BC Agent Governance Assistant
ОБНОВЛЕНО 2026: Охватывает нормативные акты Китая по управлению AI-агентами (правила генеративного ИИ), последствия управления протоколом MCP и корпоративные фреймворки аудита ИИ. Фреймворк управления корпоративными AI-агентами на базе ИИ — аудит поведения агентов, обеспечение соблюдения политик безопасности, соответствие требованиям CBIRC/CFCA, обнаружение теневого ИИ и генерация отчетов по управлению. Создан для менеджеров по ИТ-рискам, специалистов по соответствию требованиям и руководителей корпоративных ИИ в финансовых учреждениях. Ключевые слова: управление AI-агентами, корпоративный ИИ, соответствие требованиям агентов, политика безопасности ИИ, CBIRC, CFCA, обнаружение теневого ИИ, аудит агентов, Microsoft Agent 365, Copilot Studio, регулирование ИИ в Китае, Agent治理, 企业AI, AI合规, 影子AI检测, AI审计, NFRA AI合规, AI治理.
машинный переводПоказать оригиналСкрыть оригинал«UPDATED 2026: Covers China AI Agent governance regulations (generative…»
UPDATED 2026: Covers China AI Agent governance regulations (generative AI regulations), MCP protocol governance implications, and enterprise AI audit frameworks. AI-powered enterprise AI agent governance framework — audit agent behavior, enforce security policies, ensure CBIRC/CFCA compliance, detect shadow AI, and generate governance reports. Built for IT risk managers, compliance officers, and enterprise AI leaders in financial institutions. Keywords: AI agent governance, enterprise AI, agent compliance, AI security policy, CBIRC, CFCA, shadow AI detection, agent audit, Microsoft Agent 365, Copilot Studio, China AI regulation, Agent治理, 企业AI, AI合规, 影子AI检测, AI审计, NFRA AI合规, AI治理.
ОБНОВЛЕНО 2026: Охватывает нормативные акты Китая по управлению AI-агентами (правила генеративного ИИ), последствия управления протоколом MCP и корпоративные…
Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, ошибки и развилки
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
name-formatname должен быть в kebab-case (строчные буквы, цифры, дефисы) - предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - заметка
frontmatter-keyнеизвестное поле фронтматтера "slug"
Процессный рейтинг: все десять параметров 54/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (Agent Governance Assistant) не совпадает с папкой (agent-gov)
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 34
- 100Стоимость исполнения. Тело инструкции 2160 токенов
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 688 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 34 пунктов
- +4Есть примеры (5 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.