ai-governance

AI 治理

AI 治理是指组织在构建模型之前以及模型运行期间，用于决定谁对 AI 系统负责、系统可承担何种风险、每个生命周期阶段必须通过哪些证据门槛，以及组织如何报告和审计治理状况的一套机制。本技能教会 Agent 如何对这套机制进行推理并加以运用：它是一项方法论技能，而非工具手册，也不构成法律或安全建议。

范围：本技能负责什么

本技能负责	本技能不负责
治理原则，以及如何将其转化为政策和控制措施	起草法规的法律解释，或对其发表意见
治理运营模式：委员会、治理专员、决策权、RACI、联邦式与集中式模式	数据平台机制、管道和数据沿袭工具的内部实现
风险框架：NIST AI RMF、ISO/IEC 42001 和 23894、模型风险分级、风险登记册	实施身份验证、授权或漏洞修复
覆盖构想、构建、评估、部署、监控、退役的生命周期阶段门槛	CI/CD 管道和部署门槛配置
跨领域的 6L-G 治理循环：战略、影响、实施、接受、运营、学习	将作者提出的框架视为法规或标准要求
公平性、偏见、透明度、可解释性和问责控制	产品组合／路线图治理节奏
训练数据和运营数据的隐私与数据治理	资本分配、组织架构或并购治理
GxP AI 治理叠加要求：ALCOA+、数据完整性、电子记录、基于风险的保证、QMS 接口	法律适用性判定、验证方案、SOP 或质量体系运行
LLM／Agent 安全：提示词注入、暴露阶梯、工具授权、记忆、数据外传、红队测试、供应链	主机级或应用级安全扫描
监管环境和合规映射（仅作指导，不构成建议）	法律文书起草、监管申报或律师—客户工作成果
第三方和模型尽职调查、董事会报告、审计	任何关于“您的系统符合规定”的权威声明

这是一套预防与运营方法论：它为 Agent 提供框架、决策模型和控制措施，用于设计和运行治理，而非声称某个系统合规或安全。每次参与都应记录运营模式、风险等级、每个阶段的门槛证据，以及每项已接受例外的责任人。

适用场景

在回答“我们应如何治理这个 AI 系统？”时加载本技能——例如，建立或完善治理计划、划分用例风险等级、设计运营模式和决策权、审查 LLM／Agent 系统的治理与安全缺口、将法规映射为合规／控制计划、评估治理成熟度，或准备董事会级别的报告。

能力准入与授权决策

对于“此能力是否可以进入或继续留在我们的环境中？”，请阅读 references/capability-admission-and-update.md，并使用 templates/capability-admission-record.md。对于“此 Agent 是否可以采取行动？”，请使用下文的逐步获取自主权流程。准入批准的是特定已记录修订版本和配置的组件；它不会授予运行时权限。如果两项决策都需要，请在一次审查中关联这两份记录。重复使用当前证据和现有授权范围；只有在发生重大变更或未满足审批条件时，才请求新的决策。

已获得的自主权

在设置 Agent 升级／降级阈值或审查已获得的自主权时，请阅读 references/earned-autonomy.md 并使用 templates/earned-autonomy-decision.md。支持负责任的人类根据能力、环境和行动类别作出决策；Agent 不能自行授予自己权限。site-reliability-engineering 提供运维证据，agent-production-operations 则落实已批准的控制计划。这套五级自主权阶梯与六级治理框架相互独立。

Agentic 工程决策权

在决定哪些软件工厂决策由人类做出、哪些可由 Agent 执行时，请阅读 references/agentic-engineering-governance.md 并使用 templates/engineering-decision-rights.md。重复使用范围明确的授权；区分技术就绪状态、意图接受、剩余风险接受和生产权限。检查保留给人类的审查是否具备足够的证据、能力，以及停止行动的能力。

参考文件（按需加载，每项任务加载一个）

渐进式披露：仅加载与当前问题相关的参考文件。

加载时机	参考文件
说明什么是 AI 治理及其原则；治理与合规、风险的区别	references/foundations-and-principles.md
设计运营模式、委员会、治理专员、决策权、RACI、成熟度、文化	references/governance-operating-model.md
应用 NIST AI RMF、ISO/IEC 42001 和 23894、模型风险分级、固有风险与剩余风险	references/risk-management-and-frameworks.md
在构思、数据、构建、评估、部署、监控、退役各阶段设置关卡	references/ai-lifecycle-governance.md
应用六级治理框架、证据闭环、成熟度和态势叠加层	references/six-level-governance-framework.md
公平性指标及其局限、偏见来源、权衡、算法正义	references/fairness-bias-accountability.md
可解释性（XAI）方法、何时需要解释、披露、可审计性	references/transparency-and-explainability.md
训练数据和运营数据治理、所有权、沿袭、质量、同意、PET、Agent 式记忆及用途感知型数据外传	references/privacy-and-data-governance.md
在 GLP、GCP、GMP、GDP 或药物警戒场景中使用 AI；ALCOA+、数据完整性、电子记录、审计追踪、验证/保证及 QMS 接口	references/gxp-and-data-integrity.md
信任边界、提示词注入、暴露阶梯、过度自主性、工具授权、遏制、供应链、红队测试	references/llm-and-agent-security.md
各司法辖区现行法律、合规映射、执法、前瞻扫描	references/regulatory-landscape.md
供应商/模型尽职调查、供应链、董事会报告、指标、审计	references/procurement-third-party-and-board-oversight.md
准入、更新、禁用或退役 Skills、MCP 服务或 A2A 能力	references/capability-admission-and-update.md
授予、提升、降低、暂停或撤销有范围限制的 Agent 权限	references/earned-autonomy.md
分配软件工厂决策权、受保护术语及实质性人工监督	references/agentic-engineering-governance.md
追溯任何观点所依据的书籍和研究笔记；参考书目	references/source-index.md

