策略化提示：将 AI 监管规则转化为 AI 智能体的防护栏

在受监管且安全关键环境中应用自主 AI 智能体时，组织需要有效的方式将政策转化为可执行的控制措施。我们引入了一个监管机器学习框架，将非结构化的设计制品（如 PRD、TDD 和代码）转化为可验证的运行时防护栏。我们的策略化提示方法读取这些文档和风险控制，以构建一个源链接的政策树。该树随后被编译为轻量级的基于提示的分类器，用于实时运行时监控。该系统旨在执行最小权限和数据最小化。对于合规性评估，它提供完整的前身、可追溯性和审计日志记录，所有这些都集成了人机协同审查流程。评估表明，我们的系统降低了提示注入风险，阻止了超出范围的请求，并限制了有毒输出。它还生成与 AI 监管框架一致的可审计理由。通过将政策视为可执行提示（一种面向智能体的政策即代码），该方法实现了以安全为设计、持续合规以及可规模化的 AI 安全和 AI 安全保证。