Twitter AI - 2026-06-11¶
1. 人们在讨论什么¶
1.1 前沿模型的信任之争，正围绕崩塌、访问控制与越狱证据展开 (🡕)¶
今天最大的信任主题，不是简单的基准测试较劲，而是一场四段式争论：前沿模型是否因为合成训练数据而退化、实验室是否清楚说明能力何时被限制，以及基于分类器的安全层在高压下是否真的撑得住。
@heynavtoor 认为（505 次点赞、59 条回复、22,704 次浏览、302 次收藏、41 次引用），“模型崩塌”已经让 AI 写作变得更扁平、也更缺少多样性。附带图表之所以重要，是因为它把论文中罕见模式代际收缩的过程可视化了；而剑桥仓储中的《Nature》论文副本写道，递归生成的训练数据会造成不可逆的缺陷，其中原始分布尾部的信息会最先消失（论文）。
@Web3Rehashed 写道（104 次点赞、4 条回复、27,515 次浏览），Claude Fable 5 和 Claude Mythos 5 与其说是又一次发布，不如说是一次访问分层：公开用户得到 Fable，而受信任的防御人员和研究者则可以使用放松了部分护栏的 Mythos。这条帖子里最具体的担忧是：如果高风险请求会回退到更弱的模型，开发者就需要让这条边界保持可见，这样他们才能知道自己测量的是模型能力，还是产品策略。
@The_Cyber_News 报道（47 次点赞、2 条回复、2,146 次浏览、13 次收藏），Claude Fable 5 被越狱后生成了栈利用代码；Cybersecurity News 的文章称，Pliny the Liberator 使用了多智能体拆解、Unicode 替换、长上下文夹带和叙事性包装来绕过护栏，并泄露了系统提示词（文章）。
讨论要点： 回复并没有直接否定护栏本身。大家聚焦在两个更窄的要求上：干预边界要可见，以及被路由或回退后的模型不能在用户毫不知情时悄悄改变实验。
与前日对比： 6 月 10 日的治理主题主要还在讨论不透明和公共可见性。到了 6 月 11 日，这种担忧已经落到了更具体的运行证据上：数据层的崩塌说法、用户对回退行为的公开争论，以及一份新的越狱报告。
1.2 AI 部署讨论正从“最佳模型”转向测量、路由和护城河 (🡕)¶
第二个高密度讨论簇把前沿模型看成商业系统的输入，而不是商业本身。4 条不同的帖子收敛到同一个判断：钱正在流向评估、路由、编排和部署层，而原始模型访问正变得更便宜，也更难守成护城河。
@businessbarista 提问（38 次点赞、8 条回复、5,174 次浏览、85 次收藏），企业该如何衡量 AI ROI，并提出在某个支出阈值以下用感受式反馈、以上则做受控实验。回复把运营痛点说得更尖锐：一位回应者说，大多数公司依然缺少工作流层归因；另一位则说，一个按复杂度路由简单任务到更便宜模型的检测器，可以在简单工作上把成本削减 60% 以上，而且不损失质量。
@MilkRoadAI 认为（89 次点赞、5 条回复、10,967 次浏览、56 次收藏），Palantir 的护城河不是前沿模型本身，而是其下方的部署操作系统，并明确把“前沿模型”和“操作系统”定义成两种不同的生意。@JackPrescottX 进一步放大（201 次点赞、9 条回复、18,107 次浏览、20 次收藏）了同样的同质化判断——他引用转发了一篇 WSJ 报道，称 OpenAI 正在考虑大幅下调 token 价格，因为竞争正在加剧。
@kingwilliam_ 认为（13 次点赞、3 条回复、527 次浏览、6 次收藏），团队面对云端 AI 账单时往往反应过度，跑去本地重建；但更直接的修复手段其实是路由：密码重置、格式整理、标题这类简单任务用便宜模型，只有困难的重构才交给前沿模型。这条帖子声称，一位工程师按复杂度路由后，同一会话在没有输出损失的情况下便宜了 43%。
讨论要点： 回复非常一致地把瓶颈从提示词转向可观测性。人们想知道，究竟是哪条工作流真正节省了时间、哪个模型处理了哪项任务，以及更便宜的路线会不会改变结果。
与前日对比： 6 月 10 日已经把 AI 工程定义为运行时经济学问题。6 月 11 日则让这个论点同时变得更偏高管视角、也更偏战术层面：ROI 阈值、模型路由节省、token 价格压缩和部署层护城河，全都在同一天出现了。
