研发自治的条件与限制：从治理到执行，接通前必须先满足什么

这篇的判断只有一句：让 AI 团队”自己往下做”这件事，瓶颈不在模型能力，而在四样东西有没有先在位——目标版本、契约、授权与预算、停止与回退条件。四样缺任何一样，自治都不是”还差一点”，而是根本不可判：没人能说清什么叫做完了、做偏了谁叫停、叫停之后退回到哪。

下面按”事实 / 实验 / 推断 / 预测”四类分开写。事实给可核位置；实验给样本、口径、时间窗与来源；推断标明依据了哪几条事实；预测附反例与改判条件。样本范围在最后一节单独写清。

一、先把”自治”拆成两件事（事实 ＋ 推断）

事实：本站长期方向里，“自治”指的是两个不同的对象——一是软件产品的自主迭代（产品本身按意图自己往前走），二是研发体系自身的自主提升（做产品的那套流程自己变好）。这两件事经常被混在一句话里说，但它们连通的难度不一样：产品自治缺的是执行侧的契约与回退；体系自治缺的是度量口径与对照。站内手册《我的 Vibe Coding 工程化体系：从需求到上线》把前者拆成七步流程，每一步给输入、动作、产出物与常见失败模式——这是”治理侧”已经跑通的部分。

推断：把两件事混着说，会得到一个虚假的中间态——“流程很规范”被读成”系统快自己跑了”。依据是：流程规范只保证每一步有人负责，不保证没有人的时候还成立。这两件事在证据上是分开的，所以判断也应当分开。

二、必须在位的四样东西（逐条给可判形态）

这四条不是原则，而是四条可以逐条判”在不在位”的东西。每条我给出可判形态与本站当前的状态。

1. 目标版本。 可判形态：存在一份带版本号与验收标准的目标描述，且”做完了”能被第三方按这份描述复核。当前状态：在位——本站每一轮的方案与验收标准都先写后做，记录可查（站内手册与建设记录里有可核的对应关系）。

2. 契约。 可判形态：执行侧与治理侧之间有一份书面约定，写明输入是什么、输出是什么、越界了怎么办；契约本身可以改，但改要走变更记录。当前状态：部分在位——单侧（人对执行侧）的约定已经成型；双向（执行侧反馈回来推动治理侧调整）的契约尚未建立，因此当前不存在”执行侧自己提出并执行治理变更”的通道。

3. 授权与预算。 可判形态：每次自主推进都有谁批的、批到哪一步、花多少三项记录；越权与超支各有一条停止规则。当前状态：在位——重大动作由本人（唯一的人类负责人）逐项批准，批准与范围留有记录；预算以”用多少记多少”的方式在案。

4. 停止与回退条件。 可判形态：事先写死”什么情况下必须停”与”停下之后退回到哪个已验收状态”，并且演练过一次。当前状态：最低一档在位——停止条件写在流程里并被执行过（返工与回退记录可查）；但回退动作本身没有做过定时演练，所以”回退位可用”这件事目前只有设计，没有实操读数。

概括（推断）：四样里，缺的是两份——双向契约与回退演练。依据是上面对应两条的当前状态。这两条都是工程性的、可以补的，不是理念问题。

三、两个反例

反例一：有治理文件但从不维护，比完全没有治理更危险。 这一条在站内另一篇文章里已经出现过（《让 AI 写代码不难，难的是让 AI 不跑偏》，其”成熟度分级”一节把这种状态单列一档）。这里把它推到自治语境：一份过期但格式完整的治理文件会让后来者（无论是人还是执行侧）把旧的边界当成当前的边界——比没有文件更糟，因为”没有”至少会触发一次提问。判断一份治理材料是否还活着的可判形态是：它最近一次被引用/被修改，是不是与它描述的那次变更同期；隔了两轮以上没被碰过的规格文件，应当被当成”待确认”而不是”既定”。

反例二：把”人工介入减少”当作进步，而质量风险同步上升。 人工介入少，指标上很好看；但如果介入减少的原因是没人看，而不是不需要看，那这条指标就在掩盖风险。可判形态：人工介入次数下降时，必须同时给出”逃逸到后续环节的缺陷数”与”回退次数”；两者任一上升，就不算进步。本站尚未取得能区分这两种情形的连续读数（样本只有自己这一个项目，且大部分轮次没有做连续统计），所以这一条目前是反面清单，不是结论。

四、什么信号会改变判断

上面的判断不是立场，是可翻面的。翻面的条件写在这里：

• 多项限定改进（口径：≥3 项互相独立、且事先写明预期效果的改动）在保留评测集上（口径：改动前就先冻结、改动期间不参与调参的那批任务）连续多轮复现成功，且每次失败都能退回上一个已验收状态 ⇒ 对”自治门槛”的判断应当下调：可以让执行侧在更少的逐项批准下推进。
• 判据来源：“多项”用”事先登记的改动清单”来数，不用事后回忆；“复现成功”用同一份保留评测集在同一版本口径下的重复跑测来判，不用”看起来更顺了”。
• 反向信号：只要出现一次”改进后失败、且退不回上一个已验收状态”，门槛回到当前水平，并优先补”回退演练”这一条。

五、样本范围与限制（写在正文里，不用靠读者去别处找）

本文的事实与实验部分，样本范围是我自己这一个项目的一段建设过程（n=1），时间窗为 2026 年 8 月至 10 月，版本口径以各次记录自身注明的版本为准。推断部分（第一、二节的结论）依据的是上列事实，不构成对其他团队或行业的结论。未做的部分一律写”未做”：没做过回退演练的实操读数；没做过保留评测集的对照实验（因此没有可引用的复现率）；没做过度量趋势的连续统计；没有第三方交叉复核。本条目的每条判断都可以被上一节的信号翻面——这正是它写成”条件”而不是”结论”的原因。

六、与”未来关系”的关系（不要读成现状）

“治理与执行接通”在本站是未来关系，当前尚未接通。上面四样东西是接通的前置条件，不是”已经具备的能力”；本文描述的是判据与缺口，不描述任何已上线的接口。在真实集成验证之前，本站不会把这一目标描述为已接通的自治系统，也不会把”生成了一份配置”说成”跑通过一次”。本文与治理能力说明页的”自治愿景与未来关系”一节同源（同一批定稿、同一套口径）。