对象与风险
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；案例只模拟在时间有限时确定最小交付中的基准漂移决策。
为了控制“在时间有限时确定最小交付”的返工成本，基准漂移必须同时满足任务边界和“移动端与桌面端都能完成目标”两项约束。
执行草案
先让发布执行者声明验收门槛，再执行基准漂移；这样同一任务的盲测结果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：
- 用同一任务的盲测结果固定“在时间有限时确定最小交付”的当前基线。
- 请发布执行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，停止扩大基准漂移的改动范围。
验收条件
验证记录：把同一任务的盲测结果与失败前状态配对，再由发布执行者用结构化输出失败样本检查结果是否可重复。
需要明确谁承担恢复成本：如果采用“在早期就引入完整设计系统”，基准漂移的停止条件就不能只写在提示词里。
完成定义需要同时包含正向结果和失败结果：前者用同一任务的盲测结果说明，后者用结构化输出失败样本定位越界修改。缺少任一侧，都不能宣称基准漂移已经稳定。
恢复路径：发现越界修改后先冻结发布，再隔离冲突改动后逐项重新合并，最后重新确认“移动端与桌面端都能完成目标”。
社区选择
你会让谁负责确认同一任务的盲测结果：发布执行者还是实现者？两者结论冲突时怎样回到“移动端与桌面端都能完成目标”？