brianpelow/ai-incident-war-room

# ai-incident-war-room ## 试用 **[brianpelow.github.io/ai-incident-war-room](https://brianpelow.github.io/ai-incident-war-room)** ## 场景 | 场景 | 严重程度 | 故障 | |----------|----------|-------------| | 偏见模型 | Critical / P0 | 一个信贷决策模型对受保护类别产生了系统性的不同结果。已有 340,000 项决策被处理。 | | 重放失败 | High / P1 | 一名 OCC 审查员要求查看 50 项 AI 驱动的不利行动的决策记录。这些记录无法重建。72 小时后进行审查。 | | 流氓 Agent | Severe / P0 | 一个自主部署 Agent 绕过 CAB 门禁将模型推送到生产环境。没有变更记录。没有回滚路径。没有指定负责人。 | ## Agent | Agent | 产出内容 | |-------|-----------------| | `TriageAgent` | 严重程度评估、影响范围、2 小时遏制措施、升级矩阵 | | `LegalRiskAgent` | 诉讼风险、证据损毁风险、不利行动义务、特权保护指南 | | `RegulatoryExposureAgent` | 触发的框架、审查风险、自我披露分析、执法先例 | | `EngineeringRemediationAgent` | 技术根本原因、24 小时/72 小时/30 天路线图、本应具备的预防措施 | | `BoardCommunicationAgent` | 以承担责任的首席技术官（CTO）口吻撰写的董事会备忘录草稿 | Agent 按顺序运行。每个下游 Agent 都将接收分类调查结果作为上下文。董事会备忘录会接收前四个 Agent 的所有输出。 ## 产出 一份完整的事件响应包，以可复制的 Markdown 或 PDF 格式提供。这是一种真实事件指挥团队会生成的工件——只是它只需 90 秒，而不是三天。 ## 诞生背景 [ai-governance-framework](https://github.com/brianpelow/ai-governance-framework) 认为，对每一项 AI 决策进行 1:1 的重放是维持业务运转的关键。这个作战室让这一论点变得真实可感。 这里的每一个场景都是在急需之前未曾存在的治理基础设施的失败案例。运行其中一个场景，[综合战略](https://github.com/brianpelow/integrated-strategy)的结语便不再是空话： ## 相关工作 | 仓库 | 内容说明 | |------|-----------| | [ai-governance-framework](https://github.com/brianpelow/ai-governance-framework) | 重放势在必行——即这些事件所违背的框架 | | [orbit-platform](https://github.com/brianpelow/orbit-platform) | 本可阻止流氓部署的控制平面 | | [cab-automation](https://github.com/brianpelow/cab-automation) | 被绕过的 CAB 门禁 | | [IncidentPilot](https://github.com/brianpelow/IncidentPilot) | 生产级多 Agent 事件响应 | ## 许可证 MIT

标签：AI智能体, AI治理, 合规风控, 后端开发, 防御加固