六条路线都说明输入是什么、系统怎么处理、哪里会失败，以及可以打开哪个项目验证。
按真实运行顺序查看：数据进入、上下文组装、模型输出、工具执行、任务调度、权限检查、质量评测和产品反馈。
采集、许可、版本、质量、血缘与可重放性。
先用能满足约束的最简单结构；只有主要路径无法预先列出时，才让 Agent 自己选择下一步。
步骤和工具已知，但个别节点需要模型理解或生成。
路径高度开放，无法预先枚举主要分支。
勾选约束后，页面会给出推荐结构、必要检查和相关案例。计算只在当前页面完成，不保存选择。
规则透明：约束对五种模式加权，复杂度基线偏向简单方案；排序分数不是模型置信度。
输入完整、步骤固定，只需要分类、抽取或受约束生成。
答案必须基于可更新、可追溯的私有或领域知识。 当前需要警惕：知识已完整包含在输入中，或任务只需确定性数据库查询。
学习目标、解释偏好、确认过的结论和设计限制会先保存在当前设备，再同步到 Railway PostgreSQL。每次回答最多使用四条，并列出实际使用的内容。
memory.draft.v1policy.result.v1memory.envelope.v1vault.revision.v1memory.hit.v1memory.context.v1memory.receipt.v1可以先保存一个学习目标或解释偏好。即使不保存，助手仍会根据本站内容回答。
记忆不是事实来源：它只能调整学习目标、解释方式和设计约束，不能覆盖项目证据、一手资料或安全门。
可靠的 RAG 需要分别检查来源、切片、召回、重排、引用和拒答。
document.manifest.v1固定文档版本、权限与更新时间
控制 / 未授权来源不得进入索引
retrieval.chunk.v2切片并同时建立 BM25 与 embedding 表示
控制 / 保留 document_id 与 chunk lineage
retrieval.hit.v3召回、融合、重排并选择最小充分证据
控制 / Top-K、延迟与 token 预算有界
answer.gate.v2引用覆盖通过才回答，否则澄清或转人工
控制 / 引用缺失不得被流畅文案掩盖
选择一个目标，系统会给出学习顺序、预计时间、项目验证和最终交付物。所有选择只存在当前页面。
AI 系统首先是数据系统：采集、版本、质量门、可重放分区和血缘决定模型看到的世界。
可靠的 RAG 需要分别检查来源、切片、召回、重排、引用和拒答。
发布评测同时检查数据、任务结果、工具轨迹、人评一致性和回归样本。
高风险 AI 需要写明授权人、采用依据和故障后的恢复步骤。
交付一个有引用门、拒答和回归集的 RAG 方案。