“智能体沿用与人员、自动化相同的审计轨迹”,这句承诺很容易被读成治理问题已经解决。但在发布流程里,审计轨迹的“存在”与“可用”是两回事,差别往往就落在粒度上:一条记录写得足够细,事后才能还原判断链;写得粗,它只是一条“某次 AI 任务已通过”的事后装饰。
审计单元要落到行为主体
最小的可用审计单元,不能停留在“流程里有个 AI 步骤执行了”。它至少要能回答:哪个智能体、哪个版本、在什么触发上下文下、基于什么输入、执行了什么操作、由谁批准、失败之后如何处理。这里面最容易被简化掉的是行为主体的定位。同一条发布流水线可能并行运行多个智能体,如果审批界面只显示某个 AI 任务已通过,复盘时就无法区分是哪一个智能体做了什么,责任归属和因果判断都会悬空。审批记录指向具体智能体身份、版本与触发上下文,才谈得上审计价值。
链路与主体的连续性
第二层粒度在编排边界之外。智能体在执行过程中调用外部工具或模型,这些调用是否被一并记录进同一审计视图,决定了留痕是否完整。发布编排通常只记录任务级事件,而智能体的实际动作往往发生在更细的调用层,如果这一层缺失,日志能证明“它被批准了”,却证明不了“它到底做了什么”。
还有一个容易被忽略的时间维度:智能体版本升级后,历史记录能否仍然关联到当时的行为主体。审计要的是可回溯的因果关系,若升级让旧记录指向新版本,追溯链就断在升级那一刻。配套的还有日志出口与保留,能否导出到既有安全信息和事件管理平台、保留周期是否满足内部合规要求,这些细节通常不会出现在发布说明里,却直接决定智能体能否被允许进入生产变更路径。
审批门的粒度同样需要落到具体流程上:哪些门允许智能体提议、哪些必须保留人工批准,智能体建议与既有变更策略冲突时是阻止、升级还是转人工。这些无法从功能清单推导,只能在真实流程里验证。
对评估方而言,比较务实的做法是取一条真实发布流程做小范围试点,检查智能体发起的变更能否被现有审批和审计机制完整接住。顺带留意升级条件:26.3.0 存在脚本编辑权限的向后兼容问题,官方建议直接升级到 26.3.1 或更高版本;该版本以单一发行版同时支持 JDK 21 与 JDK 25,默认仍为 JDK 21,沿用默认运行时无需改动相关配置。把运行时选择、插件兼容性与脚本权限变化一起纳入升级窗口,比全量推进更稳妥。
