三部委《智能体规范应用与创新发展实施意见》解读：Agent 开发者合规自查清单

合规动作取决于形态，先填这张定位表：

我的 Agent 是哪种？
□ 手机助手类（在手机上自主操作 App）
□ 终端智能管家类（PC/桌面级，跨软件执行）
□ 云端智能体类（云端运行、按需调用）
□ 行业智能体类（金融/政务/医疗/工业等垂直场景）
□ 多形态组合（如同时有桌面端 + 云端）

对照自查：
· 自主性等级：能自主执行到什么程度？
  （仅建议 → 半自动 → 全自主执行外部动作）
· 权限等级：能访问哪些数据、操作哪些系统？
· 影响范围：出错最坏后果是什么？
  （答错一句话 / 误发一条消息 / 误扣一笔钱 / 影响生产设备）

文件强调「操作授权」，核心是：Agent 的高权限操作必须有明确的授权链路，不能默认全开。自查清单：

□ 是否区分「只读」与「写操作」权限？
   · 查资料/读文件 → 低风险，可自动
   · 发送消息/下单/改配置/删除 → 高风险，必须授权

□ 高风险操作是否默认「人工确认」？
   · 涉及支付、对外发布、删除、修改生产数据的动作，
     默认执行前需用户/管理员确认

□ 权限是否最小化？
   · 给 Agent 的 API Key、账号权限是否只覆盖任务所需？
   · 是否使用了独立低权限账号，而非你的个人主账号？

□ 授权是否可撤销？
   · 用户能否随时查看「Agent 已获得哪些权限」并一键收回？

「决策校验」的意思是：关键决策要有规则兜底，而不是模型说什么就是什么。自查清单：

□ 是否有规则护栏（硬性约束）？
   · 金额上限、白名单、黑名单、禁操作清单
   · 例：转账类 Agent，单笔超 5000 元自动转人工

□ 高风险决策是否分层？
   · 普通决策：Agent 自主
   · 重要决策：规则校验通过才执行
   · 关键决策：必须人工审批
   （三层分级比「一刀切禁止」更可落地）

□ 模型输出是否经过结构化校验？
   · 让 Agent 输出 JSON + 校验字段合法性，
     而不是直接执行自然语言结果

□ 执行前是否有「预演」？
   · 高风险任务先 dry-run 一遍，看它打算做什么
   · 参考执行前护栏方案：允许 / 暂缓 / 阻断

「可追溯审计」要求 Agent 的每一步都留痕：谁发起的、模型怎么想的、执行了什么、结果如何。自查清单：

□ 是否记录完整执行轨迹？
   · 输入任务、规划步骤、工具调用、模型原始输出、最终结果

□ 关键动作是否有操作日志？
   · 时间、操作人（或 Agent 会话 ID）、操作对象、
     变更前后值、结果状态

□ 日志是否防篡改、可导出？
   · 生产环境日志只追加不覆盖，定期归档
   · 监管或客户要求时能快速导出

□ 是否有异常检测与告警？
   · 高频越权尝试、异常时段的敏感操作 → 自动告警

□ 数据留存是否符合合规要求？
   · 涉及个人信息的日志按相关法规设定保存期限

文件提出围绕科学研究、产业发展、提振消费、民生福祉、社会治理五个方向共 19 个典型应用场景。对从业者来说，这是「政策红利清单」：

五大赛道（每个方向都有若干具体场景）：
1. 科学研究：科研助手、文献分析、实验设计协同
2. 产业发展：工业质检、供应链优化、数字员工
3. 提振消费：智能导购、个性化推荐、售后智能体
4. 民生福祉：医疗咨询、教育辅导、适老化助手
5. 社会治理：政务服务、基层治理、应急响应

行动建议：
· 对照官方解读，找到与你产品最贴近的 1-2 个场景
· 主动申报典型场景试点 / 示范项目
  （纳入示范 = 品牌背书 + 潜在政策资源）
· 在方案里明确写出「符合实施意见的 X 场景」，
  商务与招投标时是加分项

《实施意见》是「总纲」，具体场景还有配套细则。把合规变成持续动作：

衔接已有细则（自查是否有遗漏）：
· 陪伴类/拟人化 Agent → 对照 7·15《人工智能拟人化互动服务
  管理暂行办法》（可参考本站《7·15 新规合规改造》）
· 生成式 AI 服务 → 对照既有生成式人工智能管理办法
· 算法推荐/深度合成 → 涉及则完成相应备案与标识

建立合规日历：
□ 每季度：跑一遍本教程 Step 2-4 三红线自查
□ 每次大版本更新：更新授权清单与日志设计
□ 关注：网信办配套解读、行业标准（含手机 Agent 国标类动态）
□ 团队：给开发/产品做一次合规内训（可用本教程做教材）