你的 AI agent 刚刚做了 5 件事。你能证明吗？
Source: Dev.to
我过去一年一直在构建 AI 代理。上个月我意识到，我根本不知道它们在生产环境中实际做了什么。
比如，我 认为 我的支持代理会查找正确的文档并给出良好的答案。但当有人问“机器人为什么说 X？”时——我就在日志中 grep，想找点有用的信息。通常找不到。
这并不是一个大问题，直到我开始阅读欧盟 AI 法案。
没有人在谈论的法律
2026年8月，欧盟《人工智能法案》将全面生效。罚款最高可达3,500万欧元或全球营业额的7%。
让我感到惊讶的是：AI 代理也在适用范围内。
该法律正文中并未出现“代理”（agent）一词——它是在当前代理式 AI 热潮之前制定的。但它涵盖了“AI 系统”，而代理本质上就是 AI 系统。The Future Society 的一份报告证实了这一点：虽然该法案并未专门针对代理进行设计，但它绝对适用于代理。
难点在哪里？代理比普通 AI 更难合规。一个聊天机器人只接受输入、给出输出——就完成了。而一个代理会接受输入、调用三个 API、做出决策、更新数据库、发送电子邮件——你必须能够解释每一个步骤。
你真正需要构建的内容
我花了几周时间深入研究实际需求。以下是简要概述：
1. 记录所有内容（第 12 条）
每一次 LLM 调用、每一次工具使用、每一次决策——都要带时间戳记录。对于高风险系统，需要保存 10 年。
import { AgentGov } from "@agentgov/sdk";
import OpenAI from "openai";
const ag = new AgentGov({
apiKey: process.env.AGENTGOV_API_KEY,
projectId: process.env.AGENTGOV_PROJECT_ID,
});
const openai = ag.wrapOpenAI(new OpenAI());
// now every call is traced — inputs, outputs, tokens, cost如果你使用 OpenAI Agents SDK，已有一个可以直接插入的导出器：
import { BatchTraceProcessor, setTraceProcessors } from "@openai/agents";
import { AgentGovExporter } from "@agentgov/sdk/openai-agents";
setTraceProcessors([
new BatchTraceProcessor(
new AgentGovExporter({
apiKey: process.env.AGENTGOV_API_KEY!,
projectId: process.env.AGENTGOV_PROJECT_ID!,
})
),
]);2. 告知用户这是 AI（第 50 条）
如果你的代理向客户发送邮件、与用户聊天或生成内容，必须告知用户他们正在与 AI 交互。这听起来显而易见，但很多部署都忽略了这一披露。
3. 确定你的风险等级（附件 III）
并非所有代理都需要相同的合规工作。仅用于过滤垃圾邮件的代理属于低风险，仅需满足最少要求。对求职者进行筛选或进行信用评分的代理属于高风险，必须满足完整的合规体系。你需要将使用场景映射到附件 III 的类别中。
4. 人类监督（第 14 条）
对于高风险代理，必须有人能够停止代理、覆盖其决策并了解其正在做什么。这对自主代理来说确实很难实现，因此我为任何可能产生现实后果的操作构建了审批门。
不舒服的真相
大多数人在构建代理时根本没有考虑这些问题，我以前也是。如果你只是在发布一个副项目，也许暂时无所谓——但时间不等人。
然而，如果你为一家在欧洲运营（或拥有欧洲客户）的公司构建代理，那么截止日期是真实存在的。2026 年 8 月只剩下六个月。把审计追踪 retrofitting（后装）进现有系统要比从一开始就设计好困难得多。
我之所以开始研究这个问题，是因为我自己也需要它。这项工作逐渐演变成 AgentGov——一个开源项目，结合了追踪功能和欧盟 AI 法案合规特性（风险分类、文档生成、事件追踪）。
这是我的第一个开源项目，所以我在边做边摸索。如果你对这种方法、代码或其他任何方面有反馈，我会非常感激。
如果你正在构建代理并考虑合规（或刻意不考虑），欢迎告诉我你的做法。