场景和目标
社区种子标记：围绕推理成本展开的“修复只在真实浏览器出现的问题”情境是人工组合的讨论素材，并非线上事故记录。
先把成功条件限定为“改动范围与任务边界一致”，再观察生成结果看起来正确却无法运行是否会让同一任务的盲测结果失去解释力。
操作边界
流程上先保持改动范围可解释，再为推理成本开放必要工具；每增加一步，都要重新确认“改动范围与任务边界一致”。
验收清单：
- 用版本固定的复现实验固定“修复只在真实浏览器出现的问题”的当前基线。
- 请安全评审者复核同一任务的盲测结果与任务边界。
- 若生成结果看起来正确却无法运行仍出现，停止扩大推理成本的改动范围。
验收闭环
证据门槛：如果版本固定的复现实验不能复现生成结果看起来正确却无法运行，就先修正测试条件，而不是继续增加推理成本的实现范围。
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”，推理成本的停止条件就不能只写在提示词里。
如果“改动范围与任务边界一致”通过，可以把推理成本推进到更大样本；如果未通过，就保留版本固定的复现实验并执行恢复。这个分支必须在“修复只在真实浏览器出现的问题”开始前写清楚。
回退方案：如果安全评审者不能从同一任务的盲测结果解释结果，就隔离冲突改动后逐项重新合并，保留本轮失败样本。
分歧点
你如何判断“改动范围与任务边界一致”已经满足？安全评审者还应补看哪类推理成本证据？