enterprise-brand-governor

企业品牌治理器

针对 AI 生成图像的策略即代码。每条提示词都会依据 brand.md 进行预验证，每个输出都会经过后置检查，违规情况会升级交由人工审批者处理，并记录每项决策。专为受监管行业打造，也适用于任何将不符合品牌规范的素材投产视为重大风险的企业。

---

适用场景

• 多个团队（营销、产品、销售、代理合作伙伴）基于同一套品牌体系生成内容
• 受监管行业（制药、金融、酒类、儿童产品），图像内容受法律限制
• 品牌安全 SLA——严格禁止包含竞争对手 Logo、受限道具或不符合品牌配色的输出进入生产环境
• 代理交接——外部供应商基于你的品牌生成内容，你需要设置自己可控的关卡
• 需要自动化投产前审核流程；仅由人工审核升级处理的内容

请勿用于：快速探索／情绪板工作（关卡会拖慢创意构思），或尚无书面品牌体系的账号（请先编写 brand.md）。

---

前置条件

在各团队全面启用治理器之前：

1. 品牌体系位置——brand.md 的路径／仓库／URL。由谁负责？变更控制流程是什么？
2. 策略严格程度——拒绝（停止）、标记（记录并允许），或按素材用途分级（生产环境 = 拒绝，内部使用 = 标记）？
3. 审批链——由谁审核标记的内容？升级处理的 SLA 是多久（1 小时、24 小时、3 个工作日）？
4. 日志记录位置——本地 ~/.gen-ai/audit/、S3 存储桶，还是发送到 SIEM（Splunk、Datadog）？
5. 合规约束——必须编码到 brand.md 中的 GDPR／HIPAA／COPPA／金融服务规则？
6. 回滚计划——如果治理器阻止了合法发布，谁有权覆盖？如何记录该操作？

---

运行方法

治理器会在三个检查点运行：提示词、生成、输出。

1. 编写 brand.md——包括配色、字体、允许／禁止的道具、图像风格、语气和受监管类别规则。使用 git 进行版本管理。提交 SHA 即为策略 ID。
2. 预检（提示词 lint）——在消耗额度前，使用 gen-ai validate 检查提示词。捕捉禁用词、禁止的概念和缺少的必需元素（例如免责声明的位置）。
3. 带品牌上下文的生成——每条 gen-ai generate 和 gen-ai batch run 提示词都应包含相关的 brand.md 约束。在 QA 期间检查违规情况。
4. 后检（输出检查）——对于关键素材，使用二次检查模型（gemini-3-pro-image 或视觉检查）验证输出是否符合策略。包括配色采样、Logo 存在检测和道具允许列表检查。
5. 升级处理——任何状态为 violation 的内容都会进入审批队列。人工审核并批准或拒绝，决策会关联审计 ID 并记录。
6. 导出审计记录——每天／每周将所有决策导出到已配置的 SIEM 或合规档案库。

快速参考

治理器会将策略元数据添加到每条作业记录中。

{
  "defaults": {
    "model": "flux-2-pro"
  },
  "metadata": {
    "policy_id": "brand.md@sha:a4f1c9",
    "policy_version": "2.3.0",
    "policy_mode": "reject",
    "approver": "[email protected]",
    "escalation_channel": "#brand-review",
    "audit_id": "GOV-2026-04-CAMPAIGN-LAUNCH",
    "compliance_tags": ["GDPR", "US-FTC-native-ad"],
    "data_residency": "eu-west-1"
  },
  "jobs": [
    {
      "id": "launch-hero-001",
      "prompt": "Production launch hero. Editorial hero, team of four diverse professionals collaborating, modern office, natural light, brand palette. Apply brand.md constraints and require legal review before publishing."
    }
  ]
}

