模型不是产品。闭环才是。

今天这条链靠八个职能的人手工拼起来，每一次交接都会断。更糟的是：它什么都学不到。上一项试验里纠过的错，下一项试验从零再犯一遍；做决定的人一走，判断就跟着走了。

前沿模型每两年便宜一个数量级、强一个台阶。把产品押在某一个模型上，就是押在一个会被换掉的零件上。我们的设计检验只有一条：如果明天的模型好十倍，Helix 是更有用，还是更没用？答案必须是更有用——因为上下文、决策历史、评测集和执行控制都不在模型里，它们在闭环里，换模型只会让它们更值钱。

数据进入申办方的湖仓，成为上下文；AI 在策略边界内起草；人签核；签核带着证据进入账本；纠偏变成回归用例；用例进入记忆，守住下一次改动。一圈转完，系统比上一圈厚了一层——没有人专门去建它。

两段可以点开的合成演示。第一段：一份中心实验室报告里的 ALT 值，经过 OCR、受控术语、SDTM、ADaM、TFL，进入人类签核的决策账本。第二段：那次签核里的纠偏变成回归用例，两周后拦下一次放宽门槛的提案。

自我改进如果没有边界，就是失控。Helix 的每一次改进都要先过门禁：改动先跑评测，不过回归不发布；AI 只在策略引擎划定的边界里生成；每个工具有三种返回——给值、弃权（说明缺哪条证据、下一步最便宜的实验是什么）、否决（前提不成立，链条停下并记录原因）。签字的，永远是人。

CRO 的工作随合同结束离开，人、判断和上下文一起走。Helix 站在申办方一侧：每一项在它上面跑过的试验都留下规则、阈值、评测用例和项目上下文，归申办方所有，下一项从这里起步。CRO 仍可在 Helix 里干活；Helix 是这些人手赖以工作的记忆。

今天 Helix 是辅助：让草稿、答案与记录对齐同一份上下文。每多转一圈，它就离决策本身近一步——剂量怎么爬、观察窗开多长、项目要不要继续、监管会从哪里质疑。临床判断与签核始终由人负责；这里标的是方向，不是现状。