1.3 开发者开始把智能体系统做成带有支付、审批和工作流专用循环的运行框架 (🡕)¶
今天最具体的产品构建信号是，“智能体”不再只是“带工具的聊天机器人”的简写。开发者反复描述的是具体运行框架：循环逻辑、审批规则、支付通道，以及绑定单一工作流的可复用提示词，而不是泛化自主性。
@HarperSCarroll 解释（55 次点赞、6 条回复、3,056 次浏览、37 次收藏），真正把聊天机器人变成智能体的，是模型外层的运行框架：记忆、工具、循环逻辑，以及明确的终止行为。@coldemailchris 分享（19 次点赞、8 条回复、1,720 次浏览、48 次收藏）了他外联邮件工作流背后那份精确的 Claude Code skill 提示词，并表示这项工作已经从人工撰写，转向 AI 先出初稿、再由人工 QA。
回复让这条工作流保持着现实感。一位读者说，写作已经不再是最难的部分，因为真正决定内容会不会被看到的仍然是送达率。另一位则指出，AI 生成的外联正在撞上 AI 购物智能体，这会把瓶颈从文案生成推向落地与分发。
@unusual_whales 报道（40 次点赞、25 条回复、7,324 次浏览、9 次收藏），Coinbase 推出了 Coinbase for Agents；而 Coinbase 自己的发布页写道，Agentic Wallets 让智能体可以借助 x402 支付、可插拔技能和可编程支出上限，自主支出、赚取和交易（发布页）。@trythreews 表示（15 次点赞、5 条回复、140 次浏览、2 次收藏），它已入选 MetaMask Agent Wallet 的早期访问；公开的 three.ws 网站展示了头像智能体、按聊天次数收费的 USDC、MCP/A2A 工具连接，以及市场化 remix 功能（网站）。
@nabu_lines 认为（37 次点赞、28 条回复、497 次浏览），越来越自主的智能体需要以硬件为锚的审批。MetaMask 的早期访问资料也以软件形式表达了同样的控制层观点：在智能体交易执行前，需要支出上限、协议白名单、2FA、交易模拟、威胁扫描和 MEV 保护（MetaMask Agent Wallet）。
讨论要点： 社区给出的信号不是“不惜一切代价追求更多自主性”。而是只有当智能体足够狭窄、可以变现，并且被用户可检查的审批或策略系统约束住时，它们才会被接受。
与前日对比： 6 月 10 日强调的是信任、资金和审批原语。6 月 11 日则展示了这些原语如何被打包进真实工作流和产品：外联自动化、钱包通道、CLI skills，以及受策略约束的执行。
1.4 自动化研究和去中心化训练正在成为真实的目标工作负载 (🡕)¶
在钱包之外，最强的开发者信号是：智能体系统正被指向研究本身。相比那些让 demo 智能体聊科学或聊金融的做法，今天更有含金量的帖子描述的是：运行基于基准测试的实验、自动化量化 R&D，或者把去中心化算力变成训练循环的系统。
@QuasarModels 宣布（126 次点赞、6 条回复、6,870 次浏览、8 次收藏、6 次引用），它正朝着在 Bittensor SN24 上跑一轮 10T-token 的去中心化训练推进。官方子网页面写道，矿工训练 Quasar 格式模型并公开发布，验证者则从分布匹配、推理、代码质量、对话流畅度和稳健性等维度为其打分，再选出当前最佳模型（SN24 概览）。
@_rockt 报道（40 次点赞、2 条回复、1,372 次浏览、14 次收藏），Recursive 的自动化 AI 研究系统已经在 SOL-ExecBench、NanoGPT Speedrun 和 NanoChat autoresearch 上达到了最先进结果。Recursive 的文章称，这个系统会提出想法、把它们做出来、运行实验、校验奖励投机和方差问题，并开源这些运行产生的工件（博客，代码库）。
@qlib_quant 介绍（34 次点赞、10 条回复、126 次浏览、11 次收藏）了 RD-Agent(Q)，一个用于自动化量化策略 R&D 的系统。公开项目资料将其描述为一个以数据为中心、用于因子-模型协同优化的多智能体框架；而 Microsoft 的代码库则称，它在使用的因子减少 70% 以上的同时，ARR 约为基准因子库的 2x（代码库，量化文档）。
