我没有把某个 AI 固定成永久职位。一次真实项目里，更有用的分法是能力：研究、规划、设计、开发、测试、内容、自动化和数据分析。
不同模型可以分别承担一段工作，但每一段都要回到同一份目标和可检查的结果。派出去的任务不是完成证明，源文件、构建结果、公开页面和状态回写要分开验收。
这套协作方式仍在变化。970 LAB 会继续记录哪些组合真的提高了质量，哪些只增加了沟通和返工。
按能力切分，而不是按模型贴职位
研究、规划、设计、开发、测试、内容、自动化和数据分析是可以被检查的工作段。不同工具可以参与其中的一段，但不应因为参与者不同就失去共同的目标、事实来源和验收方式。
把协作写成“谁很擅长什么”容易，真正困难的是让每段输出在交接时仍可复核。
每次交接都留下可检查的东西
一条回复、一个任务卡或一张截图都只是线索，不是完成证明。970 LAB 的做法是把源文件、构建、浏览器、公开回读和状态写回分开记录，再明确哪些是观察、哪些是推断、哪些仍未知。
- 输入事实与不可触碰的边界先固定。
- 中间产物在本地完成构建和检查。
- 需要公开的结果再经过独立浏览器与发布验收。
AI 的价值要回到真实结果
协作并不因为参与者变多就自动更好。它只有在减少漏项、提高可读性、缩短验证时间或带来更稳妥判断时才有意义。970 LAB 会继续公开其中真正有用的方法，也会承认那些只增加沟通和返工的尝试。
因此每次协作都保留人工的最终判断：什么可以公开、什么需要继续验证、什么即使技术上可做也不应该自动推进。工具负责扩大工作能力，边界和责任仍由人承担。任何未完成的验证都应以未完成记录，而不是被顺手补成结论。