合规治理
责任主体是组织与服务提供者：把 CCPA / GDPR / PIPL 等法域条款拆成可判定的检查项，每条能溯源到条款，从快速自查到正式审计用同一套口径。
- 每条检查项标注依据条款与严重度
- 三档深度：Guard 免费拦截、Check 云端评分、Audit 正式审计
- 检查结果带风险分级与留痕
治理框架
智能体生态的治理基础设施
治理的目的，是让会自我扩张的能力在可信任的边界内运行——让人敢放手，让生态敢生长。
思想起点
当一个行动者集群填满了人离开后的空座，谁来为它的每一个行动负责？
我们的回答是把责任写到可核验：一份授权要能回答四件事——谁批的、批准的范围是什么、什么时候失效、事后由谁来核对。回答不了这四问的治理，在争议现场帮不上忙。
责任落点
对象不同，责任落在不同的人身上
三层指的是责任落在谁身上；机制是同一套——把规则写成可判定的检查项，逐项检查、评分、出报告。
纪律治理
责任主体是个人：把好习惯与操守封装成可共享、可执行的检查技能，内容审核后上线。
- 普通人可把自己定义的好习惯封装为 Skill
- 内容审核后上线，属非认证众包
- 被多人验证有效后可申请认证，转入专家类
专家治理
责任主体是知识供给方：领域专家把方法论蒸馏为可复算的技能，判断依据可追溯。
- 首发专家：美国研究生申请助理（画像 / 选校 / 文书 / 计划）
- 方法论蒸馏为结构化规则与数据，判断依据可追溯
- 按方向持续扩充
治理栈
五层治理基础设施
五层依次回答合规上的五个问题：依据从哪来（规则层）、过程怎么留痕（检查层）、成本怎么算（计量层）、跨主体的记录怎么互认（互操作层）、出事后回到谁（追责层）。
-
01
规则层
结构化规则库，check_items + 评分 + 报告模板，公开、可改、可热更。
-
02
检查层
统一引擎：加载规则 → 逐项检查 → 评分 → 报告，一次调用留下一条可审计记录。
-
03
计量层
按次计费，Guard 免费、Check 1 积分、Audit 10 积分，成本可预期。
-
04
互操作层
通过 Skill 与 MCP 跨平台分发，同一套规则在多个智能体宿主中可用。
-
05
追责层
审计日志、报告留痕与质量门禁，让每次行动可归属、可复现、可追责。
反共识判断
把责任写清楚，协作才成立
治理不是给能力加围栏，而是把谁负责、负责到哪一步写清楚。写清楚了，跨主体才谈得上协作。
流行叙事
我们的判断
治理 = 限制能力，越少越好
治理 = 把责任写到可核验
责任写不清楚，人就不敢把关键的事交出去。边界越明确，能托付的范围越大。
AI 治理就是模型层的安全对齐
行动层的责任归属才是缺口
对齐管的是模型怎么说，管不了智能体替谁做了什么、花了谁的钱、碰了谁的数据。
记录留着就行，出事再翻
记录要能被当事方之外的人核对
日志由当事方自己保管，等于自证。争议现场需要的是一份不由任何一方说了算的记录。
授权说一句「已授权」就够
授权要能逐项比对到具体动作
在争议里，「他有授权」这句话没有用。范围要落到能做什么、明确地不能做什么，并能与实际动作比对。
合规只有大企业做得起
同一套口径要能覆盖到个人与小团队
跨主体协作里，只要有一方举证不了，整条链的可信度就断在那里。
演进路线
从可检索的知识，到可核验的行为
-
阶段一
静态知识库
法规与案例的结构化沉淀，面向人阅读与检索。
已上线 -
阶段二
可检索与轻量问答
以人读为主，加入筛选、搜索与摘要问答。
已上线 -
阶段三
RAG 检索层
人与智能体都能查询同一套可追溯的知识底座。
规划中 -
阶段四
行为底座
把检查对象从人回答问卷，换成智能体行动日志——审计对象随之从声明变成行为。
规划中