Skip to main content

从 Founder Bottleneck 到 Owner Delegate：让 AI-Native Company 超过 Owner 注意力上限

15 个概念，两条 lab 路径。标题中的「半日」指 simulated track：约 2–3 小时概念阅读，加 2–3 小时 mock endpoint lab。full-implementation track 是 1 天 sprint 到 2 天 workshop：约 3 小时阅读，加 6–10 小时动手。请在 Decision 1 前选定路径。

这是 agentic-coding 路线的第八门课，也是 Agent Factory thesis 中 Invariant 2：每个人都需要一个 delegate 的运营化。Courses Five、Six 和 Seven 教你构建、治理、扩展 AI-native company 的 Workers。现在最后一个瓶颈出现了：owner 的注意力。

当 workforce 足够大，owner 不可能阅读每一条 approval thread。Identic AI 是 owner 的身份、偏好、记忆和权限的本地代理。它代表 owner 处理 routine governance，把真正需要人判断的事项浮出来。

本课的核心洞见是：AI-native company 不会先卡在 hiring API 上，而是卡在 owner 的注意力上；Owner Identic AI 移除这个瓶颈，但不移除 owner 的控制权。 Courses Five 到 Seven 让你可以雇用上千名 Workers，但没有任何东西能阻止 owner 被 approval threads 淹没。本课的每个概念，要么扩大 delegate 可以自主处理的范围，要么把必须回到人类的边界磨得更清楚。

为什么这对 Agent Factory 重要：Invariant 2 的完整形态

Agent Factory thesis 的 Invariant 2 是：每个人都需要一个 delegate。 在普通个人生产力场景里，这句话意味着个人 AI 助手；在 AI-native company 中，它变成更具体的架构要求：owner 必须有一个可验证、可审计、可撤销的 governance delegate。否则，workforce 可以扩张，approval flow 却不能扩张。

owner 的 Identic AI 位于 human owner 和 Paperclip management layer 之间，运行在本地 OpenClaw 上，并维护 owner 的判断上下文。

Where this fits: cheat sheet​

前置课程已解决本课新增
Production WorkerWorker 可持续运行owner approval 仍需人看
Paperclipworkforce governanceroutine approval 过多
Dynamic Workforce可以招聘新 Workerowner attention 成为瓶颈
Identic AI本课signed delegation 和 owner delegate

Are you ready for this course?​

你应该理解 Paperclip approval primitive、authority envelope、activity log、Worker hiring 和 OpenClaw/general agent 基础。本课的 simulated track 可用 mock endpoints；full track 需要真实 Paperclip routes 和 signing layer。

Glossary：本课 26 个关键术语

People and roles

  • Owner / Founder / CEO： AI-native company 的人类 principal。Course Six 和 Seven 在 governance-level decision 里称其为 board；本课强调个人 owner，因为讨论的是她自己的 Identic AI。
  • Identic AI： Don Tapscott 使用的术语，指能反映用户价值、持久保存上下文、作为用户延伸而行动的个人 AI。五个属性是 personalized、value-reflecting、extension-of-self、self-sovereign、persistent memory。
  • Maya： 本课 worked example 中的 owner，前几课构建的客户支持公司创始人。

OpenClaw primitives

  • OpenClaw： 开源 personal AI assistant，运行在用户本地机器上，通过 chat apps 触达，带 persistent memory、skills 和 plugins。
  • Skill： OpenClaw 的能力扩展单元。注意它和 Paperclip skill 同名但概念不同：OpenClaw skill 安装到用户本地 OpenClaw；Paperclip skill 安装到 Workers。
  • Session： OpenClaw 的 persistent-memory primitive，是用户跨时间、设备、chat app 积累上下文的单位。
  • Onboard： openclaw onboard 引导用户设置 persona、model、chat-app integration 和初始 skills。

Course Eight architecture

  • Owner Identic AI： 被配置为 AI-native company owner 的 governance delegate 的 Identic AI。Maya 的 OpenClaw 加上本课模式，就是她的 Owner Identic AI。
  • Delegated governance： Owner Identic AI 接收 Paperclip approval requests，按 owner 已知判断处理 routine 项，并只把 consequential 项交给 owner。
  • Trust delegation： 让 Paperclip management layer 区分 Maya 本人和 Maya 的 Identic AI 的验证机制。两者都可授权，但 audit trail 必须记录是谁行动。
  • Owner-authority envelope： Maya 本人能批准什么。
  • Delegated envelope： Maya 允许 Identic AI 代她行使的 owner authority 子集，必须窄于 Maya 的完整 authority。
  • Governance ledger： Identic AI 代表 Maya 作出每个决定的 append-only audit stream。
  • Judgment-learning loop： Identic AI 如何从 standing instructions、per-decision feedback 和 derived patterns 中学习 Maya 的判断。
  • Recalibration： Maya 纠正 Identic AI 判断偏差的过程；这些纠正本身也写入 governance ledger。

