跳转至

参考来源

下面收录的是本书当前版本依赖的主要一手来源。最近一次来源编辑审查：2026 年 7 月 24 日。

如何阅读这份列表

最好不仅按主题来读这些来源，也按它们提供的支撑强度来区分：

  • 规范性框架：NIST、OWASP、CISA 等文档，它们定义了相对稳定的治理轮廓；
  • 平台实践：OpenAI、Anthropic、LangGraph、Google Cloud、Microsoft 等资料，它们展示这些轮廓在生产环境里是如何被组装出来的；
  • HCI、HITL 与人工监督：这些来源说明自动化会在哪里出错，以及怎样把人稳稳留在回路里；
  • 研究前沿：关于记忆、可观测性、验证器设计与多智能体可靠性的较新论文。

如果你要给第一、第五和第八部分建立最稳的基础，先从规范性框架和 HCI/HITL 层开始。如果你要看当前工程实践，就读平台文档和近期研究，但始终要留意发布日期。

规范来源路线（Canonical source routes）

把这些来源（sources）作为三个规范案例（canonical cases）的快速路线（fast route）。支持分流（Support triage） 从 OWASP、OpenAI 智能体指南（OpenAI agent guides）、人在回路来源（HITL sources）、策略/审批材料（policy/approval material）、追踪评分（trace grading）和事件案例（incident cases）开始。内部知识助手（Internal knowledge assistant） 从 LangGraph 记忆（LangGraph memory）、OpenAI Agent 记忆（OpenAI Agent memory）、检索/评测来源（retrieval/eval sources）、面向来源证明的治理（provenance-oriented governance）和记忆研究前沿（memory research frontier）开始。事件协调（Incident coordination） 从 NIST/AI RMF、Google/Microsoft 治理（Google/Microsoft governance）、可观测性来源（observability sources）、多智能体可靠性研究（multi-agent reliability research）、事件复盘（incident review）和发布/控制平面材料（rollout/control-plane material）开始。

规范性框架与治理轮廓

Agent-specific security

Governance and baseline controls

智能体架构与平台模式

可观测性、评测与验证器设计

HCI、HITL 与人工监督

治理、安全与运行保障

事故与案例

研究前沿：记忆、可观测性与多智能体可靠性

发布、构建与本书的平台层

Rust 与智能体运行时的基础设施层

如何使用这份列表

如果你要继续扩展这本书，比较顺手的顺序是：

  1. 风险与控制框架：NIST、OWASP、CISA。
  2. 架构模式与运行时纪律：Anthropic、OpenAI、LangGraph、Google Cloud、Microsoft。
  3. 可观测性、评测与验证器层：OpenAI、Microsoft、arXiv、GitHub。
  4. HCI、HITL 与案例：Microsoft Research、OpenReview、ABA。
  5. 研究前沿：记忆、一致性、可观测性与多智能体失败模式。

如果你是配合本书阅读，再记住一个区分就够了：

  • 稳定内核：规范性框架、架构、策略、执行与可观测性；
  • 快速变化层：评测工具、验证器设计、清单治理、前沿研究和较新的案例。