讨论要点： 这些帖子之所以比泛泛而谈的“AI 科学家”话术更有说服力，是因为它们带来了基准测试名称、公开工件，或明确的评估循环。共同的赌注不只是更聪明的智能体，而是可审计、可复现的搜索。
与前日对比： 6 月 9 日强调的是运行框架和评估层，6 月 10 日强调的是运行时现实。到 6 月 11 日，这两条线被合并成了具体的研究系统、训练循环和领域专用自动化栈。
2. 令人困扰的问题¶
衡量价值比生成输出更难¶
严重程度：高。@businessbarista 提问（38 次点赞、8 条回复、5,174 次浏览、85 次收藏），希望有一个更好的 AI ROI 框架；但回复立刻暴露了运营缺口：团队往往无法在工作流层归因，一旦 AI 使用已经普及，也很难建立干净的对照组，而且他们仍然不知道是哪一个模型处理了哪一项任务。@kingwilliam_ 认为（13 次点赞、3 条回复、527 次浏览、6 次收藏），很多团队之所以花冤枉钱，只是因为他们把琐碎任务也送给前沿模型；与此同时，@JackPrescottX 放大传播（201 次点赞、9 条回复、18,107 次浏览、20 次收藏）了一段关于 OpenAI 正在考虑下调 token 价格的引用。应对模式已经很清楚：先按复杂度路由、给工作流加监测，再决定是否值得做本地重建或使用高价模型。之所以值得围绕这个问题做产品，是因为这种痛点会反复出现、可以量化，而且直接连到预算审批。
当前沿模型控制层被隐藏或很容易绕开时，就很难建立信任¶
严重程度：高。@Web3Rehashed 写道（104 次点赞、4 条回复、27,515 次浏览），Claude Fable 5 / Mythos 5 分层里最难受的部分，不是限制本身，而是用户不清楚请求究竟何时被降级或被改写。那条讨论串里有一则回复说，看不见的回退是“一场研究灾难”，因为用户无法判断结果到底来自 Fable，还是来自一个更弱的替代模型。与此同时，@The_Cyber_News 报道（47 次点赞、2 条回复、2,146 次浏览、13 次收藏）了一次越狱事件；报道称，它使用了多智能体拆解和 Unicode 技巧来绕过护栏（文章）。之所以值得围绕它做产品，是因为用户一边要求更强的控制界面，一边也要求更扎实的证据，证明这些界面确实有效。
编程智能体仍会在过大的文件上浪费 token 和内存¶
严重程度：中。@doodlestein 写道（22 次点赞、3 条回复、1,174 次浏览、19 次收藏），大文件会给编程智能体带来双重问题：它们会为了读取无关代码烧掉 token，还可能把 Rust 编译内存推高到数十 GB。帖子里的权宜方案，是一种谨慎的拆解 skill：按职责拆分单体文件，而不是按任意长度上限硬切。之所以值得围绕它做产品，是因为这种痛点具体、反复出现，而且直接关系到智能体在真实代码库中的效果。
智能体执行仍需要更强的审批边界和回退预案¶
严重程度：高。@nabu_lines 认为（37 次点赞、28 条回复、497 次浏览），没有硬件锚定审批的自主智能体，可能只要多走错一步就会造成不可逆后果。MetaMask 自己的产品资料也用软件语言表达了同样的担忧：在智能体交易通过之前，必须先有每日支出上限、白名单、2FA、交易模拟和威胁扫描（MetaMask Agent Wallet）。@Sarthak4Alpha 补充（33 次点赞、28 条回复、541 次浏览、3 次收藏），哪怕模型只宕机 10 分钟，如果没有回退预案，也足以让一个智能体工作流彻底停摆。之所以值得立刻围绕它做产品，是因为抱怨的不是抽象风险，而是执行权限和在线时间。
3. 人们期望的功能¶
财务团队也能信任的 ROI 监测和成本感知编排¶
人们问的不只是 AI 能不能工作，而是怎样才能不靠空话证明它有效。@businessbarista 提出（38 次点赞、8 条回复、5,174 次浏览、85 次收藏）了分阶段衡量 ROI 的需求，而回复则不断把缺失的归因层和任务路由指出为真正的阻碍。@kingwilliam_ 补充（13 次点赞、3 条回复、527 次浏览、6 次收藏），团队真正更需要的往往是更便宜的路由，而不是本地重建。这是一个带有直接预算影响的现实需求。机会：直接。