Part 1: Why the owner is the bottleneck​

Concept 1: An AI-native company stops scaling at the owner's attention, not at the hiring API​

不同 workforce 规模下的 approval volume：4 个 Workers 可管理，40 个 Workers 紧张，400 个 Workers 不可能由 owner 手动处理。

招聘 API 可以扩大 workforce，但审批流量也会增长。approval volume 通常比 workforce 慢，但仍然远快于人类注意力。10–40 个 Workers 之间，owner 通常已经开始成为瓶颈。

Course Five 到 Seven 的架构能让公司雇用越来越多 Workers，但 approval traffic 不会消失。4 个 Workers 时，每周可能只有十几次 approvals，owner 在会议间隙用手机处理即可。40 个 Workers 时，每周可能上百次 approvals，owner 每天花数小时处理；这就是系统在提示你「是不是该雇一个 human chief-of-staff」的时刻。400 个 Workers 时，approval traffic 已经不可能由人类逐条处理。

重要的是，approval volume 通常不是和 workforce 一比一增长，而是以更慢曲线增长；但它仍然超过任何人类注意力的线性容量。Owner Identic AI 的作用不是替 owner 承担所有判断，而是把 routine governance traffic 从 owner 的注意力路径中拿掉。

Concept 2: What Identic AI means: Tapscott's framing made concrete​

Tapscott 的 Identic AI 五个属性映射到 OpenClaw：personalized、value-reflecting、extension-of-self、self-sovereign、persistent memory。

Identic AI 不是普通 chatbot。它是个人身份和判断的代理：个性化、反映价值、作为自我延伸、自主主权、具备持久记忆。OpenClaw 提供本地运行、persona、memory 和 integration skill 的落地路径。

五个属性必须同时成立：

Tapscott 属性OpenClaw 中的具体实现
Personalizedpersona 文件，例如 ~/.openclaw/persona/maya.md，加上 200+ 个过去 approval decisions。
Value-reflectingstanding instructions、per-decision feedback、derived patterns 三层判断上下文。
Extension-of-self本地 ed25519 signing key、Paperclip principal 注册、bounded delegated envelope。
Self-sovereign运行在 Maya 自己的 Mac/Windows/Linux 上，session 保存在她的 filesystem。
Persistent memorySQLite + JSON 的 session persistence，重启和崩溃后仍然存在。

最容易被低估的是 self-sovereignty。如果 Identic AI 托管在平台上，平台可以读取、修改、降权或撤销 Maya 的 judgment patterns，那么它并不是代表 Maya 行动，而是在用 Maya 的数据代表平台行动。本课选择 OpenClaw，就是因为它把 session 和 accumulated judgment 放在 Maya 的机器上。

Concept 3: Why the owner specifically: not the workforce, not the customer​

Worker 可以处理业务；customer-facing agent 可以处理用户；但 owner delegate 处理的是治理权。它代表 owner 判断哪些 routine 决定可自动批准，哪些必须升级。

Identic AI 还有其他用例，但本课只讲 owner：

Use case谁的 Identic AI做什么2026 年 5 月成熟度
Owner / governance delegateAI-native company owner预过滤 approval traffic，应用 owner 判断可通过 OpenClaw + 本课模式实现
Customer-side personal AI客户个人代表客户与公司互动、购买、查询部分可行，但公司侧还未普遍接受 signed customer AI requests
Employee-side delegate公司员工起草邮件、准备会议、管理个人工作OpenClaw 可做，企业集成程度不一
Peer-to-peer Identic AI economy两个个体的 AIs协商、排期、协调仍偏 speculative

本课选择 owner，因为只有 owner bottleneck 会直接阻止 AI-native company 扩张。客户没有 Identic AI 时，公司仍能通过传统渠道服务；员工没有 Identic AI 时，生产率降低但组织仍能运转。owner 没有 delegate 时，approval queue 会把整个公司卡住。

