智能活在结构里，不在模型里

AI 治理工程 的价值在于：当你从 demo 速度走向生产级审查时，不能只靠英雄提示。本文是 Edmund Ng 关于 structural AI moat、Harness 纪律与可审计 AI 旅程的字段笔记——写给无法承受静默回归的独立创始人与系统规则设计者。

On this page

• 要点
• 是什么 — structural AI moat — 结构 vs 模型
• 为什么 — model independent governance — 追模型不是护城河
• 何时 — structural AI moat — 结构先于模型选择
• 何地 — model independent governance — 旅程中的四层护城河
• 如何 — structural AI moat — 构建模型无关智能（模式）

要点

• AI 治理工程 需要书面规则——不能只有英雄提示。
• structural AI moat 防止 demo 速度变成生产后悔。
• model independent governance 连接本 spoke 与 wider 可审计 AI 旅程。
• 在宣称「完成」前，交叉链接 Phase 文档、Harness 复检与 Decision Log。

是什么 — structural AI moat — 结构 vs 模型

结构 = 编码为持久系统智能的：

模型 = 该结构内的可替换推理引擎。

换模型绝不可摧毁系统智能。

区分（内容规则）： 此公理是 Edmund 的 构建者哲学（§2.1）。面向客户的产品承诺（如 你能辩护的决策）分开 — 勿无意合并。

---

在 Act 3 可审计 AI 旅程的 是什么 层，AI governance engineering 是运营契约而非营销口号。依赖 model independent governance 的团队，较不容易在 multi-axis 审查或合规追问下因 demo 速度而崩塌。Edmund Ng 的字段笔记强调：代理清扫之前必须冻结什么、权衡发生时记录什么、哪条 Harness 复检证明行为而非 UI 运气。六个月后外部审计员阅读 Decision Log 时，能否跟上链条，才是「又快又受治理」的试金石。这与本旅程 Acts 1–3 所教的结构优先、模型可换一脉相承。

马来西亚与 APAC 独立团队常较早面临专业审查。在客户演示之前就把 Phase 文档、Decision Log 与 smoke 分层外置化，比事后补救信任危机便宜得多。

为什么 — model independent governance — 追模型不是护城河

团队优化 最新模型基准 而结构腐烂：

Edmund 的收敛： 治理工程来自 生产失败，非教程潮流 — 方法在重建中发明，非从 hype 复制。

Karpathy 平行（抽象）： Andrej Karpathy 等实践者塑造世界如何 vibe code；Edmund 的范围是 之后发生什么 — 受监管语境下可审计、可问责、可辩护的生产。

独家框： AI 治理工程 — 护城河在结构，不在权重。

---

在 Act 3 可审计 AI 旅程的 为什么 层，AI governance engineering 是运营契约而非营销口号。依赖 structural AI moat 的团队，较不容易在 multi-axis 审查或合规追问下因 demo 速度而崩塌。Edmund Ng 的字段笔记强调：代理清扫之前必须冻结什么、权衡发生时记录什么、哪条 Harness 复检证明行为而非 UI 运气。六个月后外部审计员阅读 Decision Log 时，能否跟上链条，才是「又快又受治理」的试金石。这与本旅程 Acts 1–3 所教的结构优先、模型可换一脉相承。

角色分离至关重要：构建模型可以清扫 diff，Frontier 模型应审计冻结快照。在同一聊天线程里混合两种角色，是团队失去可复现性、积累语境债务的常见路径——换 IDE 也修不好。

何时 — structural AI moat — 结构先于模型选择

先投资结构当：

• 受监管或专业领域（含马来西亚/APAC 审查）
• 多租户 B2B — 隔离是结构性的，非提示级
• 计划 12 个月内换模型（你会换）
• 买家先问 「如何审计？」 再问 「哪个 LLM？」

模型选择仍重要 — 但 仅 在不变量写完之后：

Skills → Constitution → Framework → Code
   (WHAT)    (RULES)       (HOW)     (BUILD)

来自 Vibe Coding 完整指南：绝不跳到演示代码。

何时不可延后结构： 错误答案会触发客户、事务所或监管挑战的任何系统。

---

在 Act 3 可审计 AI 旅程的 何时 层，AI governance engineering 是运营契约而非营销口号。依赖 model independent governance 的团队，较不容易在 multi-axis 审查或合规追问下因 demo 速度而崩塌。Edmund Ng 的字段笔记强调：代理清扫之前必须冻结什么、权衡发生时记录什么、哪条 Harness 复检证明行为而非 UI 运气。六个月后外部审计员阅读 Decision Log 时，能否跟上链条，才是「又快又受治理」的试金石。这与本旅程 Acts 1–3 所教的结构优先、模型可换一脉相承。

受治理的构建者把书面规则、冻结快照与 Harness 复检视为上线条件——不是 demo 变绿后的可选装饰。从非程序员的 Vibe Coding 到可审计 AI，结构比换模型更重要：当利益相关者追问你如何决策、拒绝了什么、能否导出证据链时，聊天记录救不了你。

