VGO 如何运作
VGO 是开放行动闭环。以下为虚构示例：生成式系统陈述了品牌已不再提供的产品能力时，团队如何处理。前后观察变化并不等于已证明因果。
场景：在预先设定的购买意图问题中，生成式答案描述了品牌已不再提供的产品能力。
1. 诊断
输入：用户意图场景、完整答案、引用、入口、时间与条件；当前自有事实。
行动：对照可验证的品牌事实，记录差距、不确定与可能伤害。
产出：带证据与边界的机器认知差距记录。
2. 决策
输入：差距记录、用户价值、预期作用、成本、风险与可行性。
行动：确定优先级，明确责任人与审核节点。
产出：带理由与约束的优先行动方案。
3. 执行
输入：自有事实、相关内容与正当外部佐证路径。
行动：更新可维护的第一方来源，必要时寻求独立更正。
产出：已发布变更及责任与审核条件。
4. 验证
输入：可比问题、入口与条件；原始与反面证据。
行动：在可比条件下复测，核验事实正确性与来源。
产出：区分观察变化与结果主张的可比记录。
5. 学习
输入：行动、结果、失败与剩余局限。
行动：保留可复用的事实、证据与决策记录，调整下一轮优先级。
产出：更新后的自有资产与持续学习依据。
V1.0 公开评估重点仍是搜索与生成式 AI。社媒中的搜索、推荐与 AI 分发属于机器发现入口；当前公开评估尚未将其作为已单独验证的范围。