Our main thesis is to keep the scaffold light and easy to change so the intelligence of the model is tested, rather than the ingenuity of the scaffold
这是整个项目最重要的设计哲学，也是最有争议的赌注。大多数AI智能体系统的成功来自精心设计的脚手架——复杂的提示工程、分步骤工作流、大量错误处理逻辑。Andon Labs反其道而行：最小化脚手架，让模型内在能力暴露出来。这既是测试方法论，也是关于AI发展路径的信仰声明：如果模型足够强，它应该能在结构少的情况下工作。
A fixed workflow (propose ideas, generate plans, write code, run smoke tests, run full training, analyze results, repeat) seems reasonable but underperforms giving AARs no workflow at all
这个发现颠覆了许多人对AI智能体的直觉。我们自然倾向于给AI更多结构——分步骤、有检查点、有模板，以为这会让它更可靠。但论文发现正相反：规定工作流约束了AAR适应具体想法的能力。当流程固定，智能体只能把想法塞进流程；当流程自由，智能体会根据想法定制流程。这对所有AI智能体产品都有启示：过度的scaffolding是一种隐性的能力税。