When agents act on their own, governance has to live in the data layer

发生了什么

一篇文章围绕企业部署自主人工智能代理时的治理困境展开。核心论点是：一旦代理具备更高自主权，仅在代理层设置护栏已不够，治理必须落到数据层。文章由 EDB 首席技术官 Max Romanenko 撰写，刊载于 VentureBeat，文末标注为赞助内容，并附有 EDB 白皮书《Governing Agentic AI at Enterprise Speed》的下载链接。

文章首先点出代理行为与传统软件的根本差异：代理决策是概率性的，每次运行可能走向不同分支；而合规与安全要求是确定性的，不能容忍概率性执行。这意味着把治理规则写进代理的提示词或外层护栏里并不足以保证结果，必须由系统强制执行，且执行点越靠近数据越好。

文章进一步指出当前常见做法的问题。许多团队尝试在代理框架内部加约束，例如限制可调用的工具、过滤输出内容，这些属于"代理层"控制。文章认为代理层不是治理的合适落点，因为代理本身可以被替换、绕过或重写。

文章继而把治理下沉到数据层。在这一层，现有的成熟控制机制可以复用，包括基于角色与属性的访问控制、行级与列级安全、数据分类与脱敏、策略即代码以及完整审计日志。文章强调这些机制在传统数据库系统中已运行多年，将其延伸到代理场景并不需要发明新范式，而是把已有能力纳入新评估路径。

文章对代理身份提出具体要求：代理本身应被识别为独立主体，在会话开始时绑定其所声明的目的，同时保留实际操作用户，以便追溯。EDB 数据与人工智能治理产品管理副总裁 Priyanka Jain 在被引述时表示，所声明的目的成为访问层已理解的属性，在同一条策略路径中与角色和行级安全一起评估，因此目的、身份与数据可见性由同一机制裁决，避免出现割裂的多层检查。

时间线与证据

文章于 2026 年 8 月 27 日在 VentureBeat 发布，作者署名为 EDB 首席技术官 Max Romanenko，文末声明为赞助内容并附白皮书《Governing Agentic AI at Enterprise Speed》下载链接。文章的行文顺序对应其论证链条：先指出代理自主性引发治理风险，再论证治理必须可被强制执行并下沉到数据层，继而给出三类共九项控制措施，最后落到 EDB Postgres AI 平台的实现路径。

在数据层控制的具体清单中，文章明确列举了基于角色与属性的访问控制、行级与列级安全、数据分类与脱敏、策略即代码以及完整审计日志。这些机制在传统数据库中已有长期实践，文章将其重新定位为代理场景下治理的承载方式，而不是引入新的工具或范式。

在身份与目的的处理上，文章要求把代理识别为独立主体，并在会话开始时绑定其声明的目的，同时保留实际操作用户的痕迹。Priyanka Jain 的引述进一步说明：声明目的会作为访问层可识别的属性，与角色及行级安全在同一策略路径中接受评估，目的、身份与数据可见性由同一机制一次性裁决。

文章最后将讨论收束在 EDB Postgres AI 平台，强调其基于开源 PostgreSQL，在数据主权与源端强制执行两点上承载上述治理要求。

具体变化

与前面论证相比，这一段落进入更细的操作层面，把"治理下沉到数据层"拆成可执行的三类措施，共计九项。

第一类是强制执行类，要求把策略直接嵌入数据访问路径，而不是由代理自行判断。文章给出三项措施：把访问决策绑定到身份与所声明的目的；在策略即代码层面集中编写并集中下发；让每一次读写都经过同一套访问控制，避免代理绕开传统检查另起通道。

第二类针对可见与可证明，着眼点是事后追责。文章强调需要完整审计日志，覆盖谁、通过哪个代理、以何种目的、在何时访问了哪些数据；需要把代理行为与用户行为分开记录但可关联；需要让审计结果可被导出并用于合规复核，而不只是留在内部数据库里。

第三类是统一与加固，关注多代理并存下的规则一致性。文章指出当多个代理同时运行在相同数据上时，必须共用同一套策略与同一份分类标记，否则会出现一个代理被限制而另一个代理畅通的情况。文章还强调数据分类与脱敏应作用于源头而不是输出端，代理拿到的就是受限视图。

