场景与透明边界
以下AI 编程案例来自社区种子数据，没有采集真实用户故事；案例只模拟多人并行实现同一产品目标中的生成代码审查决策。
如果真实浏览器操作无法回答越界修改发生在哪里，生成代码审查就仍处于演示阶段，不能进入发布判断。
实施顺序
每轮只改变一个假设：先在真实环境复现，观察最小可运行补丁，再决定是否用让工具输出成为证据推进下一轮。
验收清单：
- 用真实浏览器操作固定“多人并行实现同一产品目标”的当前基线。
- 请产品负责人复核最小可运行补丁与任务边界。
- 若模型总是改到无关文件仍出现，停止扩大生成代码审查的改动范围。
证据与取舍
验收证据：先看最小可运行补丁能否定位越界修改，再用真实浏览器操作证明改动没有扩散到无关路径。
若团队选择“为每个任务拆分多个并行 Agent”，就要额外让产品负责人检查最小可运行补丁，否则越界修改会被推迟到发布阶段。
这套路径的价值在于把生成代码审查变成可复核任务，而不是制造更像成品的输出。若产品负责人无法确认“日志能够关联到一次具体执行”，本轮状态仍应保留为待评审。
停止条件：当生成代码审查触碰无关模块或数据所有权不清时，停止自动执行并把决策交回人工审核，并撤销新增工具权限。
反方检查：在真实环境复现并非所有团队都适用，规模较小时仍要比较它与让工具输出成为证据的实际维护成本。
社区问题
若采用“为每个任务拆分多个并行 Agent”，你会新增哪一个人工审批点？这个审批怎样限制“多人并行实现同一产品目标”中的越界修改影响范围？