问题定义
这是用于填充社区工作流的合成讨论，主题是推理模型在“修复只在真实浏览器出现的问题”里如何面对生成结果看起来正确却无法运行。
这次讨论把不可运行输出视作一等失败路径，而不是等推理模型完成后再补充的异常说明。
处理步骤
不要一次处理全部上下文；先围绕不可运行输出选择最小输入，完成给失败路径留恢复入口后再用同一任务的盲测结果验证真实入口。
验收清单：
- 用同一任务的盲测结果固定“修复只在真实浏览器出现的问题”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。
- 若生成结果看起来正确却无法运行仍出现，停止扩大推理模型的改动范围。
如何判断完成
验证记录：用结构化输出失败样本说明边界，用同一任务的盲测结果说明结果，并让发布执行者记录仍未覆盖的条件。
这里不预设“把提示词当作长期工程资产”一定错误，但它必须接受同一任务的盲测结果和“直接加载和客户端跳转结果一致”的双重约束。
对推理模型而言，可接受结果是“修复只在真实浏览器出现的问题”中的不可运行输出出现后仍能定位、停止并恢复。发布执行者应依据同一任务的盲测结果签署结论，而不是依据生成速度。
恢复路径：发现不可运行输出后先冻结发布，再关闭新增权限后重新确认必要工具，最后重新确认“直接加载和客户端跳转结果一致”。
开放讨论
你会把同一任务的盲测结果还是结构化输出失败样本设为推理模型的首要门槛？当“修复只在真实浏览器出现的问题”再次出现生成结果看起来正确却无法运行时，哪一步应该立即停止？