需要回答的管理问题
AI 怎样协助真实工作区操作，同时不暗中捏造证据、授权或已批准业务决策？
Polarstar 能力详情
自由探索，但审慎改变共享业务状态。
通过可预览、继承权限、可审计的提案，把调查与分析同 canonical change 分开。
工作方式
受治理的变更提案
FDE 会调查什么
当前模型 head、用户权限、来源边界、操作目标、预期影响、冲突、过期状态和审查负责人。
哪些内容会变得可计算
锁定精确输入、模型版本、来源、差异、限制、digest 与确认状态的不可变提案。
从模糊问题到责任明确的改变
留下一个可工作的模型，而不是再增加一层评论。
每个项目都会把运营现实连接到可审查模型、获授权操作，以及对真实变化的观测证据。
Polarstar 可以做什么
一次准备一个有边界的操作，展示将读取和改变什么，在确认时重新验证，只执行一次并核验结果。
客户会获得什么
提案与操作账本，记录谁提出、审查、授权和执行了哪项改变，以及针对哪个版本。
怎样保证结论诚实
聊天里的“可以”不等于批准；上下文、权限或模型状态变化后，旧提案不得继续执行。
交互示例
用业务语言提问，得到结构化工作成果。
这是运行方式示例，不是客户结果或业绩声明。
AI-native FDE 工作模式
对话是交互界面，商业模型才是共享状态。
FDE 可以从问题进入调查和受治理操作，同时不隐藏证据、计算或授权。
- 01
理解意图
澄清业务决策、负责人、边界和成功标准。
- 02
深入现场
只使用获授权的证据、系统、Schema 和流程上下文。
- 03
建模与计算
提出业务对象、追踪依赖并运行确定性计算引擎。
- 04
预览与授权
执行前展示精确变化、限制和所需授权。
- 05
衡量与学习
把运行观测带回原始假设，再决定下一步改变什么。
授权始终显式存在
FDE 继承当前用户身份与权限；完成调查不等于获得批准。
数值始终来自确定性计算
LLM 帮助理解和解释，带版本的公式与约束负责计算结果。
每项结论都可追溯
来源、假设、推断、提案、决定和观测始终保持不同状态。