这些措施共同指向一个变化：治理位置从事后审查转向实时拦截，从分散在各代理内部转向集中在数据访问层统一裁决。Priyanka Jain 的引述也支撑这一点，她说明所声明的目的在访问层被理解为属性，与角色和行级安全在同一策略路径里评估，目的、身份与数据可见性由同一机制处理。

整篇文章最后落到 EDB Postgres AI 平台，强调其建立在开源 PostgreSQL 之上，把上述控制作为数据主权和源端强制执行的一部分交付，并附白皮书《Governing Agentic AI at Enterprise Speed》供进一步阅读。

对使用者的影响

对实际使用代理的企业用户而言，这套框架意味着身份、目的与数据可见性三件事在数据层被合并裁决，而不是分别散落在提示词、外层护栏和数据库里由不同团队维护。代理被识别为独立主体并绑定声明目的，使用户在追溯一次访问时能同时看到"谁点的、通过哪个代理、声称要做什么"，这一组合在同一策略路径中与角色和行级安全一起评估，减少多层检查之间口径不一致的缝隙。

对运维与合规岗位，审计与控制的工作方式随之改变。审计日志覆盖每一次读写且记录代理与用户两条线索并可关联导出，使合规复核不必依赖应用层日志拼接。策略即代码集中编写与下发，让新增或调整一条规则不再需要改动每个代理。

对负责上线代理的业务团队，门槛与可预期性同步变化。多代理共用同一套策略和分类标记，避免一个代理受限而另一个畅通的情况；分类与脱敏作用于源头，代理拿到的是受限视图而不是事后过滤的结果，从源头减少越权读取的可能。这些具体落点使治理要求从建议变成访问路径上的硬约束。

限制与未知

文章在论证与落地之间留下了若干未填补的空白。整篇行文以原则阐述和机制罗列为主，没有给出任何具体的行业案例或可量化的实施效果数据，三类九项控制措施各自能带来多少访问拦截、多少审计覆盖、减少了多少越权事件，文章均未提及。

三类措施各自的部署难度、所需资源与实施时间同样缺位。强制执行类要求把策略嵌入数据访问路径，统一与加固类要求多代理共用同一份分类标记，这些都涉及跨团队改造，但文章未说明典型工作量或迁移路径。来源中只标明白皮书《Governing Agentic AI at Enterprise Speed》可供进一步阅读，并未在正文里给出细则。

九项措施在 EDB Postgres AI 各版本中的具体支持范围也未披露。文章反复强调平台基于开源 PostgreSQL 并承载数据主权与源端强制执行，但哪些控制由平台原生提供、哪些需要额外模块、哪些依赖外部组件，正文没有区分。

引述来源相对单一。除 Priyanka Jain 与 Max Romanenko 的言论外，文章没有提供第三方机构、独立分析师或已部署客户的佐证。文末标注为赞助内容并附 EDB 白皮书下载链接，立场来源与商业关系清晰，但缺乏外部验证。

最后，文章把代理识别为独立主体并绑定所声明的目的，这一机制在跨系统互操作时如何处理，文章也没有展开。例如当代理同时访问 EDB Postgres AI 之外的数据库或服务时，目的与身份是否沿用同一策略路径评估，正文未给出说明。

如何核对

读者在自行核实该文主张时，可按以下步骤对照原文与白皮书。

第一步是核对文章出处与署名。来源材料记载刊载平台为 VentureBeat，作者署名为 EDB 首席技术官 Max Romanenko，发布时间为 2026 年 8 月 27 日，文末注明为赞助内容并附白皮书《Governing Agentic AI at Enterprise Speed》下载链接。读者可在 VentureBeat 站内按作者名或标题检索，验证上述四项是否一致。

第二步是核对核心论点。原文主张代理决策具有概率性而治理必须是确定性的，因此治理须下沉到数据层并由系统强制执行。读者可定位原文相关段落，比对其表述与本文转述是否一致。

第三步是核对控制机制清单。原文列出的数据层控制包括基于角色与属性的访问控制、行级与列级安全、数据分类与脱敏、策略即代码以及完整审计日志，并将其重组为强制执行、可见与可证明、统一与加固三类共九项。读者可逐条比对，确认类别划分与单项名称均来自原文，未做增减。

