核心用法
Governed Agents 是一套用于监督AI子代理执行质量的验证框架，解决LLM常见但危险的"幻觉成功"问题——即代理声称任务已完成，但实际输出缺失或错误。
双轨验证架构
确定性验证（Coding Tasks）：针对代码任务提供4层硬门控：
- Files Gate：必需文件存在且非空
- Tests Gate：测试命令退出码为0
- Lint Gate：无代码风格错误
- AST Gate：Python语法解析通过
任一失败即判定为幻觉，声誉分强制降至-1.0。
LLM委员会（Open-Ended Tasks）：针对研究、分析等开放任务设计3层流水线：
1. Structural Gate（<1秒）：字数、必填章节检测，失败即短路
2. Grounding Gate（5-30秒）：URL可达性、引用验证
3. LLM Council（30-120秒）：N个独立评审员多数投票
声誉系统
采用指数移动平均（EMA，α=0.3）动态评分，分数区间[-1.0, +1.0]映射至5级监督强度：
- >0.8：完全自主 | >0.6：标准监督 | >0.4：需检查点 | >0.2：强制Opus模型 | ≤0.2：任务阻断
任务类型配置
预置research/analysis/strategy/writing/planning五类配置文件，自动匹配门控组合与最小字数要求。
显著优点
1. 零依赖设计：纯Python标准库，无外部包风险
2. 经济短路：第一层失败即终止，避免昂贵LLM调用
3. 多引擎支持：可驱动Codex 5.3 CLI或OpenClaw代理
4. 状态持久化：~/.openclaw/workspace/.state/存储声誉数据
潜在局限
- Python专属：AST门控仅限Python文件，其他语言需扩展
- 委员会成本：开放任务验证涉及多次LLM调用，高频率使用成本显著
- 网络依赖：Grounding Gate需要外网访问验证引用
- 声誉冷启动：新代理需积累历史才能脱离严格监督
适合人群
- 运行多代理系统的开发团队
- 需要自动QA的AI代码生成工作流
- 对幻觉错误零容忍的生产环境
- 希望量化代理可信度的AI编排平台
常规风险
| 风险类型 | 说明 | 缓释措施 |
|---------|------|---------|
| 子进程执行 | 调用pytest/ruff等CLI | 依赖宿主机环境隔离 |
| 网络外连 | HEAD请求验证URL | 仅限验证阶段，无数据上传 |
| 状态持久化 | 写入`~/.openclaw/workspace/` | 标准用户目录权限 |
| 模型成本 | LLM Council多次调用 | 第一层短路机制 |
安全评级：S（高确定性验证+零依赖+经济短路设计）
来源可信度：T2（OpenClaw生态官方技能，37项测试覆盖）