Part 2: The OpenClaw runtime​

Concept 4: OpenClaw, what it actually is​

OpenClaw 是本地、开源、面向个人 AI 的 runtime。它运行在 owner 自己的设备上，持有本地 persona、memory、chat integrations 和 signing credentials。

OpenClaw 的关键点不是「又一个聊天 UI」。它是 personal AI runtime：

  • 本地 daemon 运行在用户机器上；
  • session 存在本地 filesystem；
  • skills 给它能力，例如读取邮件、调用 Paperclip、发送 Telegram；
  • chat apps 是 interface layer；
  • signing keys 可以留在本机；
  • 用户可以备份、迁移、grep 自己的上下文。

这正好满足 Owner Identic AI 的要求：Maya 的治理判断不应被某个云平台锁住。

Concept 5: Persistent memory and the owner's local context​

Identic AI 的判断来自三层 context：owner 明确写下的 standing instructions、过去审批记录、从历史中抽出的模式。内存必须可导出、可审计、可迁移，而不是锁在某个云聊天产品里。

OpenClaw session 里有几类东西：

~/.openclaw/
├── persona/
│   └── maya.md
├── sessions/
│   └── current.sqlite
├── skills/
│   └── paperclip-governance/
├── memory/
│   ├── standing-instructions.md
│   ├── approval-feedback.jsonl
│   └── derived-patterns.jsonl
└── keys/
    └── owner-identic-ai.ed25519

当 Maya 换设备、换 chat app、换模型 provider，真正要带走的是她的 personal patterns 和 standing instructions。旧公司的 activity log、source issues 和 confidential records 不应随她进入新公司。课程里的经验法则是：patterns travel, specific records don't。

Concept 6: Chat apps as the interface layer​

owner 不应该打开 dashboard 处理每件事。Routine approval 可以由 Identic AI 自动处理；需要 owner 的事项可以通过 WhatsApp、Telegram、Slack 或本地 chat app 呈现。

OpenClaw 不强迫用户进入一个专用 AI app。Identic AI 应该住在用户已经生活的地方：WhatsApp、Telegram、Discord、Slack、Signal、iMessage。这样，Maya 只在真正需要判断时收到 message，而不是全天盯着 Paperclip dashboard。

这也定义了本课的交互节奏：Paperclip approval queue 是治理事件源；Claudia（Maya 的 Identic AI）轮询或订阅这些 approvals；routine items 自动处理；consequential items 通过 Telegram surfaced 给 Maya，附带简短 reasoning 和可执行按钮。

Part 3: Trust delegation and governance​

Concept 7: The trust-delegation problem​

trust-delegation primitive：owner_human 和 owner_identic_ai 是两个不同 principal，真实 Paperclip activity_log 需要 governance_ledger 辅助区分。

delegation 的难点不是让 AI 点击 approve，而是让系统知道：谁作出决定、凭什么权限、签名是否有效、是否在 delegated envelope 内、以后如何审计。

每个 delegated action 必须通过三个 gate：

  1. Owner-authority envelope： Maya 本人是否有权做这件事？
  2. Delegated envelope： Maya 是否允许 Claudia 代她做这类事？
  3. Cryptographic attestation： 这次决定是否由 Claudia 的本地 key 签名，且 key 未被撤销？
type DelegatedDecision = {
  approvalId: string;
  action: "approve" | "decline" | "surface_to_owner";
  principal: "owner_identic_ai";
  actingOnBehalfOf: "maya";
  reason: string;
  confidence: number;
  envelopeRef: string;
  policyVersion: string;
  timestamp: string;
};

真正的设计重点是 attribution。Paperclip 现有 approve route 可能把 Claudia 的 API call 记录为 board action：actor_type='user'。这没错，因为 route 是 board-scoped；但它不足以区分 Maya 本人和 Claudia。因此本课增加 governance_ledger，用 approval id 把两条事实 join 起来。

Concept 8: Signed delegation from local credentials​

Identic AI 使用本地 ed25519 key 签署决定。签名 payload 至少包含 approval id、action、reason、confidence、timestamp、policy version 和 envelope reference。服务端验证签名和 key 状态后才执行。