第四步是核对身份与目的的处理。原文要求把代理识别为独立主体并在会话开始时绑定所声明的目的，同时保留实际操作用户。Priyanka Jain 作为 EDB 数据与人工智能治理产品管理副总裁被引述，说明声明目的在访问层被理解为属性，与角色和行级安全在同一策略路径中评估。读者可核对被引述人职务与原话要点是否一致。

第五步是核对平台收束。原文最后落在 EDB Postgres AI，强调其基于开源 PostgreSQL，在数据主权与源端强制执行两点上承载治理要求。读者可确认这一收束表述来自原文末段。

完成上述五步后，读者可进一步打开所附白皮书，比对其目录与正文是否展开文章未详述的部署细节、版本支持范围与外部案例，从而补足原文在案例与量化数据上的空白。

读者能做什么

核对路径之外，读者可以把这篇文章当作一份命题清单，在自己的环境里逐项比照。

如果所在团队正在上线代理，第一件可做的事是把现有访问控制盘点一遍，看是否具备基于角色与属性的访问控制、行级与列级安全、数据分类与脱敏这几项。文章把这五项列为数据层已有实践，并要求它们在代理场景下继续承担治理职责，读者可据此排查缺口。

第二件可做的事是检查策略落点。文章主张把策略直接嵌入数据访问路径并集中下发，避免代理自行判断或多通道绕过。读者可顺着这条线追问：当前访问决策是在数据库里强制执行，还是散落在应用层和代理外层；新增一条规则要改多少处。

第三件可做的事是审视身份与目的的处理。文章要求把代理识别为独立主体，在会话开始时绑定所声明的目的，同时保留实际操作用户，并说明这三者在同一策略路径中与角色及行级安全一起评估。读者可据此检查自己的代理框架是否区分了代理身份与用户身份、是否记录声明目的，以及目的与数据可见性是否由同一机制裁决。

第四件可做的事是复盘审计能力。文章要求审计日志覆盖每一次读写、同时记录代理与用户两条线索并可关联导出。读者可调取最近一次代理访问的日志样本，核对能否回答谁、通过哪个代理、以何种目的、在何时读了哪些数据。

第五件可做的事是测试多代理一致性。文章指出多代理并存时必须共用同一套策略与同一份分类标记。读者可让两个不同代理分别尝试访问同一份敏感数据，观察结果是否一致，由此判断当前规则是否真正统一。

完成以上自查后，读者再依据核查结果决定是否打开所附白皮书《Governing Agentic AI at Enterprise Speed》，比对其是否补足了版本支持范围、部署路径与外部案例等文章未详述的部分。

后续观察

文章发布于 2026 年 8 月 27 日，发布平台为 VentureBeat，文末注明为赞助内容并附白皮书下载链接，这几条信息可作为后续追踪的起点。文章核心论述集中在治理位置的下沉与三类共九项控制措施，发布之后是否出现独立第三方的案例佐证、量化效果或不同意见，是值得持续留意的一点。来源材料只记录了 Priyanka Jain 与 Max Romanenko 两位 EDB 内部人员的引述，外部验证尚未出现。

白皮书《Governing Agentic AI at Enterprise Speed》被指为延伸阅读材料，其目录与正文是否展开文章未详述的部署细节、版本支持范围与跨系统互操作方式，决定了这套框架从原则走向落地的程度。读者在打开白皮书时可重点关注三类措施对应的具体模块、迁移路径以及与非 PostgreSQL 环境的衔接方式。

平台层面，文章反复强调 EDB Postgres AI 基于开源 PostgreSQL，承载数据主权与源端强制执行。后续观察可留意 EDB 是否在不同版本说明中标注哪些控制属于原生能力、哪些需要额外组件或外部工具，以及分类标记是否在跨库场景中沿用同一策略路径。

行业层面，文章没有给出任何已部署客户的案例或可量化的实施效果数据，后续若有公开案例披露，可与文章描述的强制执行、可见与可证明、统一与加固三类要求逐项对照，判断哪些机制在真实环境中得到保留、哪些被调整或弃用。