以合约为中心的架构：实现可扩展、可管理的Agentic运行时

一篇来自arXiv的论文提出了一种以合约为中心的Agentic运行时架构，通过四个责任对象（Skill、Harness、Scaffold和数据底座）作为组织间共享合约，来解决企业AI部署中的协调问题。论文核心是可证伪假设P1，并设计了群组交叉随机实验来验证。

传统的用例基准只关注单个代理是否完成任务，无法反映能力、模型、运行时机制、容量和企业数据如何共同被拥有、变更、准入或证明。该论文提出以合约和可测义务来管理企业AI部署，使AI治理从定性走向可验证。

论文将运行时核心定义为A=<S,H,X>，其中Skill是可复用的版本化能力，Harness是编译器和治理器，Scaffold是执行边界和NFR所有者，数据底座则置于栈外，由CIO管辖。通过六个设计条件作为义务，利用群组随机交叉实验来评估假设P1是否成立。

该架构可能影响企业AI产品的设计范式，促使产品将能力、运行时和数据治理分离，并通过合约明确边界。实施后可能增加前期设计成本，但能提升变更管理和合规审计的效率。

• 开发基于合约的AI能力管理工具，支持Skill的版本化和权限控制。
• 设计运行时治理面板，实时展示NFR遵约与违规情况。
• 提供数据底座与运行时解耦的集成方案，方便企业按CIO治理要求接入。
• 开展群组随机交叉实验服务，帮助企业验证AI系统变更的等价性。

• 该论文是否已通过同行评审或实验验证？
• 论文中提到的四个责任对象是否有具体实现或开源代码？
• 假设P1在实际企业环境中的可操作性如何，是否有真实案例？
• 该架构与现有Agent框架（如AutoGPT、LangChain）如何集成？