签名 payload 应该稳定、可重放验证、不可含糊：

{
  "approval_id": "apr_01HZ4Q",
  "action": "approve",
  "principal": "owner_identic_ai",
  "acting_on_behalf_of": "maya",
  "reasoning_summary": "Matches standing instruction: auto-approve refunds under $2,000 when account age is over two years and no prior refund abuse.",
  "confidence": 0.91,
  "layer_source": "standing_instruction",
  "layer_reference": "refund_policy_v3",
  "delegated_envelope_id": "delegated_env_2026_05_01",
  "policy_version": "governance_policy_v4",
  "timestamp": "2026-05-12T09:14:43.201Z"
}
ed25519 signature:
  key_id: maya-openclaw-k7n2m
  signature: k7n2m...8q3w

服务端验证顺序应是：key 存在且未撤销；signature 验证通过；timestamp 在可接受窗口内；approval 仍 pending；action 落在 owner-authority envelope 与 delegated envelope 的交集中。

Concept 9: The two-envelope intersection​

two-envelope intersection：动作必须同时在 Maya 的 authority envelope 和 Claudia 的 delegated envelope 内；永远取交集，不取并集。

动作只有同时满足两个 envelope 才能自主执行：owner 本人有权做，且 owner 已明确授权 Identic AI 代做。扩大其中一个 envelope 不会扩大权限；真正可执行范围永远是交集。

示例：

{
  "ownerAuthorityEnvelope": {
    "refund_max_cents": 1000000,
    "hire_worker": true,
    "extend_company_envelope": true,
    "terminate_worker": true
  },
  "delegatedEnvelope": {
    "refund_max_cents": 200000,
    "hire_worker": false,
    "extend_company_envelope": false,
    "terminate_worker": false
  },
  "autonomousIntersection": {
    "refund_max_cents": 200000,
    "hire_worker": false,
    "extend_company_envelope": false,
    "terminate_worker": false
  }
}

所以 Claudia 可以在 $2,000 以下自动批准符合 standing instruction 的退款，但不能批准 envelope-extension hire。即使 Maya 本人能批准，Claudia 没有 delegated authority，就必须 surface。

Part 4: The worked example: wiring Maya's Identic AI​

Lab Setup: before Decision 1​

先选择 simulated track 或 full-implementation track。simulated track 使用 mock Paperclip endpoints，重点学习 architecture；full track 不修改 Paperclip codebase，而是在你的 integration skill 中实现 signing 和 verification layer。

两条路径的差别：

路径使用什么你证明什么
Simulatedmock approvals、mock ledger、mock Paperclip routes理解 architecture 和 audit semantics。
Full implementation真实 Paperclip approval routes、真实 signing layer、真实 governance ledger证明 Claudia 可以端到端处理真实 approvals。

full track 不修改 Paperclip codebase。它把 Claudia 注册为能调用 board-scoped routes 的 principal，在你自己的 integration skill 中实现 signing、verification 和 governance ledger。

1. Install Claude Code or OpenCode​

# macOS / Linux / WSL: recommended (auto-updates)
npm install -g @anthropic-ai/claude-code

# Or via Homebrew (no auto-update)
brew install claude-code

# Verify and update
claude --version

# All platforms: recommended
npm install -g opencode-ai

# Or via Homebrew
brew install opencode

# Verify and update
opencode --version

2. Download the starter project​

starter project 应包含 mock approvals、governance ledger schema、signing helper、OpenClaw skill scaffold 和 test fixtures。

starter zip 的期望结构：

identic-ai-lab/
├── AGENTS.md
├── docs/
│   └── plans/
├── mock-paperclip/
├── skills/
│   └── paperclip-governance/
├── src/
│   ├── signing/
│   ├── governance_ledger/
│   └── approval_demo/
└── tests/

Verifying setup​

运行 smoke tests：创建 pending approval、让 mock Identic AI 拉取、签署 approve、验证 ledger row。

uv sync
uv run pytest
uv run python -m approval_demo.seed
uv run python -m approval_demo.smoke

smoke test 应显示：1 个 pending approval 被 Claudia 读取；签名通过；mock approve route 返回 200；governance_ledger 写入一行。

The Plan-then-Execute discipline​

先让 coding agent 写计划和风险表。任何涉及 signing key、approval route 或 envelope 的改动都必须小步完成。

Decision 1: Install OpenClaw on Maya's Mac​

配置本地 OpenClaw profile、persona path、memory store 和 chat integration。确认本地文件可备份。

给 coding agent 的 brief：

Install OpenClaw for Maya. Run onboarding, create the Maya persona file,
configure the local session directory, and connect Telegram as the chat
interface. Do not configure Paperclip yet. Show me the plan first, then execute.
Verify that the OpenClaw daemon is running and that Maya can send one test
message from Telegram.

