完整规范
CO 论文完整版：八项首要原则、五层架构、三种失败模式、符合性标准、领域应用模板，以及六个已在运行的领域应用。
阅读完整规范 →COC：面向代码生成的 CO
参考领域应用。CO 应用于使用 Claude Code 的软件开发，是五层架构在生产环境中成立的证据。
阅读 COC 论文 →CO：认知编排
治理架构（CARE）与信任验证（EATP）界定了自主系统运行的边界。两者都没有规定工作在边界内究竟如何推进：任务如何组合，代理如何协调，执行结果如何反馈回治理政策。架构与执行之间的这道缺口，是大多数治理框架止步之处。
CO 正是填补这一缺口。它界定人类与自主系统如何在结构化工作中协作：模式、协调模型，以及将执行与治理连通的反馈回路。
CO 规定什么
Section titled “CO 规定什么”工作流组合。 CO 提供一套基于节点的模型，用以将工作组合为可执行的工作流。每个节点代表一个具有定义好的输入、输出与约束的离散工作单元。工作流通过节点连接构建，编排运行时负责执行、错误恢复与约束传播。
代理协调。 当多个自主代理协作完成一项任务时，CO 规定它们如何协调：工作如何分配，结果如何聚合，代理输出之间的冲突如何解决。
约束传播。 来自 CARE 框架的治理约束沿 CO 工作流向下流动。每个节点继承并可以收紧（但绝不能放宽）其父上下文的约束。这确保治理政策在执行的每一层都得到贯彻，而不仅是在入口处。
反馈回路。 CO 闭合执行与治理之间的回路。执行结果（成功、失败、约束违反、边界情形）反馈至治理层，支撑 CARE 所要求的反思性改进。
CO 是领域无关的。五层架构适用于任何由人类与人工智能协作完成结构化工作的领域。每个领域应用遵循同一模板：专职代理（第 1 层）、领域知识（第 2 层）、领域专属护栏（第 3 层）、结构化工作流（第 4 层），以及学习系统（第 5 层）。工作通过六阶段流程推进：分析、计划、执行、评审、学习、交付。领域特定的内容因领域而异，架构保持不变。
目前已有七个领域应用（四个在生产中使用，一个在开发中，一个在分析中，一个已提出）。完整列表见 CO 应用。
| 应用 | 领域 | 作用 | 代码库 |
|---|---|---|---|
| COC | 软件开发 | 使用 Claude Code 构建软件。30+ 专职代理、框架感知技能、自动化代码评审、测试驱动实现。 | kailash-coc-claude-py（英文） |
| COR | 学术研究 | 与人工智能共同撰写学术论文。引文完整性、文献综合、论证结构、论断核验。 | co-research（英文） |
| COL | 学习 | 面向任意学科的学生与人工智能协作。引导式学习流程、理解脚手架、主动回忆、间隔重复。 | 开发中 |
| COL-F | 金融（学习） | COL 的金融学科层。组合分析、风险建模、市场分析、考试准备。此前称为 COF。 | co-finance（英文） |
| COE | 教育 | 面向 GenAI 时代的教师评估设计。具备 AI 韧性的评估、透明评分标准、学习成果映射、AI 可复现性审计。 | co-education（英文） |
| COG | 治理 | 基金会使用 CO 治理自身。章程合规、规范起草、透明度报告。 | 自托管 |
| COComp | 合规 | 监管合规分析。从监管文本中提取要求、控制映射、差距评估、合规报告、审计文档。 | co-compliance（英文） |
若需要为本表未列出的领域创建 CO 应用，可克隆 CO 模板（英文）。它提供五层结构、示例代理与工作流命令，领域知识由使用者提供。
CO 不涵盖的内容
Section titled “CO 不涵盖的内容”CO 界定结构化工作的编排模式。它不规定治理哲学（那是 CARE），也不规定密码学验证机制（那是 EATP）。CO 不规定具体的领域工作流设计；它提供组合模型，具体节点及其行为属于实现决策。
CO 规范按 CC BY 4.0 发布。参考实现为 Kailash Python SDK（Apache 2.0，英文），提供 188 个工作流节点、运行时执行能力，以及 CO 所描述的编排模式。