治理 AI（Governance AI）
约 2033 字大约 7 分钟
2026-05-12
Governance AI 不是让 AI 替社区投票，而是帮助治理参与者更好地阅读提案、追踪会议、理解预算、保留来源、发现协作关系，并在关键决策中减少信息不对称。
为什么要学这个
DAO、协议、公共物品和开源社区经常有大量提案、论坛讨论、会议纪要、预算请求和贡献记录。信息太多会导致少数人掌握上下文，多数人只能被动投票。
AI 可以帮助治理系统整理信息，但也可能制造偏见、遗漏来源、过度简化复杂争议，甚至被用来操纵叙事。
治理 AI 的核心，是提高公共决策的信息质量，而不是替代人的政治判断。
第一性原理
治理里的 AI 输出必须保留来源和不确定性。
治理不是客服问答。提案通常涉及价值取舍、资源分配和长期影响。AI 可以总结，但必须让读者回到原始材料，看到不同观点，而不是只给一个“应该支持”的结论。
- 来源可追溯：每个关键摘要都要能回到提案、论坛、会议或链上记录。
- 立场要分开：事实、推断、观点和建议不能混在一起。
- 人保留决策权：AI 可以辅助，投票和授权仍应由人或明确规则完成。
知识节点
Proposal Summary
难度：初级。 Proposal Summary 把长提案整理成目标、背景、预算、执行计划、风险和待决问题。
好的摘要不只缩短文本，还要保留关键来源、反对意见、未回答问题和影响范围。不要让 AI 把争议性提案总结成单一宣传稿。
治理摘要最好有固定结构：提案目标、背景、预算、执行主体、时间线、影响范围、支持理由、反对理由、未决问题、相关历史。这样不同提案可以横向比较。
AI 摘要还要标注不确定性。比如“预算是否合理”通常不是事实，而是判断；“提案请求 50,000 USDC”才是事实。把二者混在一起，会让读者误以为 AI 的判断就是治理结论。
Meeting Action
难度：初级。 Meeting Action 把会议讨论转成可执行事项。
它应记录谁负责、截止时间、上下文链接、决策状态和后续检查方式。会议摘要如果没有 action owner，很快会变成无用记录。
Meeting Action 的难点是从讨论中提取承诺。比如“我们应该研究一下”不是 action；“Alice 在下周五前整理三种支付方案”才是 action。AI 应该帮助把模糊讨论转成可检查事项。
还要记录决策状态：已决定、待确认、需要投票、需要预算、需要法律/安全复核。否则会议纪要会把不同成熟度的事项混在一起。
Contribution Graph
难度：中级。 Contribution Graph 帮助社区看到谁在做什么、贡献如何连接、哪些工作被低估。
数据可以来自 GitHub、论坛、链上支付、会议记录和项目管理工具。但要避免把贡献简单量化成单一分数，尤其是社区照护、协调和研究类工作。
Contribution Graph 可以帮助发现“隐形贡献”：谁长期 review、谁在协调会议、谁维护文档、谁回答新人问题。AI 可以整理证据，但不应该把复杂贡献简化成 commits 数量。
在公共物品资助中，贡献图也能帮助避免重复拨款和漏拨款。它可以显示项目之间的依赖关系、历史资助、交付记录和贡献者协作网络。
Budget Check
难度：中级。 Budget Check 用来审查资金申请是否清楚、合理和可追踪。
AI 可以帮忙检查：预算项是否完整，里程碑是否具体，过去拨款是否完成，金额是否和工作范围匹配，是否有重复申请。
Budget Check 不是自动砍预算，而是让社区看清问题。一个好的预算检查会问：这笔钱对应哪些 deliverables，付款节奏是否和里程碑绑定，是否有可验证交付，失败或延期怎么办。
链上付款还要检查地址和权限：收款地址是否属于提案方，是否是多签，是否需要 vesting，历史是否有异常提款或未完成拨款。
Source Traceability
难度：初级。 Source Traceability 是治理 AI 的底线。
每条关键总结都应该附来源：论坛链接、提案编号、会议时间戳、链上交易、投票记录或预算表。没有来源的治理摘要不应该用于投票依据。
Source Traceability 还要支持反向检查：读者看到一句摘要，能点回原文；看到一个预算结论，能点回表格和交易；看到一个反对意见，能找到具体发言。
如果 AI 输出无法给出来源，应该明确标注为“推断”或“不确定”。治理场景里，宁可慢一点，也不能用无来源摘要推动集体决策。
Deep Funding
难度：高级。 Deep Funding 关注公共物品和复杂贡献的资金分配问题。
AI 可以帮助整理项目影响、贡献关系和评审材料，但资金分配仍需要人类价值判断、多元评审和透明规则。模型不应该成为黑箱拨款者。
Deep Funding 的难点在于影响不是线性的。一个底层库可能被很多项目间接使用，一个协调者可能让多个团队成功，一个文档项目可能降低大量新人门槛。这些贡献很难用简单 KPI 衡量。
AI 可以辅助构建证据包：项目依赖图、使用案例、贡献者网络、历史资助、用户反馈。但最终分配应该保留多元评审、公开理由和申诉机制。
Plurality
难度：高级。 Plurality 强调在多元群体中保留差异、协调合作，而不是把所有人压成一个平均意见。
治理 AI 应该帮助呈现不同群体的理由、偏好和担忧，支持协商，而不是只输出最响亮或最常见的观点。
Plurality 的实际产品含义是：AI 摘要不要只给“主流意见”，还要展示少数派担忧、利益相关者差异、地区/角色差异和可协商空间。
例如一个协议费用提案，LP、交易者、开发者、金库管理者和长期 token holder 的视角可能不同。治理 AI 应该把这些视角展开，而不是用一个平均立场抹平冲突。
在 AI x Web3 中的位置
Governance AI 连接 AI 总结能力和 Web3 公共决策。它可以读取链上投票、论坛讨论、预算流向和贡献记录，帮助社区理解治理状态。
但治理比交易更重视正当性。AI 辅助工具必须透明、可质疑、可复核，尤其不能悄悄替用户投票或隐藏反对意见。
最小实践
做一个治理提案摘要模板：
- 提案目标和背景。
- 预算金额、付款地址和里程碑。
- 支持理由和反对理由。
- 未回答问题。
- 相关历史提案或链上交易。
- 每条关键结论附来源链接。
- 明确写出“AI 没有替你做投票建议”。
扩展阅读
- Snapshot Docs：了解链下治理投票工具和 proposal 流程。
- Tally Docs：了解链上治理、提案和投票界面。
- Gitcoin Grants Stack Docs：理解公共物品资助和 grants 流程。
- Plurality Institute：了解 plurality 相关公共协作思想。
- OpenAI Safety Best Practices：治理 AI 输出也需要来源、边界和安全设计。
- Vitalik: My techno-optimism：其中讨论了更开放、多元的治理和信息协作工具为什么重要。