Decision 2: Onboard Maya's persona and import her judgment context​

导入过去 200+ 个 approval decisions、standing instructions 和 communication style。不要把原始敏感数据无选择地塞进 prompt；抽取必要模式。

导入内容应分层：

layer1_standing_instructions:
  - Auto-approve refunds under $2,000 when account age > 2 years and no prior abuse.
  - Always surface envelope-extension hires.
  - Surface first hire in a new language.

layer2_per_decision_feedback:
  source: past_approval_feedback.jsonl
  fields: [approval_id, maya_decision, maya_reason, correction]

layer3_derived_patterns:
  source: derived_patterns.jsonl
  confidence_required_for_autonomy: 0.85

Layer 1 最可靠，Layer 2 是纠错训练数据，Layer 3 是概率性模式。Claudia 每次决策都应说明自己主要引用哪一层。

Decision 3: Build the Paperclip-integration skill​

skill 负责拉取 pending approvals、读取 payload、形成建议、调用 signing layer、写 governance ledger。

skill 的最小工具面：

# Paperclip Governance Skill

Use this skill when Maya asks about Paperclip approvals, or when the polling
loop detects pending approvals.

Tools:
- list_pending_approvals
- inspect_approval
- decide_with_maya_context
- sign_delegated_decision
- post_approval_decision
- write_governance_ledger
- surface_to_maya

关键约束：skill 可以读取 pending approvals，但不能在没有 signing layer 和 envelope check 的情况下调用 approve route。

Decision 4: Generate Maya's Identic AI signing key and configure the delegated envelope​

生成 ed25519 key，把 public key 注册为 owner delegate，把 private key 留在本地安全存储。delegated envelope 应从小范围开始。

uv run python -m signing.generate_key --principal owner_identic_ai --owner maya
{
  "principal": "owner_identic_ai",
  "owner": "maya",
  "key_id": "maya-openclaw-k7n2m",
  "public_key": "ed25519:...",
  "delegated_envelope": {
    "refund_max_cents": 200000,
    "budget_override_pct": 20,
    "hire_worker": false,
    "extend_company_envelope": false
  }
}

私钥必须留在 Maya 设备上；Paperclip 或 integration server 只需要 public key 和 key status。

Decision 5: Build the delegation-and-verification layer​

验证三件事：key 未撤销、signature 有效、action 在 two-envelope intersection 内。三者有一项失败，就不执行。

async function verifyDelegatedDecision(decision: SignedDecision) {
  assertKeyRecognized(decision.keyId);
  assertKeyNotRevoked(decision.keyId);
  assertSignatureValid(decision.payload, decision.signature);
  assertApprovalStillPending(decision.payload.approval_id);
  assertWithinOwnerEnvelope(decision.payload);
  assertWithinDelegatedEnvelope(decision.payload);
  return "verified";
}

失败路径也必须写 ledger，尤其是 surface_to_owner。否则你只记录成功自动化，无法审计边界。

Decision 6: End-to-end demonstration with a flood of routine approvals plus one consequential​

routine refund pipeline：approval 到达，Claudia 轮询、判断、签名、调用 approve，并写 governance_ledger；Maya 不被打扰。

构造 20 个 routine approvals 和 1 个 consequential approval。routine 项应自动处理；consequential 项必须升级给 Maya。

完整 lab 使用更真实的 30 条 synthetic approvals：

22 refunds in the $500-$1,500 range       → auto-approve
4 refunds in the $1,500-$2,000 range      → auto-approve, flag in weekly summary
2 budget overrides at 10-15% over cap     → auto-approve
1 Spanish-Language Tier-2 hire            → surface to Maya
1 envelope-extension hire proposal        → surface to Maya

期望结果：

28 approvals status: approved
28 governance_ledger rows principal='owner_identic_ai'
2 approvals status: pending, surfaced to Maya in Telegram
1 Maya-resolved approval recorded as owner-human
1 Claudia auto-approval overridden by Maya for recalibration

审计重点是 JOIN：

select
  a.entity_id as approval_id,
  a.actor_type,
  a.actor_id,
  g.principal,
  g.action_taken,
  g.confidence,
  g.layer_source
from activity_log a
left join governance_ledger g
  on g.approval_id = a.entity_id
where a.entity_type = 'approval'
order by a.created_at desc;

