范围声明
透明度说明：下文围绕AI 前沿的模型评测构造“从一句模糊想法到可运行页面”案例，所有经历均为合成数据。
讨论边界包括仓库约束、工具权限和数据所有权；模型评测只有经发布执行者复核延迟与成本记录后才算进入闭环。
可重放步骤
每轮只改变一个假设：先让工具输出成为证据，观察版本固定的复现实验，再决定是否用先验证关键路径推进下一轮。
验收清单：
- 用延迟与成本记录固定“从一句模糊想法到可运行页面”的当前基线。
- 请发布执行者复核版本固定的复现实验与任务边界。
- 若模型总是改到无关文件仍出现，停止扩大模型评测的改动范围。
评审证据
证据门槛：如果延迟与成本记录不能复现模型总是改到无关文件，就先修正测试条件，而不是继续增加模型评测的实现范围。
短期交付可以偏向让工具输出成为证据，长期维护则要求先验证关键路径；延迟与成本记录应把两者的结果区分开。
这套路径的价值在于把模型评测变成可复核任务，而不是制造更像成品的输出。若发布执行者无法确认“工具权限没有超出任务需要”，本轮状态仍应保留为待评审。
回退方案：如果发布执行者不能从版本固定的复现实验解释结果，就回到最小样本重建失败条件，保留本轮失败样本。
反方检查：完全依赖人工会降低速度，较平衡的做法是让版本固定的复现实验触发审批，而不是审批每一步。
欢迎补充
面对“从一句模糊想法到可运行页面”，你会先让工具输出成为证据还是先先验证关键路径？请给出能由发布执行者执行的检查动作。