问题仍然开放时使用 AI 对话；结果已经明确且有边界时使用路线图推进；目标足够清楚、系统可以在不持续打扰用户的情况下规划并验证多轮执行时，使用自动 Flow。
正确模式取决于不确定性和风险，而不是哪个界面看起来更强大。
开放问题使用 AI 对话
这些情况适合直接对话：
- 探索真正的问题是什么；
- 比较产品方向；
- 理解陌生代码；
- 只诊断而不授权修复；
- 挑战现有假设；
- 决定什么应该进入路线图。
结果可能是一项结论、一个更清楚的问题或建议的下一步。不要逼探索性对话伪装成已经完成的实现。
有边界交付使用路线图推进
这些情况适合路线图执行：
- 项目已经有明确里程碑；
- 用户结果清楚；
- 允许修改的范围已知；
- 完成证据可以被写出来；
- 一条连贯执行可以产生有意义的进展。
路线图环节把业务原因和完成标准带进 Agent 会话。Agent 可以调查实现细节，但里程碑会防止技术发现悄悄替换用户目标。
多轮执行使用自动 Flow
这些情况适合 Flow：
- 最终目标清楚；
- 可能需要多轮规划、实施、验证和修复；
- 证据可以决定下一轮动作；
- 普通失败可以在不改变产品方向的前提下修正；
- 只有真正的授权点才需要用户介入。
好的 Flow 不要求用户配置内部角色或状态迁移。用户只给目标，系统吸收规划、实施、验证和持续推进。
快速选择
答案还不清楚
使用对话。
答案清楚，但一个里程碑需要推进
使用路线图环节。
答案和边界都清楚，而且可能需要多轮验证迭代
使用 Flow。
工作涉及改价、删除数据、发送外部消息或写入生产状态
可以使用合适模式，但高风险动作必须获得明确授权。
不要用自动化掩盖不确定性
自动执行不能替代产品决策。以下选择如果不同，会显著改变结果，就必须停下来：
- 目标用户；
- 公共行为；
- 价格或权益；
- 数据归属；
- 架构边界；
- 不可逆外部状态。
系统应该自己解决实现障碍，但不能替用户选择另一个产品。
让项目保持一条主线
这三种模式不应该创建三份真相。
- 对话负责澄清和提出建议。
- 路线图保存耐久产品方向。
- Flow 朝明确目标执行。
- 证据更新已验证项目状态。
- 学习结果可以修订下一个路线图环节。
即使会话表面变化，项目本身仍然连续。
示例
“我不知道为什么新用户会在上手时离开”
先用对话整理假设和缺失证据。
“把上手流程缩短为三个已验证步骤”
用路线图环节推进，并要求行为、浏览器和分析证据。
“审计、实现、测试并持续修复上手流程，直到验收检查全部通过”
如果边界和授权已经清楚，可以使用 Flow。
“迁移后删除旧账号”
无论哪种模式，都必须先有精确目标清单、恢复证据和明确批准。
选错模式的信号
- 对话不断产出零散实现，却没有里程碑。
- 用路线图环节承担宽泛产品探索。
- Flow 反复要求用户选择内部实现细节。
- 用户结果已经变化，系统仍继续自动推进。
- 三种模式产生三套冲突任务状态。
核心原则
让执行模式匹配结果清晰度。探索时保留开放性，交付时用路线图约束边界，只有证据能安全推动工作闭环时才使用自动 Flow。