Blank chat box 唔係運行 consequential work 嘅好地方。佢將五條完全唔同嘅問題 — 你想要咩、你望緊咩、佢根據咩、你被允許做咩、已經發生過咩 — 壓成一條冇分別嘅 stream。對 casual tasks 可能冇問題。但對 governed operations，actions 會觸及 systems of record，decisions 又必須 defendable，呢種壓埋一齊正正係你承受唔起嘅事。
Threada workspace 刻意拆成五個 surfaces。每個 surface 回答其中一條問題，而保持佢哋分開，先令工作可以 review。
1. Intent bar — 你想要咩？
Threada 入面嘅工作由 persistent intent bar 開始，而唔係深層 navigation。你用 natural language 講 outcome，可以 optional 加 structured commands，runtime 會將佢轉成 structured、executable artifact：一個帶 extracted entities、confidence score 同 risk flags 嘅 WorkItem。
呢個係 intent-first interaction。System 唔會迫 operator 喺開始前先知道要開邊個 form、排邊條 queue、用邊個 workflow；佢先 capture goal，再組裝 path。資料缺失時，佢會問正需要嘅嘢，而唔係一開始就拋出長 static wizard。
2. Adaptive canvas — 你做緊咩？
Canvas 係 WorkItem 生活同成形嘅地方。佢係 adaptive：UI 可以組裝 temporary forms、comparisons 同 decision panels 去收集 missing context 同完成 task，而唔係對每種工作都 render 同一個 fixed layout。
Generated output 預設係 editable draft，唔係 committed change。Operator review、edit、再決定。Controls 係 explicit — lock 同 no-change zones、side-by-side compare、fast undo 同 version rollback — 所以 canvas 係 deliberation 嘅地方，唔係 model 第一個猜測直接變真相嘅地方。
3. Evidence drawer — 根據啲咩？
每個 consequential output 都應該可以 show its work。Evidence drawer 放住 grounding WorkItem 嘅 citations、retrieval traces 同 source attribution。當 system 無法 ground answer，佢會明確講出 fallback reason，而唔係編造 confidence。
呢個 surface 將「trust the AI」變成可以 inspect 嘅 claim，而唔係 leap of faith。Operator 唔需要盲信 draft；佢可以打開 drawer，睇 draft 站喺咩上面、sources 幾 fresh、每個 claim 由邊度嚟。
4. Action controls — 你可以做咩？
Reading 同 drafting 相對安全。對外部世界採取 action 就唔係 — 所以 controls surface 受 governance 管理。Proposal 喺呢度變成 approval，approval 再變成對 external systems 嘅 executed actions：refund、ticket、record update、access grant。
呢度嘅 governance 以 policy 表達 — permissions、thresholds、approval gates、redlines — 唔係散落嘅 settings toggles。High-risk actions 會經過 explicit proposed、approved、executing progression，並只會喺 policy 容許時 auto-execute。Service-level kill switch 可以喺任何 connector 被呼叫前停 execution，同時保留 state 供 review。Controls surface 係 system 嘅小心態度變成具體機制嘅地方。
5. Run log — 發生過咩？
Run log 係 WorkItem 嘅 timeline：每個 transition、approval、action、AI participant event，都按次序記錄。呢個 surface 令 receipts 累積成 history。
關鍵係，AI actions 會作為 distinct actor events 出現，而唔係摺入 human activity。讀 run log 時，你可以清楚見到邊個 proposed、邊個 approved、咩 executed — human 或 agent — 唔使估。Run log 係 auditor 季尾會讀嘅嘢，亦係 operator 今日理解眼前 case 會讀嘅嘢。
點解拆分本身就係重點
做一個 surface，任由全部 blur 埋一齊，當然更簡單。但 consequential work 要求你分清楚呢啲問題，所以唔應該咁做。
如果 intent、evidence 同 action 共用同一個 surface，你好容易對未 grounded 嘅嘢採取 action，或者 approve 一個你未見過 basis 嘅 proposal。Threada 畀每個問題自己嘅 surface，令小心路徑變成自然路徑：講 intent、喺 canvas shape draft、check evidence，然後透過 governed controls act — run log 記錄全部。
五個 surfaces 喺 packs 同 roles 之間保持 constant；填入嘅內容會 adapt。呢種穩定係刻意嘅。Operator 學識一個 workspace 嘅形狀，就學識所有 workspace 嘅形狀，無論係 IT access provisioning、vendor security review，定 procurement approval。工作會變。推理方式唔會。