能行动、但只能在可见规则内行动的智能体钱包和审批系统¶
今天最强的执行层需求，是有边界的自主性。@trythreews 表示（15 次点赞、5 条回复、140 次浏览、2 次收藏），MetaMask Agent Wallet 让它的智能体可以在支出上限、白名单和 2FA 审批等策略约束下，自主托管并执行操作；而 MetaMask 的公开资料也确认了这些控制项，以及强制性的模拟和威胁扫描（MetaMask Agent Wallet）。@unusual_whales 报道（40 次点赞、25 条回复、7,324 次浏览、9 次收藏）了 Coinbase for Agents，而它的发布页则从支付侧表达了同样更广泛的观点：智能体需要能在护栏内支出和交易（发布页）。这是一个现实且紧迫的需求。机会：直接。
对研究和生产评估足够透明的前沿模型控制层¶
需求并不只是“把护栏拿掉”，而是“让边界可读”。@Web3Rehashed 认为（104 次点赞、4 条回复、27,515 次浏览），隐藏的降级行为会破坏信任；与此同时，@The_Cyber_News 展示（47 次点赞、2 条回复、2,146 次浏览、13 次收藏）出，基于分类器的系统仍然面临对抗性压力。对于安全团队、研究者和受监管采购方来说，这是一个现实需求，但因为它位于实验室产品栈内部，竞争也会非常激烈。机会：竞争激烈。
为智能体上下文窗口而构建的代码库整形工具¶
@doodlestein 描述（22 次点赞、3 条回复、1,174 次浏览、19 次收藏）了一种当前编程智能体工具仍然处理不好的需求：对人类而言完全合理的软件结构——大文件——却会对 token 预算、选择性读取和编译内存极不友好。这里的愿望不只是再来一个 linter，而是一个安全的重构助手：它能按职责拆分文件、保持行为不变，并在不伤害代码库的前提下，为智能体工作优化整个仓库。这是一个现实需求，而且供给明显不足。机会：直接。
4. 使用中的工具与方法¶
| 工具 | 类别 | 评价 | 优势 | 局限 |
|---|---|---|---|---|
| 复杂度感知模型路由 | 编排方法 | (+) | 在简单任务上降低成本，同时不牺牲这些任务的输出质量 | 需要工作流归因、任务分类，以及确认路由不会伤害更难的工作 |
| Claude Code skill 驱动的冷邮件工作流 | 智能体工作流 | (+/-) | 把活动起草变成可复用的提示词 + QA 流水线，并扩大首版内容生成规模 | 送达率、名单质量和落地页仍然比文案生成更重要 |
| Claude Fable 5 / Mythos 5 | 前沿模型 | (+/-) | 在长周期编程和知识任务上的口碑很强；高风险领域提供受限档位 | 存在隐形回退担忧、30 天留存考量，以及持续的越狱压力 |
| MetaMask Agent Wallet | 智能体钱包 / 执行安全 | (+) | 提供支出上限、白名单、2FA、交易模拟、威胁扫描和 MEV 保护 | 面向加密原生用户的早期 CLI 产品 |
| Coinbase Agentic Wallets / AgentKit | 钱包和支付基础设施 | (+) | 支持自主支出 / 赚取 / 交易、x402 机器支付、可复用智能体技能，以及 CLI 和 MCP 路径 | 仍然绑定在加密支付轨道上，也受金融权限策略设计影响 |
| Quasar on Bittensor SN24 | 去中心化训练基础设施 | (+/-) | 拥有开放的矿工 / 验证者循环、公开模型承诺、多维评估和 10T-token 野心 | 仍在推进发布过程中，最大的论断仍然是系统“将要走向哪里” |
| Recursive 自动化 AI 研究系统 | 研究自动化 | (+) | 具备有基准测试支撑的搜索循环、公开代码库和开源工件 | 仍属早期系统，证据主要集中在基准测试，而不是广泛的生产验证 |
| RD-Agent(Q) | 量化研究框架 | (+) | 端到端的因子-模型协同优化，配有公开代码库和量化专用文档 | 高度领域专用、偏研究导向，也没有被包装成通用智能体栈 |
| Aomi | 链上智能体运行框架 | (+) | 在一个开源栈中整合运行时、CLI、skill 模块、组件和交易流程 | 强烈依赖加密场景，对非原生团队来说集成负担仍然很重 |
