00定位POSITIONING
OPALL 是一个私人 AI 系统实验室入口，面向 Agent 工作流、私有知识基础设施和可追问项目证据。公开内容只保留能体现判断力、边界意识和复杂问题处理方式的部分。
不堆栏目，不做公开社群动员，不写收益承诺，也不把准备中的原型包装成完整能力。
全站内容按同一个方向组织：宏观到微观，由浅入深，循序渐进。先看社会与组织层的判断，再看产业与系统模式，最后落到具体场景的工程实践。本页是这条路径的第一层，逐层往下的顺序见笔记页的阅读路径。
01Agent 不是自动化按钮AGENT WORKFLOW
核心判断：Agent 是带责任边界的工作流，不是把按钮交给模型自动按。
为什么重要：越接近真实业务动作，越需要定义输入、工具权限、人工审核、失败回退和日志。
常见误区：把"模型会调用工具"误认为"系统可以自动完成业务"。
高价值项目处理方式：先拆任务、权限、审核点和可撤回动作，再决定哪些步骤能自动化。
02RAG 不是第一步PRIVATE KNOWLEDGE
核心判断：资料来源、权限、版本、公开等级和证据结构稳定后，RAG 才值得进入。
为什么重要：检索会放大知识系统的质量，也会放大来源混乱、权限泄露和旧版本问题。
常见误区：把"能检索"误认为"已经有知识系统"。
高价值项目处理方式：先做 source manifest、资料分级、更新规则、人工审核和 claim 校验。
03人工审核不是低效HUMAN REVIEW
核心判断：人工审核是高风险业务中的责任设计，不是系统不够智能的临时补丁。
为什么重要：报价、邮件、客户承诺、内部知识公开都需要有人确认事实、语气、权限和后果。
常见误区：为了显得先进，过早去掉人，结果把责任藏进系统输出里。
高价值项目处理方式：把审核队列、审核理由、修改记录和最终执行人写进工作流。
04高端 AI 项目不能只看 DemoEVIDENCE SYSTEM
核心判断：可信项目必须能追问任务、轨迹、产物、验证方式和未覆盖项。
为什么重要：Demo 证明方向，证据链才支撑判断。没有证据的能力只能写成计划或假设。
常见误区：用截图或顺滑演示替代 README、trace、artifact、测试和边界声明。
高价值项目处理方式：每个 claim 都连接到对应证据，并明确 implemented、prototype、planned 或 not claimed。
05AI 自动化最危险的是太早承诺BUSINESS BOUNDARY
核心判断：自动化不是不能做，而是不能在边界、证据和审核不稳定时承诺能自动完成。
为什么重要：业务系统一旦对外发出邮件、报价或结论，就不只是模型输出，而是组织承诺。
常见误区：把"生成草稿"包装成"无人负责的业务处理"。
高价值项目处理方式：先做缺失条件检查、风险提示、草稿生成、人工确认和回退机制。
附前沿信号使用规则FRONTIER SIGNALS
OpenAI、Google、Microsoft、华为、腾讯、字节、小米、Salesforce、Adobe、Glean、HPE Marvis 等公开样本，可以用来观察工具接入、企业 Agent 平台、设备生态、垂直场景、评测和治理趋势。
边界：这些公开样本不是 OPALL 的项目经验，也不证明 OPALL 拥有同级别产品。OPALL 只提炼可借鉴的系统模式。
使用时区分三件事：公开事实必须来自可核验来源；OPALL 判断要保持克制；可借鉴模式只说明方向，不暗示客户案例、商业成果或完整交付能力。
附研习底稿STUDY LEDGER
判断框架默认读者已有基础。如果概念还不牢，先走研习底稿的三篇底稿：F-001 Agent 是什么 → F-002 RAG 部件清单 → F-003 怎么读 AI 项目。学完回来，这一页的每条判断都会更立体。