在 activity_log 中，Maya 本人批准和 Claudia 代她批准都可能是 actor_type='user'。只有 governance_ledger 中是否存在 principal='owner_identic_ai'，才能区分这两种 principal。

Decision 7: Stolen-laptop recovery and device-switch continuity​

如果设备丢失，撤销 key、冻结 delegate、恢复 persona 和 memory 到新设备，并验证旧签名在有效期内如何处理。

恢复流程：

1. Revoke key_id maya-openclaw-k7n2m.
2. Mark owner_identic_ai delegate as frozen.
3. Restore OpenClaw session backup to new device.
4. Generate new ed25519 key.
5. Register new public key and delegated envelope.
6. Run a signed-decision smoke test.
7. Verify old key can no longer approve new pending approvals.

旧签名是否仍然有效取决于 timestamp 和 action completion。已经完成并写入 audit 的旧决定保持历史有效；撤销 key 不应重写过去，但必须阻止未来动作。

Part 5: Operational realism: what the Identic AI learns and how the audit works​

Concept 10: What the Identic AI learns over six months​

它会学习 owner 的实际判断模式：哪些退款 owner 总是批准，哪些合同条款总是升级，哪些客户需要特别谨慎。学习不是自动扩大 authority；它只是提高建议质量。

Claudia 的 context 分三层：

Layer 1: explicit standing instructions
  "Auto-approve refunds under $2,000 when no prior abuse."

Layer 2: per-decision feedback
  "I reversed this one because the customer has a pattern I want to see myself."

Layer 3: derived patterns
  "Maya tends to approve low-risk long-tenure refunds quickly."

六个月轨迹通常是：第 1 个月 surface rate 高，Maya 主动教学；第 2–3 个月 routine decisions 下降到稳定区间；第 4–6 个月主要是 novel-case recalibration。Claudia 每次决定都应说明 layer_source，否则 Maya 无法纠偏。

Concept 11: The governance ledger: the Identic AI's audit stream​

governance ledger 记录 principal、action、reason、confidence、source policy、signature、approval id、timestamp 和 verification result。它是区分 Maya 亲自点击和 Claudia 代理决定的证据层。

schema 应该足够具体：

governance_ledger
├── ledger_id
├── timestamp
├── approval_id
├── source_issue_id
├── principal
├── acting_on_behalf_of
├── action_taken
├── confidence
├── layer_source
├── layer_reference
├── reasoning_summary
├── attestation
├── override_status
└── override_reason

示例 row：

{
  "ledger_id": "gov_001",
  "approval_id": "apr_01HZ4Q",
  "source_issue_id": "iss_3421",
  "principal": "owner_identic_ai",
  "acting_on_behalf_of": "maya",
  "action_taken": "approve",
  "confidence": 0.91,
  "layer_source": "standing_instruction",
  "layer_reference": "refund_policy_v3",
  "reasoning_summary": "Refund is under $2,000, account age is over two years, and no prior refund abuse is present.",
  "attestation": "ed25519:k7n2m...8q3w",
  "override_status": null,
  "override_reason": null,
  "timestamp": "2026-05-12T09:14:43.298Z"
}

Weekly digest 是 Maya 实际消费的界面：

# Weekly Governance Summary

- Autonomous approvals: 28
- Surfaced to Maya: 2
- Overrides by Maya: 1
- Average confidence: 0.89
- Main layer source: standing_instruction
- Flags: 4 refunds near upper delegated limit

Concept 12: When the Identic AI's judgment and the owner's diverge​

当 owner 改变主意或 disagree 时，系统要记录 correction，并更新 standing instructions 或 pattern layer。不要让一条 correction 静默消失。

override 不是「打脸」；它是训练数据：

{
  "approval_id": "apr_refund_27",
  "override_status": "overridden_by_owner",
  "override_reason": "This customer has a pattern I want to see myself before approving high-band refunds.",
  "new_feedback_layer": {
    "type": "per_decision_feedback",
    "applies_to": "refunds_between_1500_and_2000",
    "instruction": "Surface when customer has unresolved prior disputes."
  }
}

如果 overrides 频繁出现，应该收窄 delegated envelope；如果同一类 surface 总被 Maya 批准，可以考虑扩大 envelope 或提高 confidence threshold。

Part 6: The honest frontier​

Concept 13: Self-sovereign memory, where the owner's accumulated judgment lives long-term​

