刚让AI动起来，就被OWASP泼了冷水——Agent治理从入门到落地

AI Agent 井喷了，但你敢把它扔到生产环境吗？

OWASP 刚刚发布了「Agentic Top 10」风险报告，里面提到一个很扎心的数据：48% 的网络安全专家已经把 Agentic AI 列为头号攻击向量，而 40% 的企业根本没对 Agent 工作流做过正经安全测试。

换句话说：大家都在拼命让 AI 动起来，却没几个人认真想过——它动起来之后谁来管它。

最近我在翻 SkillHub 时发现了一个叫 agent-governance 的 Skill，正好就是来解决这个问题的。

它到底管什么？

这个 Skill 给出了 6 个治理模式，句句都是实战里踩出来的：

• Governance Policy：把「AI 能干什么」写成可组合的策略对象，支持 YAML 配置——改策略不用重写代码。
• Intent Classification：在工具执行前先做意图分类，识别数据泄露、权限提升、Prompt 注入等威胁信号。
• Governance Decorator：给每个工具函数套上治理层，管速率、管内容、管权限，全自动审计。
• Trust Scoring：用时间衰减模型追踪 Agent 可靠性，敏感操作前先看信任分够不够。
• Audit Trail：只增不减的审计日志，所有操作记录全在，出了问题能溯源。
• Framework Integration：开箱支持 PydanticAI、CrewAI、OpenAI Agents SDK、LangChain、AutoGen。

怎么用？

拿最常见的「工具级治理 Decorator」举例，你只需要：

pip install your-agent-framework
from agent_governance import govern, GovernancePolicy

policy = GovernancePolicy(
    name="support-bot",
    allowed_tools=["search_docs", "create_ticket"],
    blocked_patterns=[r"(?i)(ssn|credit_card)"],
    max_calls_per_request=20
)

@govern(policy)
async def search_docs(ctx, query: str) -> str:
    return await kb.search(query)

就这么简单，所有超出策略的操作直接抛异常，连进审计日志。整个链路不需要改一行业务逻辑。

四个治理等级，对号入座

Skill 里还画了一张治理等级表，很实用：

• Open：仅审计，生产/测试随便跑
• Standard：工具白名单 + 内容过滤，通用生产 Agent 用这个
• Strict：全部控制 + 人工审批，金融/医疗/法务必选
• Locked：纯白名单、禁止动态工具、完整审计，上市合规系统用

我的判断

今年是 Agent 元年，「让 AI 动起来」已经不是门槛了——门槛正在变成「怎么让 AI 按规矩动起来」。

agent-governance 这套 Skill 的价值在于：它不是让你重新造轮子，而是把行业最佳实践打包成拿来即用的 Decorator + Policy 组合。你要做的，只是决定你的 Agent 属于哪个治理等级，然后装上它。

对做开发者的我来说，这个 Skill 适合转给那些「已经在跑 Agent 但还没认真想过治理」的同学——它是目前 Agent 治理这个方向上，最完整、最可落地的一份实战指南。

https://github.com/openclaw/skills

路径在 skills/boleyn/agent-governance，支持 Claude Code 和 OpenClaw 安装。

GitHub: https://github.com/openclaw/skills