一句话看懂：随着企业赋予 AI Agent 更多自主决策权，传统的“事后审查”式治理已经失效。EDB 提出，治理必须下沉到数据层，通过数据库本身的权限控制和审计机制，在 Agent 触达数据的瞬间完成拦截与留痕。
事件核心：发生了什么
数据库厂商 EDB 于 2026 年 8 月 27 日通过 VentureBeat 发布观点文章，核心论点是：当 AI Agent 被允许自主规划并跨系统执行任务时，企业无法依赖模型“自觉遵守”政策，必须将治理能力嵌入数据基础设施本身。文中以“汽车开门规则”为例说明静态策略的局限——规则必须结合当下情境（如车辆起火）才有意义。EDB 提出了九项具体控制措施，归为“强制执行”“可见可证”“统一加固”三大类，包括查询时的 RBAC/ABAC 权限控制、动态列掩码、将 Agent 作为独立主体纳入身份管理、会话级审计日志、数据血缘追踪，以及跨本地、云端和隔离环境的统一策略管理。
为什么重要
这一讨论触及了 Agentic AI 落地中最棘手的信任问题：模型输出具有概率性，而企业合规要求是确定性的。此前行业普遍采用在模型层叠加“护栏”的做法——即通过提示词约束或推理时监控来限制 Agent 行为。但 EDB 指出，这种控制的有效性取决于模型输出的可预测性，而自主性恰恰打破了这一前提。将治理下沉到数据层，意味着无论 Agent 如何被构建、其推理过程多么不可控，只要它试图访问数据，就会被数据库自身的策略引擎拦截。这一思路把安全边界从“模型是否愿意遵守”转移到了“系统是否允许执行”，对于金融、医疗、政务等高合规要求行业尤为关键。目前公开信息显示，EDB 的立场是：机制本身并不新颖，企业已有的数据库安全工具即可支持，关键在于将 Agent 的身份和“声明目的”纳入既有策略评估路径。
对用户/开发者/创作者的影响
对于企业架构师和开发者，这意味着在设计 Agent 系统时，不能只关注模型选型和提示词工程，还需要为每个 Agent 分配独立身份，并在会话启动时绑定其声明目的（declared purpose）与真实操作者。API 开发层面，数据访问接口需要预留目的上下文传递字段，以便策略引擎像识别角色和部门一样识别 Agent 意图。对于使用数据库即服务（DBaaS）或自建数据平台的团队，需要优先确认现有数据库是否支持行级/列级安全、动态掩码以及会话级审计日志——这些能力决定了 Agent 能否被安全地投放到生产环境。创作者和普通用户侧，影响更多体现在数据隐私层面：当 AI 应用背后的 Agent 以独立身份访问用户数据时，用户应当能追溯是哪个 Agent、因为什么目的、在哪个操作者的指令下触达了这些数据。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 EDB 是否会将其提出的“声明目的”模式标准化，并推动 PostgreSQL 生态内置对 Agent 身份的支持。二是竞品数据库厂商（如 Snowflake、Databricks）是否会跟进类似治理模型，将其作为数据平台 AI 功能的核心卖点。三是监管层面，若欧盟《人工智能法案》或各行业审计标准开始要求 Agent 行为可完整追溯，数据层治理将从“最佳实践”变为“准入门槛”。
