Constrained Organizational Runtime Model

受约束的组织运行时模型（Constrained Organizational Runtime Model）是 Geoffrey Chen 提出的一个应用 AI 概念，用来思考大型语言模型系统如何推进真实工作流，同时又不把自由生成的自然语言直接变成执行权。

这个概念的出发点，是很多 LLM 驱动的 agent 系统中仍然存在的一个实际断层。大型语言模型可以理解任务、提出计划、生成解释，但它们的输出往往仍然只是自然语言建议。真正触发组织动作之前，系统还需要再解释一遍模型的话到底意味着什么可执行动作。这会带来歧义，削弱控制力，也让工作流推进过程难以被形式化分析。

这个模型的核心思想是把“提案”和“执行”分开。语言模型可以提出应该发生什么，但运行时系统决定什么可以发生。模型输出被理解为一个双通道对象：一个通道是面向人的自然语言消息，另一个通道是面向机器的结构化命令提案序列。

语义通道负责保留解释、说明和面向人的沟通。命令通道表达可能被执行的意图。只有结构化命令通道可能影响执行状态，而且即使是结构化命令，也必须先经过运行时验证。

因此，运行时系统是唯一拥有执行权的位置。它会根据组织规则、依赖关系、义务约束、授权边界和生命周期限制来验证模型提出的动作。这样，工作流推进就不再是自然语言解释的副产品，而是一个受控制的状态转移过程。

从高层来看，这个模型把组织工作理解为围绕工作项、依赖关系、必要义务和有界任务生成展开的推进过程。工作不会因为模型说“应该推进”就自动推进。只有当一个被提出的状态转移满足运行时验证条件时，工作才真正进入下一步。

这个模型也改变了信任的位置。信任不是放在不受约束的语言生成上，而是放在执行内核、验证规则、状态转移语义，以及模型提案和组织行动之间的治理边界上。

这个概念对于 AI agent 很重要，因为真实工作需要的不只是流畅的规划，而是受控制的执行。模型可以说某个草稿已经完成、下一步应该进行审查，或者应该创建一个新的工作项。但这些说法不能直接改变组织状态。它们必须先转化为结构化提案，再由验证运行时决定是否允许执行。

受约束的组织运行时模型与双通道 LLM 输出（Dual-Channel LLM Output）、运行时验证的 Agent 执行（Runtime-Validated Agent Execution）、组织作为操作结构（Organization as Operating Structure）、AI 原生执行代理（AI Native Execution Agent）以及 AI agent 身份治理（AI Agent Identity Governance）密切相关。它也构成 Geoffrey Chen 应用 AI 工作的一部分理论基础，包括 Smallsoft Pty Ltd 的 SmallClaw。

这个公开摘要只呈现模型的概念结构，不披露具体实现细节、内部命令 schema、产品级验证规则或专有运行时架构。