Agent治理

智能体治理公司 Reco 在 9 月底披露：他们在某财富 100 客户内部扫描出约 2.1 个 IT 完全不知道的 AI 智能体。IBM 与 Gartner 的调研则预测，到 2026 年底大型企业平均会拥有超过 1600 个在跑的智能体，而只有约 18% 的组织维护着一份最新完整的清单。这些「影子智能体」最大的问题，不是安全漏洞，而是财务上根本看不见——它们的账单散落在各个部门的预算里。 隐性账单长什么样 一个影子智能体至少对应三笔没人归集的钱。第一笔是 API 调用费：市场部为了抓竞品价格搭了个 Bot，每月烧掉几百美元的模型费，记在市场部软件预算里。第二笔是数据访问成本：它读了 CRM、邮箱、内部文档，一旦出问题，合规和法务的应对成本全是隐性的。第三笔是重复建设：三个部门各搭了一个功能几乎一样的 Agent，付了三份钱。 当企业有 2.1 万个这种 Agent，财务上的结果就是：没有任何一个人能说清楚「我们今年在 AI 智能体上到底花了多少钱、花得值不值」。 CFO 为什么会下场 过去几年，CFO 对 AI 的态度是观望——让业务部门先试。但当影子智能体规模到了上万，它就变成了一个可以被审计的成本中心。未来 12 个月，大型企业的 CFO 会要求一份类似「智能体资产负债表」的东西：每个在跑的 Agent 叫什么、归谁管、每月烧多少 API 费、访问了哪些数据、产出什么业务结果。没有这张表，AI 预算就是一笔糊涂账。 判断 智能体竞争的下半场，不只是模型和工程的竞争，更是治理能力的竞争。谁能先把影子 Agent 盘清楚、把重复建设合并掉、把账单归到正确的部门，谁就能在不影响业务的前提下砍掉 20% 到 30% 的无效 AI 支出。这部分被砍下来的钱，就是企业 AI 部门明年的利润。对中型公司，哪怕只有几百个影子 Agent，盘一遍也能省出一个工程师的年薪。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：影子智能体账单

9 月底，智能体治理公司 Reco 披露了一个案例：他们在一家财富 100 客户的内部环境里，扫描出约 2.1 个 IT 部门完全不知道的 AI 智能体。这不是危言耸听——Gartner 与 IBM 的调研都预测，到 2026 年底大型企业平均会拥有超过 1600 个在跑的智能体，而只有约 18% 的组织维护着一份最新、完整的清单。本文给一份今晚就能动手的盘点清单。 先搞清楚「未知智能体」长什么样 它不是恶意软件，而是各部门员工用 ChatGPT、Claude、内部 Agent 平台、甚至浏览器插件悄悄搭起来的自动化脚本。它们有的连了公司邮箱、有的能读 CRM、有的每天定时抓数据发到个人微信。风险不在恶意，而在没人对它们负责——权限谁批的、数据谁授权的、账单谁付的，全是空白。 四个狩猎场 第一，OAuth 授权记录。登录企业身份管理后台，搜所有「第三方应用授权」，凡是员工个人授权、能读写公司邮箱或网盘的 OAuth token，逐条过一遍。这是影子智能体最常见的入口。 第二，服务账号与 API Key。去云平台 IAM 控制台，按创建时间排序，找出近半年新建、却没有工单对应的 service account。员工私下申请的 API Key，常常就藏在这堆账号里。 第三，云函数与自动化触发器。扫一遍 AWS Lambda、飞书自动化、企业微信机器人、Zapier/Make 类工作流，凡是无人认领的定时任务，全部归档。 第四，浏览器插件与桌面端。让安全团队用 MDM 拉一遍员工浏览器扩展清单，凡是带 AI 自动填写、自动爬取能力的插件，逐一登记。 盘完之后做三件事 给每个在册智能体指定一个业务 Owner；给它的数据访问权限做最小化收敛；把它的 API 调用账单归集到部门预算。2.1 万个听起来吓人，但真动手扫，八成是重复造轮子——三个部门各搭了一个抓竞品价格的 Agent，合并成一个就能砍掉两笔 API 开销。 最后提醒一句：盘点不要只做一次，要做成常态化扫描。每个季度重跑一遍上面四个狩猎场，新冒出来的影子智能体七天内登记，半年后你手里才会有一份真正可信的智能体资产清单。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：影子智能体盘点

10 月上旬，NIST 智能体标准倡议（2026 年 2 月启动）的期限将至，却仍拿不出可执行框架。与之相伴的是 Reco 披露的一个刺眼数字：某财富 100 客户在内部清点时，发现约 2.1 万个「无人认领」的智能体——它们被某个部门、某个实习生、某个影子项目悄悄部署，却没有任何人能说清它们能碰什么数据。这就是行业正在说的 Agent sprawl（智能体蔓延）。 为什么会失控 过去一年，OpenAI Agents API（9 月 10 日公测）、Dots 配云电脑（9 月 29 日 DevDay）让「5 分钟起一个智能体」成为现实。门槛骤降的代价是：每个能写两行 Python 的人都在造 Agent，而企业没有为「造 Agent」建立和「写数据库存储过程」同等的治理门槛。 失控带来三类真实风险：一是越权，某个客服智能体被授了财务库的只读权限，却没人回收；二是重复，三个部门各养一个功能重叠的报销智能体，账单三份；三是审计盲区，出事时找不到负责人。 一套可复制的清点流程 不需要等 NIST，今晚就能开始： 出口镜像：在模型网关层（如 LiteLLM、自研代理）记录每个请求的 agent_id、调用方、工具清单与出站域名，导出成一张月度台账。 去重归并：按「功能签名」聚类——读同样的库、调同样的 API、答同样问题的，合并为一个受管智能体。 登记造册：用一张内部表登记负责人、数据范围、工具白名单、到期复审日；无主智能体一律降级为只读或停用。 权限最小化：把智能体的凭证从个人 token 换成服务账号，按工具粒度授权，而非整库放开。 治理不是扼杀 需要强调：治理的目标不是让造 Agent 变难，而是让「谁负责、能干嘛、花多少钱」可查。Manus 2.0 用 Token 下降 23.2% 证明了框架侧优化的价值，而企业侧省下来的，是那 2.1 万个影子智能体背后的重复账单与安全敞口。标准缺席的空档期，正是工程治理补位的窗口。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：Agent治理