保留原生智能
不要将模型已经拥有的理解、探索、规划、判断与行动选择，再降级成固定工作流节点。
THE CORE PROPOSITION
“让 AI 的认知结果成为系统控制面的原生输入，而不是停留在建议与文本输出。”
这里的控制面是影响信息、能力、资源、允许行动与系统承诺的机制集合。AI 的判断只能在 User Authority、Constraint、Permission、Runtime 和 Validator 所许可的范围内发挥作用。
NOT THIS
AI → Output
模型可以给出建议，但系统下一步仍完全由外部预设流程决定。
AI-ENHANCED WORKFLOW
NOT THAT
Unlimited Autonomy
自由认知并不意味着绕过用户授权、业务所有权和外部现实限制。
UNBOUNDED AGENCY
INSTEAD
Governed Cognition
认知结果参与后续行为，实际提交由来源、权限、契约和确定性机制治理。
AI-NATIVE
SIX PRINCIPLES
长期守住的六条原则。
以下根据《AI-Native 核心框架》第 19 节整理，尽量保留原有概念边界。
建设环境，而非思维路径
重点不是规定模型如何思考，而是设计它能接触的知识、工具、证据与领域环境。
高自由认知，低自由承诺
越靠近持久化、发布、交易或其他现实副作用，越需要更强的授权与验证。
区分不同约束
Knowledge、Heuristic、Objective、Policy 与 Hard Constraint 不是同一回事，不应被混成统一的硬规则。
管理不确定性
未知可以重要而不必立即阻塞任务。应明确当前已经足够做什么，还有哪些事情需要保持开放。
让确定性机制守住确定性事实
开放世界中的理解交给 AI；Schema、Permission 和 Runtime 等可确定的问题应交给可靠机制。
BOUNDARIES THAT MATTER
这些概念不能偷换。
我们主张
- 认知结果在授权空间内影响后续执行
- 模型按需获取 Context、Knowledge 与 Tools
- 由可靠 Runtime 证明执行结果
- 反馈经过验证后促进系统演进
- 稳定可接受的结果，而不是固定的思考路径
我们不主张
- 用新的固定 Workflow 再实现模型认知
- 让 AI 绕过 User、Permission 或 Validator
- 把 AI Proposal 自动当成已发生的事实
- 把 Feedback 直接升级为长期真理
- 以模块数量证明系统已经 AI-Native
ONE DESIGN QUESTION
我们正在围绕原生智能建设环境与边界，还是又开始围绕预定义流程编排 AI？
TURN PRINCIPLES INTO SOFTWARE原则只有落实到运行行为，
探索技术平台 ↗原则只有落实到运行行为，
才具备产品价值。
看看 Package / Action、Task Host、Validation 和 Commit 如何发挥作用。