整体满意度最高的工具，都暴露出了可测量的控制界面或可复用的工作流。路由之所以获得称赞，是因为它直接降低了成本。MetaMask 和 Coinbase 之所以获得关注，是因为它们为智能体提供了明确的金融边界。Recursive、RD-Agent(Q) 和 Quasar 之所以突出，是因为它们把智能体能力主张绑定到了具名基准测试、代码库或评估循环上，而不是模糊的自主性话术。
共同的局限，是复杂性下的信任问题。前沿模型依然强大，但人们担心隐藏降级和越狱。工作流构建者仍会撞上交付瓶颈、归因缺失和在线时间风险。迁移趋势已经不是“选一个最好的模型”，而是转向分层系统：路由器、钱包、运行框架、评估层和领域专用循环。
5. 人们在构建什么¶
| 项目 | 构建者 | 功能 | 解决的问题 | 技术栈 | 阶段 | 链接 |
|---|---|---|---|---|---|---|
| Quasar SN24 去中心化训练 | @QuasarModels | 试图把 Bittensor 的矿工和验证者变成一个去中心化的长上下文模型训练与评估循环 | 对中心化训练基础设施和不透明基准测试主张的依赖 | Bittensor SN24、Quasar 格式模型、矿工算力、验证者评分、公开模型承诺 | Alpha | 推文, 子网 |
| Coinbase for Agents / Agentic Wallets | Coinbase（由 @unusual_whales 报道） | 把 AI 智能体连接到 Coinbase 账户，使其能够在用户规则下支出、赚取和交易 | 让智能体不只是给出建议，而是能执行金融操作 | Agentic Wallets、x402、AgentKit、CLI/MCP 集成、可编程护栏 | Beta | 推文, 发布页, AgentKit |
| three.ws + MetaMask Agent Wallet 集成 | @trythreews | 给头像型智能体加入受策略约束的自托管执行能力，同时还能按次收费 | 让面向消费者的智能体既能变现，也更适合在链上安全运行 | three.ws、MetaMask Agent Wallet、Base/Solana 上的 USDC、MCP、A2A、ElevenLabs、LiveKit | Alpha | 推文, three.ws, MetaMask Agent Wallet |
| Recursive 自动化 AI 研究 | @_rockt | 运行一个提出想法、把实验做出来、验证结果并在基准测试任务上迭代的循环 | 减少模型训练和 kernel 优化工作中的人工研究劳动 | Recursive 研究系统、基准测试循环、H100/B200 评估、开放工件 | Alpha | 推文, 博客, 代码库 |
| RD-Agent(Q) | @qlib_quant | 借助因子-模型协同优化来自动化量化策略 R&D | 用结构化多智能体循环替代割裂、手工化的量化研究流水线 | Microsoft RD-Agent、Qlib、量化模板、多智能体研究 / 开发阶段 | Alpha | 推文, 代码库, 量化文档 |
| Aomi Skills / Aomi Evals | @0xgordian | 提供一个带运行时、CLI、skill 模块和面向评估工具的链上智能体运行框架 | 帮助构建者通过文档、交易模拟和可复用 skills 交付智能体式加密工作流 | Aomi 运行时、TypeScript client、CLI、aomi-transact skill、链上交易流 |
Beta | 推文, 代码库 |
Quasar 和 Recursive 代表了最清晰的“智能体在做研究工作”模式。Quasar 试图把去中心化贡献者变成一个带有明确验证者评分的模型训练市场；而 Recursive 展示的则是一个更窄、但更成熟的基准测试循环，它已经拿出了公开工件和可测量的成果。
钱包与执行这一簇同样值得注意。Coinbase 正把智能体金融推进为主流平台产品，而 MetaMask 和 three.ws 则把自托管与明确的策略控制配在一起，而不是默认走向无约束自主性。Aomi 所处的栈位置略低一些，但表达的是同样的模式：专用运行框架、CLI 工具，以及可审计执行，而不是泛化助手话术。
