解析主体、工作空间与目的
将请求绑定到明确用户、组织、专业领域和预期结果。
LowToHi 如何运行
一次请求被编译成有限、可检查的执行。
LowToHi 从更大的能力空间编译任务，任何组件都不能悄悄扩大上下文、预算或权限。
执行路径
过滤模型、来源与操作
在构建上下文前由策略移除未获准能力。
编译最小充分证据集
在明确预算下检索精确片段、图关系、流程与业务记录。
选择最小充分组合
优先本地能力，按需加入专业模型，只有确有必要时才升级。
在高影响操作前暂停
敏感、不可逆或高后果操作仍需类型化权限与人工审批。
以可重建回执结束
记录版本、来源、决策、成本、输出、失败与实际执行效果。
路由是策略决定，不是模型排行榜。
最佳模型是在所需信任边界内完成任务的最小获准引擎。
本地优先
当本地能力满足性能、隐私和延迟要求时优先使用。
领域或任务专用引擎
仅在代码、视觉、检索等特定部分启用专业模型。
按需前沿模型
只有预期价值高于隐私、成本和依赖代价时才调用远程前沿能力。
不可妥协的边界
- 授权过滤必须先于上下文构建。
- 向量相似度不等于事实、许可或权限。
- 模型、代理、Skill 与循环不能批准自身权限扩张。
- 只有声明的类型化操作可以跨越外部效果边界。
- 改进建议必须经过冻结评估与独立准入。
- 基准主张仅适用于对应数据集、评估器和运行时版本。
IMPROVEMENT LOOP
每次验证执行都可以增强专业体系。
获准结果可以丰富记忆、图关系、评估与 Skills；改进建议始终与批准和部署它们的权限分离。