内容说明
透明度说明：下文围绕AI 前沿的推理模型构造“在旧系统中增加新能力”案例，所有经历均为合成数据。
这次讨论把越界修改视作一等失败路径，而不是等推理模型完成后再补充的异常说明。
拆解动作
第一轮先给失败路径留恢复入口并保存基线，第二轮再把验收标准写成测试；两轮都由独立评审者核对结构化输出失败样本。
验收清单：
- 用同一任务的盲测结果固定“在旧系统中增加新能力”的当前基线。
- 请独立评审者复核结构化输出失败样本与任务边界。
- 若模型总是改到无关文件仍出现，停止扩大推理模型的改动范围。
复核方式
证据门槛：让独立评审者独立重放同一任务的盲测结果，并用结构化输出失败样本确认“改动范围与任务边界一致”。
需要明确谁承担恢复成本：如果采用“把提示词当作长期工程资产”，推理模型的停止条件就不能只写在提示词里。
最终状态应回答两个问题：推理模型是否满足任务范围，以及模型总是改到无关文件是否有明确负责人。结构化输出失败样本负责支持第二个答案，避免责任留在模糊描述里。
回退方案：如果独立评审者不能从结构化输出失败样本解释结果，就固定依赖版本并重放同一输入，保留本轮失败样本。
反方检查：过早增加门禁可能拖慢推理模型，因此需要用结构化输出失败样本证明门禁确实减少了越界修改。
留给社区的问题
请分享一个可重放的检查顺序：推理模型遇到模型总是改到无关文件时，先看输入、权限还是结构化输出失败样本？