RD-Agent(Q) 又补上了第三种反复出现的构建模式：领域专用智能体栈。今天最严肃的构建者，并没有发布“面向一切的 AI”，而是把智能体钉在一个艰难工作流上——量化研究、链上执行，或经过基准测试的模型改进——并在外层包上评估或安全结构。
6. 新动态与亮点¶
模型崩塌跳出了小众研究语境¶
@heynavtoor 把（505 次点赞、59 条回复、22,704 次浏览、302 次收藏、41 次引用）一项 2024 年的《Nature》结果，变成了当天传播最广的数据质量警告；而剑桥仓储中的论文副本则把底层主张说得很具体：在模型生成数据上递归训练，会抹掉尾部信息，并造成不可逆缺陷（论文）。这之所以重要，是因为它把讨论从抽象的“AI 垃圾内容”抱怨，推进成了一个有引用依据的失效模式。
LLM 同质化论获得了新的市场证据¶
@JackPrescottX 引用转发 了一篇关于 OpenAI 正在考虑下调 token 价格的 WSJ 报道（201 次点赞、9 条回复、18,107 次浏览、20 次收藏）；而 @MilkRoadAI 则把（89 次点赞、5 条回复、10,967 次浏览、56 次收藏）这种价格压力背景，与围绕 Palantir 的更强部署层论点配在了一起。两者叠加，让模型商品化不再像一句口号，而更像一种市场现实。
智能体钱包从实验走向产品类别¶
@unusual_whales 报道 Coinbase for Agents 的同一天，@trythreews 也重点提到了 MetaMask Agent Wallet 的早期访问（15 次点赞、5 条回复、140 次浏览、2 次收藏）。官方产品页展示出一套共享的设计语言：可编程的支出或交易能力，加上明确的护栏、模拟和用户自定义策略边界（Coinbase, MetaMask）。
7. 机会在哪里¶
[+++] 成本感知的 AI 控制平面 —— 多条帖子都收敛到了同一个缺口：企业需要能在财务面前说得过去的工作流归因、复杂度感知路由和支出策略。证据来自 ROI 争论、路由轶事，以及围绕模型访问的可见定价压力。这个方向很强，因为它同时出现在企业语境和独立构建者语境里。
[+++] 面向智能体的安全执行与审批基础设施 —— Coinbase、MetaMask、three.ws，以及类似 Ledger 的审批讨论，都指向同一个方向：人们想要能交易的智能体，但前提是它们只能在明确规则、模拟和人工覆盖路径内行动。这个方向很强，因为它同时包含产品发布，以及对无约束自主性的反复恐惧表达。
[++] 带有可审计评估循环的领域专用研究自动化 —— Quasar、Recursive 和 RD-Agent(Q) 表明，人们需要的智能体系统，是靠可测量循环改进模型、代码或量化策略，而不是提供泛化助手行为。这个方向中等偏强，因为证据很扎实，但目前仍主要集中在高级技术社区。
[+] 面向智能体的重构与上下文管理工具 —— 与更宏大的钱包和 ROI 主题相比，超大文件问题更窄，但它高度可执行：安全拆分单体文件、保持行为不变，同时减少编程智能体的 token 浪费和编译痛苦。
8. 要点总结¶
- 今天前沿模型真正的主题是信任，而不只是能力。 模型崩塌、可见的回退行为和越狱报道，都指向同一个担忧：用户想知道系统何时变弱、被引导，或可以被绕过。（来源）
- AI 运营现在看重的是路由和测量，而不只是基准测试上的自豪感。 最有力的经济类帖子，聚焦的是 ROI 阈值、任务归因，以及把简单工作交给更便宜模型后带来的节省。（来源）
- 智能体执行正在变成一个内建规则、钱包和审批的产品层。 Coinbase 和 MetaMask 都把智能体金融当成真实基础设施，但前提是它必须运行在明确护栏之内。（来源）
- 研究自动化是当下智能体系统最清晰的严肃工作负载之一。 Recursive、Quasar 和 RD-Agent(Q) 都把智能体定义成带基准测试的搜索循环或领域 R&D 系统，而不是泛化聊天产品。（来源）
- 编程智能体仍然暴露出人类经常容忍的仓库形态问题。 大文件、token 浪费和编译内存尖峰，正在成为智能体原生开发工作流的产品约束。（来源）