在下游审计账本中记录策略决策：approved、flagged 或 rejected，并附上原因。

---

快速参考

子任务	模型	说明
提示词合规性检查	gpt-image-1.5 / 文本推理模型	生成图像前进行低成本预检
主要生成（符合品牌规范）	flux-2-pro	提示词遵循度高，可用于商业用途
主要生成（产品准确性）	flux-kontext-pro	必须保留主体时使用编辑模式
生成后视觉审计	gemini-3-pro-image	场景理解能力强，适合策略检查
仅放大已批准的输出	topaz-upscale-image	批准前切勿放大——会浪费额度

使用 gen-ai models info <id>，按提供商确认商业用途状态。制药和金融服务行业应维护一份简短的预先批准模型允许列表。

---

流程

• 将 brand.md 视为代码。 纳入版本控制、经过审核并签名。该文件的提交 SHA 是每条审计记录中的策略 ID。
• 始终固定模型版本。 模型变更会改变策略解读。与 enterprise-pinned-registry 配合使用。
• 花费前先预检。 gen-ai validate 可免费发现 80% 的违规问题。
• 拒绝时引入人工审核。 拒绝是一项业务决策，而非工具决策。将其转交给审批人。
• 默认拒绝，而非标记。 标记模式仅用于草稿；生产环境必须拒绝。
• 记录一切。 每条提示词、每项决策、每次覆盖都要记录。不允许静默批准。
• 轮换审计日志。 每日生成 JSONL，并发送到开发机之外。本地日志会消失；SIEM 不会。
• 用对抗性提示词测试治理器。 每季度对自己的策略进行红队测试——它是否真的能识别竞争对手的徽标和禁用声明？
• 记录覆盖流程。 合理的例外情况一定会出现。确保覆盖操作可见、有日志记录且设有时限。

---

常见陷阱

• brand.md 过于含糊——“使用品牌配色”无法强制执行。应明确十六进制颜色代码、道具允许列表和明确的禁止项。
• 没有覆盖流程——合理的例外会绕过系统，导致审计失效。应将覆盖流程纳入系统。
• 日志仅保存在本地——开发机可能会损坏。从第一天起就将日志发送到 SIEM 或持久化存档。
• 在生产环境使用标记模式——“之后再审核”永远不会发生。默认拒绝。
• 未审计的模型替换——有人在活动期间将 flux-2-pro 换成新模型，导致策略解读发生变化。固定模型版本。
• 英雄图缺少后置检查——提示词通过了，输出却没有通过。对于生产用英雄图，务必执行视觉审计。

---

验证

运行 gen-ai whoami 确认身份验证，然后使用 --debug 重新运行失败的命令。

命令

# Pre-flight validate a prompt before spending credits
gen-ai validate --model flux-2-pro --file prompt.json

# Gated single generation
gen-ai generate --model flux-2-pro --prompt "$PROMPT" \
  --save-to-drive --drive-folder "Gated-Output"

# Gated batch with retry on transient failures only (not violations)
gen-ai batch run campaign.json \
  --concurrency 4 --output ./runs/campaign-2026-04

# Flag mode — for internal / draft contexts
gen-ai batch run drafts.json \
  --output ./runs/drafts-2026-04

---

成本与时间

与生成相比，治理开销很小。预检 + 后置检查会使关键素材的积分成本增加约 10–15%，非关键素材则约为 0%。

场景	治理开销
单次门控生成	+0 积分（策略已在调用中通过）
单次生成 + 视觉审计	+1–2 积分
批量处理 100 项，仅预检	+~5 积分（文本推理器）
批量处理 1,000 项，完整流水线	+~50 积分 + 1 小时审批人时间
季度红队审计	~1 个工程师日 + ~200 积分

拒绝违规内容 = 节省积分。拦截一个不符合品牌规范的生产素材，节省的成本通常就是治理开销的数倍。

---

另请参阅

• enterprise-pinned-registry — 固定模型版本，让策略解读保持稳定
• product-photo-studio — 品牌门控的目录流水线（重拍模式）
• enterprise-press-batch — 带有禁发处理的品牌门控公关流水线
• gen-ai-use — CLI 参考