術語
受治理執行時
受治理執行時是這樣一種應用執行時:它在每一次讀取、寫入和工具呼叫上強制執行身份、許可權、審批和審計日誌,使 AI Agent 與它所代表的那個人受完全相同的規則約束。
又稱 受治理的應用執行時策略強制執行時
在實踐中
多數 AI 整合把規則放錯了地方。寫在提示詞裡的「絕不要修改已關閉的商機」只是一句建議;而一個握著資料庫憑據的服務賬號根本沒有規則可言。受治理執行時把邊界挪到模型下面:Agent 呼叫一個工具,執行時解析出真正的操作身份,套用行級與欄位級許可權,把有實質影響的操作路由到審批,並寫下審計記錄——無論呼叫方是瀏覽器會話、API 客戶端還是一次 MCP 工具呼叫。
這也是為什麼「自託管 AI」通常問的是執行時,而不是模型。權重跑在哪裡,遠不如「哪個元件決定 Agent 能讀什麼、能執行哪個動作、事後留下什麼證據」重要。聊天介面無法可靠地執行這些判斷;掌握資料訪問路徑的那一層才可以。
有一個很實際的檢驗:如果明天把這個 Agent 換成一個用同一套登入憑據的實習生,系統的安全性會有任何變化嗎?在受治理執行時裡答案是不會——因為強制執行從來就不依賴呼叫方自覺。
這個術語用在哪裡
真正用到這個術語的頁面與文章。
產品頁面
文章
- AI Agent 資料安全邊界:如何在企業許可權內工作 企業不是不想讓 AI agent 使用業務資料,而是不允許它繞過身份、許可權、審批和審計。真正可上線的 agent,必須像一個受控使用者,而不是影子管理員。
- AI 智慧體刪除生產資料:為什麼執行時護欄比提示詞可靠 公開記錄中的 Replit 事故提醒我們:智慧體的影響半徑不能只靠提示詞收窄。生產資料、破壞性操作和恢復證據,都需要由執行時許可權、審批和審計來約束。
- 自託管 AI 應用平臺:為什麼執行時屬於你 當 AI 開始讀取業務資料、觸發流程、生成應用和呼叫工具,企業真正要控制的不只是模型,而是承載物件、許可權、工具、審批和審計的執行時。