用可逆性分级门推进认知 OS v1 rollout

更新

本质与导读

本质 一次对 可逆性分级决策门 的真实应用:同一个升级方案里,可逆与不可逆部分被显式分开、走不同的确认通道,而不是整包等待批准或整包裸奔。

场景

llm-wiki 升级为 Personal Cognitive OS:改动横跨内容层(新实体目录)、构建层(visibility 过滤)、服务层(worker 新端点)、界面层(dashboard 视图)。风险不均匀——大部分是纯加法可回滚,少数(个人判断上公开站、写端点暴露在公网)错了撤不干净。

怎么用的

第一环:规划期给每类改动标注可逆性(加法 markdown/脚本 = 可逆;隐私泄露 = 不可逆;开放写端点被滥用 = 有限可逆但有污染成本)。第二环:证据门分级——可逆项按既有 lint/build 验收即可;两个不可逆面单独成为决策点。第三环:不可逆项打包为两个 AskUserQuestion 一次确认,可逆项进入 Zero-Pause 连续执行。

结果与教训

outcome/lesson 见 frontmatter。补充:分类动作本身几乎零成本(几分钟),但避免了两种失败模式——整包等批(所有进度卡在最谨慎的那一项上)和整包裸奔(隐私面用默认值悄悄上线)。已回写到可逆性分级决策门的使用记录。