讨论前提
社区种子标记：围绕隐私边界展开的“在旧系统中增加新能力”情境是人工组合的讨论素材，并非线上事故记录。
如果同一任务的盲测结果无法回答不可运行输出发生在哪里，隐私边界就仍处于演示阶段，不能进入发布判断。
工程动作
流程上先先读约束再动手，再为隐私边界开放必要工具；每增加一步，都要重新确认“迁移与回退都经过预演”。
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。
- 请数据所有者复核结构化输出失败样本与任务边界。
- 若生成结果看起来正确却无法运行仍出现，停止扩大隐私边界的改动范围。
失败时怎么办
证据门槛：让数据所有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“迁移与回退都经过预演”。
这里不预设“为每个任务拆分多个并行 Agent”一定错误，但它必须接受同一任务的盲测结果和“迁移与回退都经过预演”的双重约束。
这套路径的价值在于把隐私边界变成可复核任务，而不是制造更像成品的输出。若数据所有者无法确认“迁移与回退都经过预演”，本轮状态仍应保留为待评审。
恢复路径：一旦生成结果看起来正确却无法运行扩大影响范围，立即将旧结论标记过期后重新采样，并用结构化输出失败样本确认基线。
你的门槛
对“在旧系统中增加新能力”而言，隐私边界最值得自动化的环节是什么？哪一环必须保留人工判断？