场景与透明边界
以下AI 前沿案例来自社区种子数据，没有采集真实用户故事；案例只模拟让生成代码符合现有工程约束中的小模型协作决策。
如果结构化输出失败样本无法回答越界修改发生在哪里，小模型协作就仍处于演示阶段，不能进入发布判断。
实施顺序
先让实现者声明验收门槛，再执行小模型协作；这样结构化输出失败样本可以判断模型总是改到无关文件是输入问题还是实现问题。
验收清单：
- 用结构化输出失败样本固定“让生成代码符合现有工程约束”的当前基线。
- 请实现者复核人工评审差异与任务边界。
- 若模型总是改到无关文件仍出现，停止扩大小模型协作的改动范围。
证据与取舍
验收证据：先看人工评审差异能否定位越界修改，再用结构化输出失败样本证明改动没有扩散到无关路径。
短期交付可以偏向明确数据所有权，长期维护则要求让工具输出成为证据；结构化输出失败样本应把两者的结果区分开。
本轮最多证明“让生成代码符合现有工程约束”中的一个受控路径，不能证明工具在未知条件下也安全。把越界修改和结构化输出失败样本一起记录，才能为下一次决策留下上下文。
停止条件：结构化输出失败样本无法复现或权限超出边界时，执行“撤销本轮生成补丁并保留失败日志”，不继续追加小模型协作改动。
社区问题
如果只能保留一份证据，你会为小模型协作选择结构化输出失败样本吗？它怎样帮助“让生成代码符合现有工程约束”里的团队识别越界修改？