NIST AI RMF——智能体视角：治理 / 映射 / 度量 / 管理，作为自主系统的清单。
NIST 的《AI 风险管理框架》是一份自愿、非监管的框架，围绕四项职能组织——治理、映射、度量、管理。它最初为一般意义上的 AI 系统而写；当那个"系统"是一个会循环、调用工具、并在没有逐次人为决定下产生后果的自主智能体时，每一项职能都会咬得更紧。本文从一支智能体团队的视角走一遍这四项职能，点出每一项实际要求的工作，以及当两套规则同时适用时它如何与欧盟《人工智能法案》的高风险义务叠加在一起。
一段话讲完框架，再说为何它对智能体咬得更紧。
NIST AI RMF 1.0 围绕四项职能组织 AI 风险管理——治理、映射、度量、管理——设计为迭代而非一次性。NIST 还发布了一份生成式 AI 概要（Generative AI Profile），把同样的四项职能放在生成式系统特有的失败模式上走一遍。这份框架是自愿、框架而非监管，是多数美国本土团队会拿来用的事实上的操作化方式；它与 eu-ai-act-for-agents 里那张高风险义务清单交叉映射得很好。
对一个自主智能体而言，这份框架读起来与对一个模型略有不同。每项职能仍然适用，但分析单位是循环，不是一次推理；面里包含了工具注册表；"系统"延伸到智能体能产出的每一个下游效应；监督的问题从"有没有人能在坏输出之前抓住它"变成了"有没有人能停下一连串可能已经在动作的决定"。带着这个视角去走这四项，而不是单提示词的视角。
治理（Govern）：这件事是某个人的活儿，带着权限与资源。
治理是为其余三项搭脚手架的职能。对一个智能体项目而言它问的是：
- 对这个智能体有具名问责。不是"那个团队"；是一个具体的操作者角色，拥有停下、改动或退役系统的权限。accountability-and-roles 是这一项的工程形态。
- 政策、流程与组织结构说明风险决策怎么定、由谁定——按风险分级，而不是一刀切（见 governance-in-practice）。
- 角色、职责与培训——能操作、监督、复审这个智能体的人被识别出来、装备好、并就自主性带来的特定失败模式接受过训练。
- 外部相关方的沟通与披露姿态——受影响的用户、受波及的群体、监管方与合作方如何获得信息；什么时候披露什么。
智能体特有的咬口：治理必须为团队没法单方面决定的事情分配权限——按下急停、停下某个租户、判定一次回归严重到该回滚。如果这份权限没有事先具名，它就会落到当时正好在值班的人头上，而凌晨三点的回答是"我不太确定我有这个权限"。
映射（Map）：刻画系统、其上下文，以及工具面。
映射要记录系统是什么、可能出什么问题。对一个智能体，标准清单——既定用途、相关方、部署上下文、风险——需要按自主性带来的面去扩展：
- 既定用途与可合理预见的用途，含多步自主特有的失败模式（循环、扇出、失控）。
- 相关方与受影响方——用户、他们在对其行动的人、智能体工具调用所触及的第三方、有管辖权的监管方。
- 信任边界与工具面——智能体能调用的每一个工具都是损害可以离开系统的一个出口。显式地映射它；这是 agentic-threat-model 里安全材料的输入。
- 覆盖生命周期的风险，含循环引入的（误差复合）、检索引入的（不可信上下文）、与其他系统集成引入的。
- 输入与输出的溯源——什么数据进来、什么制品出去、每一项谁负责。
映射前期开销较重——价值大头来自把它认真做一次，并在有实质变化时（新工具、新模型快照、新用例）回去重看。
度量（Measure）：把映射识别出来的东西按节奏量化。
度量是实证层。框架点出了一组 AI 系统应该按之衡量的大类属性——有效性与可靠性、安全、安保与韧性、问责与透明、可解释与可解读、隐私、被管理的公平性。对一个自主智能体而言，度量项目长这样：
- 有效性与可靠性——在 eval-driven-agent-development 那套评估上的任务成功率；可靠性以分布而非单点 pass@1 来评分。
- 安全与安保——对抗性红队评估、提示词注入回归测试、数据外泄监控；离线与 online-vs-offline-evals 里那种在线信号都要。
- 问责与透明——审计轨迹的覆盖率（所有决策可追溯吗？）；轨迹不足以重建动作的那部分决策占比。
- 隐私——可度量：输出里 PII 泄露的速率、流经工具的未打标个人数据的速率。
- 偏差与公平——按切片的指标：对你的用例要紧的维度上，结果在不同用户群体间是否有差异？
只在上线时跑一次的度量项目，与风险管理正相反。按节奏对同一组指标重新度量——模型快照升级、工具注册表变更、按季度做漂移检查。NIST 强调"迭代"正是这一点：上个季度被度量为安全的系统，并不会自动是这个季度仍被度量为安全的系统——除非你重新度量了它。
管理（Manage）：对度量的发现采取行动——以及它如何与欧盟法案叠加。
管理是合环职能。它拿度量的发现与映射的风险册，决定怎么做：给风险排优先级以处置、记录残余风险、计划并执行响应与恢复、在生产中监测、并把教训回填给治理与映射。对一个智能体这意味着：
- 风险处置——对每条实质风险：缓解、转移、接受（带书面理由）、规避（拒绝建那个用例）。把选择显式且可复审地定下来。
- 事故响应与恢复——incident-response-for-agents 那份运行手册就是管理在自主系统上的运行形态；急停开关与恢复路径就是 NIST 在这一职能下要找的制品。
- 带着智能体在回路里的变更管理——一次模型快照升级、一次工具注册表变更或一次提示词修订，都是管理拥有的变更；rollout-and-versioning 的纪律是让它可审计的方式。
- 持续监测并反馈给治理与映射——生产遥测、客户反馈、事故复盘都要循环回来；新的失败形态更新映射，结构性问题更新治理。
它与欧盟《人工智能法案》的叠加：一份认真的 NIST AI RMF 项目——治理有具名问责、映射有书面风险、度量有按节奏的指标、管理有真实的事故路径——覆盖了法案高风险技术与组织义务的大部分。挑一个作脚手架，不要并行跑两套。法案告诉你在欧盟法律上需要什么；NIST 给你一个结构去组织这些工作；两边在"这些工作具体是什么"上重叠得很厉害。一个满足法案高风险义务的团队通常也覆盖了 NIST 的领地，反之亦然。