当“回答”演变为“行动”
当今 AI 系统的角色已不再局限于回答问题。AI 智能体可以调用工具、变更服务配置、转移数据，并触发直接影响真实生产系统的业务流程。至此，核心问题已从“推理过程是否具有说服力？”转变为“究竟是谁赋予了该行动以具体的执行权限？”。
在当前许多架构中，行动的提议、适切性评估与执行往往混合在同一个智能体循环（Agent Loop）内部。对话上下文、短期记忆或工具返回结果均可能直接影响执行决策。这些固然是有价值的推理输入，但仅凭它们绝不足以直接赋予系统级的执行权限。
四大核心角色，清晰的信任边界
- 生成 (Generation)： 模型提出行动意图与操作计划。
- 评判 (Judgment)： 独立实体审查相关证据、环境条件与潜在风险。
- 权威 (Authority)： 企业依据既定策略，牢牢保留执行权与细粒度授权发放权。
- 执行 (Execution)： 获准操作经过受控网关执行，并完整记录可复现的结果。
智能体控制平面 (Agentic Control Plane — ACP) 将这些角色严格解耦。模型负责提议与阐释；而变更系统保护状态的权力，必须锚定在企业所掌控的控制边界之内。
从主权算力走向主权执行
拥有本地算力、私有数据和专属模型是关键基石，但这仍未解决关键操作究竟由谁决定的核心问题。主权执行要求策略归企业所有、权限范围严格受限、具备独立验证机制以及留存可审计的证据链。这些边界可在企业选定的环境中独立部署，最大限度降低在做关键执行决策时对外部模型供应商行为的隐式依赖。
严谨且可验证的学术与系统基石
OpenKedge 的研究工作横跨后确定性分布式系统 (Post-Deterministic Distributed Systems — PDDS)、持久认知身份 (Persistent Cognitive Identity — PCI) 以及智能体控制平面架构。该体系旨在将候选行动与身份、策略、证据及实际结果相锚定，确保在模型切换或运行环境变迁时，系统的决策依然具备严格的可复验性。
面向未来的开放架构
欢迎探索 智能体控制平面 以深入了解授权前的证据审查机制，或查阅 主权执行 了解机构必须保留的核心控制权。亦可参阅 英文研究论文 或访问 OpenKedge GitHub 探索开源协议与实现。