模板（可填写）

使用这些模板，将方法论转化为可实际使用的材料。

使用场景	模板
记录能力准入、配置变更、重叠情况和退出	templates/capability-admission-record.md
记录权限范围、证据、反证和独立审批	templates/earned-autonomy-decision.md
记录工程委派、保留给人类的决策以及执行交接	templates/engineering-decision-rights.md
建立治理委员会并制定其职权范围	templates/governance-charter.md
登记用例并在受理时进行分类	templates/use-case-intake-form.md
执行符合 NIST 要求的风险评估和分级工作表	templates/model-risk-assessment.md
记录已发布模型的预期用途、数据、性能、公平性和局限性	templates/model-card.md
开展供应商／模型供应链尽职调查	templates/third-party-due-diligence.md
准备面向高管／董事会的 AI 治理报告	templates/board-ai-governance-report.md
审查 SaaS/API/可自托管边界，以及 Agent 工具、操作、数据外发、记忆和证据	templates/agentic-governance-review.md

脚本

可执行、由标志控制、仅使用 Python 标准库的 CLI，并附带测试。两个脚本均接受 JSON 输入路径并生成确定性输出；--json 会在 stdout 上打印一个 JSON 对象；--dry-run 可预览而不做任何更改。成功时退出码为 0；成熟度评分器在治理状况严重时也会以 1 退出，两个脚本在输入错误时均以 1 退出。

使用场景	脚本
根据各维度评分（1-5）评估组织的治理成熟度；输出成熟度等级和差距	scripts/governance-maturity.py
将 AI 用例归类到风险等级，并确定所需控制措施	scripts/use-case-risk-tier.py
验证成熟度评分器（单元测试 + 行为测试）	scripts/test_governance_maturity.py
验证风险等级分类器（单元测试 + 行为测试）	scripts/test_use_case_risk_tier.py

评估和配置

• 评估清单： evals/evals.json 包含用于评估此技能输出质量的用例（运营模型设计、用例风险分级、6L-G 与部署态势审查、Agent 安全与隐私审查、影响评估结项、LLM 应用治理审查、公平性／问责制审查、法规遵从映射、董事会治理报告，以及 GxP/数据完整性治理）。
• 配置： pytest.ini 会覆盖仓库根目录的覆盖率设置，以确保基于子进程的技能测试顺利运行；请勿添加第二个覆盖项。
• 入口点： 此 SKILL.md 是路由文件；README.md 是面向评估是否安装此技能的人员的介绍。

不适用场景

如果工作属于相邻方法论或执行范畴，请勿加载此技能：

• 监管／法律策略。 解读法律或法规的含义、构建合规法律风险框架，或准备法律立场，属于 legal-strategy 工作。此技能将义务映射到控制措施，并记录可经得起审查的治理立场；它不对法律发表意见。如果需求涉及法律解读，请优先使用 legal-strategy，再回到此技能，将由此得出的义务转化为控制计划。
• 产品运营与治理。 具有证据标准的定期产品决策机制（受理、产品组合、路线图、实验、发布、生命周期审查）属于 product-operations-and-governance，而非此技能。此技能治理的是 AI 系统的风险与问责，而非产品组合的决策节奏。
• 数据治理机制。 构建数据目录、数据沿袭管道或平台存储内部机制属于 data-architect / data-engineering 工作。此技能将数据治理作为控制输入，但不负责运营数据平台。
• 实施阶段的安全。 为应用编写身份验证、授权、输入验证或依赖项加固代码，属于 secure-software-engineering 工作。此技能制定 AI 治理与安全控制措施及风险等级，但不实现安全机制。
• 法律、财务或安全建议。 此技能中的任何内容都不构成法律、财务或安全建议。使用时，必须根据一手资料重新核实监管与标准相关材料。
• 其他一次性决策。 一般架构或产品决策请使用 adr-authoring 或 product-methodology。单项 AI 能力的准入与权限决策仍属于此技能。

相关技能（路由）

当你需要……	路由至
监管与董事会法律策略、法律解读	legal-strategy
数据治理机制：目录、沿袭、平台内部机制	data-architect 或 data-engineering
实施应用与系统安全控制措施	secure-software-engineering
定期产品决策机制与证据标准	product-operations-and-governance
单项持久化架构决策记录	adr-authoring