision/CAS、租约围栏、因果事件链和内容哈希，把恢复与审计从模型叙述变成可验证协议。
测试通过、CI 绿色、线上正常，是三件不同的事
从本地测试到线上回读，每一层证据都必须绑定明确的结论范围，不能互相替代。
叫来一队 Agent，不等于做过多角度评审
用风险驱动选择、不可变执行计划、隔离上下文、完成屏障和证据化报告控制多 Agent 协作。
写入授权与隔离工作区：能编辑文件，不等于被授权编辑这个文件
StageWriteGrantV1 将任务权限压缩为绑定版本、路径、操作与执行实例的一次性能力，并由隔离工作树和逐层回读共同实施。
顶层配置只留四条硬规则：Agent 在哪里必须停下来
模型可以越来越自主，但生产、持久化数据、成本和不可逆动作必须先经过明确授权。安全不是效率的对立面，而是自动化成立的前提。
我给自己的 AI 研发流程写过一套控制平面
拆解一套强调可追溯、可恢复和权限隔离的文件式 AI 研发控制平面。