真正的 owner delegate 不能把 owner 的判断历史锁进供应商。memory 应该可导出、可备份、可迁移、可删除，并能在新设备恢复。

单设备 self-sovereignty 由本地 session 解决；多设备和长期 continuity 仍然是 frontier。三种模式各有 trade-off：

Pattern优点风险
Manual backup/restore简单、用户完全拥有容易忘，恢复体验差
User-controlled encrypted sync多设备可用key management 复杂
Platform sync最顺滑最容易破坏 self-sovereignty

本课只要求你把架构承诺做好：Maya 能导出、备份、读取、撤销和迁移自己的 judgment store。跨设备完美体验不是本课已解决问题。

Concept 14: Value alignment beyond pattern-matching​

历史模式不等于价值对齐。Identic AI 可以学习 owner 常做什么，但 owner 仍要明确写下原则、红线和需要升级的类别。

Claudia 可能学到「Maya 通常批准 $500–$2,000 且账号超过两年的退款」。这是 pattern。底层 value 可能是「长期客户流失风险高，满意度优先」；也可能只是过去某个临时策略。pattern 在 routine case 中很有用，但遇到 fraud 或 novel situation 时会失效。

因此本课对自己的能力边界很明确：Owner Identic AI 可以把 Maya 从 routine approvals 中解放出来，显著提升 workforce 上限；它不能保证在所有 novel decisions 中替 Maya 做出价值一致判断。recalibration 和 surface-to-owner 是必要结构，不是失败补丁。

Concept 15: What's next, the Identic AI economy, the eval discipline, and the closing of the architectural primitives​

当每个 owner 都有 delegate，市场会出现 delegate-to-agent、agent-to-agent、delegate-to-company 的新交互。本路线的下一步是 EDD：衡量这些代理是否真的可靠。

本课构建的是网络中的一个节点：Maya 的 Owner Identic AI。未来会出现 customer-side Identic AI、employee-side Identic AI 和 peer-to-peer Identic AI。一个客户 Sarah 的 OpenClaw 可以代表 Sarah 向 Maya 的公司签名请求合同解释；Maya 的 Manager-Agent 验证 Sarah 的身份后，把请求路由给 Legal Specialist；双方的 Identic AIs 与 workforce 在签名凭据下交互。这是本课打开的方向，但跨组织 trust model 仍未完全落地。

Course Nine 的 Eval-Driven Development 会给这些 primitives 加上可度量信任：owner delegate 是否正确 surface？是否越过 envelope？是否在正确层引用判断？是否把 production failures 提升为 regression evals？没有 eval discipline，delegation 只能靠直觉；有 eval discipline，它才进入工程管理。

How to actually get good at this​

从小 envelope 开始。先让 Identic AI 处理低金额、低后果、历史模式明确的 approvals。每周查看 ledger，逐步扩展或收缩 envelope。

第一个月的目标不是最大自动化，而是建立 calibration record。合理的第一月状态是：surface rate 20–25%，override rate 3–5%，每周 review governance digest。第二个月再根据数据扩大或收窄 delegated envelope。不要用「它上周表现不错」作为无限授权理由。

Quick reference​

The 15 Concepts in one line each​

owner attention 是规模瓶颈；Identic AI 是身份代理；owner delegate 处理治理权；OpenClaw 提供本地 runtime；persistent memory 保存判断；chat app 是界面；delegation 需要可验证信任；本地 key 签署决定；权限取 two-envelope intersection；AI 学习 owner 模式；ledger 是审计流；分歧要反馈；self-sovereign memory 是长期问题；alignment 不只是 pattern；下一步是 eval discipline。

Command quick-ref​

claude --version
opencode --version

File location quick-ref​

persona 放在 OpenClaw profile；integration skill 放在 skills 目录；governance ledger schema 放在数据库 migration；signing tests 放在 tests/。

Extension type decision tree​

如果只是读取 approvals，用 skill。 如果要执行签名和验证，用 integration layer。 如果要改变 Paperclip 核心 auth model，先不要做；用外部 governance ledger 证明模式。

When something feels wrong​

如果 delegate 开始处理高后果事项，收窄 envelope。如果 ledger 无法解释决定，暂停自动审批。如果 owner 经常 disagree，更新 standing instructions 或撤回该类别授权。

References and further reading​

继续阅读 OpenClaw、ed25519 signing、WebAuthn、Paperclip approval routes、self-sovereign identity、Don Tapscott 的 Identic AI framing，以及后续的 eval-driven development 课程。