代理式 AI 通过使自主行动无需持续人工监督即可实现，从根本上改变了软件开发。与早期需要人工审查每一步的 AI 代码补全不同，代理如今能够执行诸如打开合并请求或修改配置等复杂任务。这一转变 necessitates 新的治理策略，其重点在于代理的权限与行动，而不仅仅是代码质量。组织对代码归属、意图可追溯性以及 AI 生成代码的可扩展文档表示关切。一个稳健的治理框架能够明确代理可访问的内容及可执行的操作，确保行动可被证明。关键控制点包括用于批准代理和流程的中心目录、将代理行动与人类关联的复合身份，以及工具审批护栏。提示词护栏同样至关重要，可防止代理劫持。数据隐私问题随之产生，使得自托管 AI 和自带模型（BYOM）选项在处理敏感代码时变得尤为重要。治理涉及有意识地界定人工审查仍不可或缺的场景。交互式工作通常保留直接人工批准，而自动化工作流则需要行动前控制或行动后审计日志。衡量 AI 推广的指标应涵盖采用率、接受质量、风险、补救措施和投资回报。针对 GitLab Duo Agent Platform 用户的实用检查清单包括审查数据使用情况、批准代理、设置工具护栏以及定义人机协同检查点。随着新 AI 能力的出现，持续重新评估治理至关重要。