何地 — model independent governance — 旅程中的四层护城河

Act 3 收官映射（支柱 2）：

首页桥梁： Hero 公理 → 本文 → 完整 Act 3 集群。

Act 1 → Act 3 弧： 非程序员 入口 → Harness Act 2 → 结构即产品。

---

在 Act 3 可审计 AI 旅程的 何地 层，AI governance engineering 是运营契约而非营销口号。依赖 structural AI moat 的团队，较不容易在 multi-axis 审查或合规追问下因 demo 速度而崩塌。Edmund Ng 的字段笔记强调：代理清扫之前必须冻结什么、权衡发生时记录什么、哪条 Harness 复检证明行为而非 UI 运气。六个月后外部审计员阅读 Decision Log 时，能否跟上链条，才是「又快又受治理」的试金石。这与本旅程 Acts 1–3 所教的结构优先、模型可换一脉相承。

马来西亚与 APAC 独立团队常较早面临专业审查。在客户演示之前就把 Phase 文档、Decision Log 与 smoke 分层外置化，比事后补救信任危机便宜得多。

如何 — structural AI moat — 构建模型无关智能（模式）

公开博客：仅 Level 1–3 — 无 Level-4 实现倾倒（§8 分享边界）。

1. 先写 Constitution — 硬停止先于功能速度
2. 交付证据保管 — 链 + Decision Log 先于规模化代理
3. 加图谱 + 租户层 — 关系与隔离非事后中间件
4. Harness 证明行为 — 冻结快照；模型变，测试仍须过
5. 记录互换 — 换模型层级时写 Decision Log：考虑过 A，选择 B，因为 C
6. 测治理非虚荣 — 内部量表对比（约 20 vs 约 91 抽象）是教学，非 SLA

Build Priority Chain（强制）： Skills First → Constitution Check → Framework → Code。

测试链接： 多轴审查 + 10/80/10 在模型轮换场景下验证结构。

---

在 Act 3 可审计 AI 旅程的 如何 层，AI governance engineering 是运营契约而非营销口号。依赖 model independent governance 的团队，较不容易在 multi-axis 审查或合规追问下因 demo 速度而崩塌。Edmund Ng 的字段笔记强调：代理清扫之前必须冻结什么、权衡发生时记录什么、哪条 Harness 复检证明行为而非 UI 运气。六个月后外部审计员阅读 Decision Log 时，能否跟上链条，才是「又快又受治理」的试金石。这与本旅程 Acts 1–3 所教的结构优先、模型可换一脉相承。

角色分离至关重要：构建模型可以清扫 diff，Frontier 模型应审计冻结快照。在同一聊天线程里混合两种角色，是团队失去可复现性、积累语境债务的常见路径——换 IDE 也修不好。

总结

AI 治理工程 在 Edmund Ng 旅程中意味着：用 structural AI moat、Harness 复检与证据友好决策交付——而非一次性提示。若尚未冻结 Phase 规格，请先读前置 spoke。智能在结构：模型会变，书面规则、Decision Log 与可审计 AI 模式应留存。

FAQ

什么是 AI 治理工程？

AI 治理工程 是 Edmund Ng 在旅程 spine 上对受治理 AI 交付的实用标签——可重复规则、Phase 文档、Harness 复检与证据友好日志，而非 hype。独立创始人用它换模型、换 IDE、换同事时仍保持可审计性。

如何理解 why intelligence lives in structure not model？

关于 why intelligence lives in structure not model：Edmund Ng 的回答是结构优先——冻结规格、分离构建者与 Frontier 角色，用 Harness 证明行为而非 demo 点击。AI 治理工程 应出现在 Phase 文档、审查仪式与 Decision Log 中。

如何理解 how to build AI moats without bigger models？

关于 how to build AI moats without bigger models：Edmund Ng 的回答是结构优先——冻结规格、分离构建者与 Frontier 角色，用 Harness 证明行为而非 demo 点击。AI 治理工程 应出现在 Phase 文档、审查仪式与 Decision Log 中。

如何理解 what is AI governance engineering moat？

关于 what is AI governance engineering moat：Edmund Ng 的回答是结构优先——冻结规格、分离构建者与 Frontier 角色，用 Harness 证明行为而非 demo 点击。AI 治理工程 应出现在 Phase 文档、审查仪式与 Decision Log 中。

为什么 structural AI moat 对 AI 治理工程 很重要？

structural AI moat 是支撑纪律，防止 AI 治理工程 在自动补全「很快」时失去诚实。缺它时团队积累语境债务——正是本旅程 Harness 与可审计 AI spoke 要解决的失败模式。

关于作者

Edmund Ng — 马来西亚独立创始人、AI 系统架构师、系统规则设计者。以 Vibe Coding、Harness 工程与可审计证据链交付受治理 AI。关于 · 项目 · LinkedIn。

相关文章

• 构建可审计 AI 系统
• 合规知识图谱
• 无编程背景如何用 AI 构建