治理（Governance）

约 1757 字大约 6 分钟

2026-05-12

AI 可以降低治理参与的信息成本，但它也可能把复杂争议压扁成看似客观的摘要。治理类 Agent 的重点不是替人投票，而是让人更清楚地理解、讨论和执行公共决策。

为什么要探索这个

DAO、协议、公共物品资助和开源社区的治理都有一个共同问题：信息太多，参与成本太高。提案、论坛讨论、会议记录、预算表、链上投票、执行交易和历史承诺分散在不同地方，普通成员很难持续跟上。

AI 很适合做信息整理、摘要、对比、风险提示和行动追踪。但治理不是普通内容处理，任何总结都可能影响公共决策，所以它必须保留来源、区分事实与判断，并把争议点讲清楚。

第一性原理

治理 Agent 不能替代公共判断，它只能降低理解和协作成本。

治理的核心是权力、资源和责任分配。AI 可以帮助参与者看清信息，但不能把政治问题伪装成技术问题。

摘要必须可追溯：每个关键判断都应能回到原文、会议或链上记录。
不同立场要被保留：治理不是消除分歧，而是让分歧更清楚。
执行要可核对：提案通过后，预算、任务、负责人和链上执行都要能追踪。

知识节点

Proposal Summarizer

Proposal Summarizer 是治理场景最常见的 AI 应用。它把长提案拆成背景、目标、预算、执行步骤、风险、支持理由和反对理由。

好的提案摘要不应该只给一个“结论”，而要帮助读者快速判断：

这个提案要改变什么。
涉及多少资金或权限。
谁会受益，谁会承担风险。
执行路径是否清楚。
争议点在哪里。
需要进一步阅读哪些原文。

治理摘要最重要的质量标准是来源保真，而不是文风流畅。

Meeting-to-Action Workflow

很多治理失败不是因为没有讨论，而是讨论没有变成行动。Meeting-to-Action Workflow 把会议记录转成任务、负责人、截止时间和后续检查点。

一个治理会议 Agent 应该输出：

本次会议做出的决定。
没有达成共识的问题。
每个 action item 的负责人。
需要提交到论坛、投票或多签的事项。
下次会议前需要准备的材料。
相关链接和原始记录。

这里要避免一个常见错误：把“有人提到”误写成“已经决定”。治理 Agent 必须区分讨论、建议、决定和执行。

Contribution Tracker

Contribution Tracker 用来记录成员、团队或项目对生态的贡献。它可以整理 GitHub、论坛、Discord、链上交易、资助申请、会议记录和交付物。

但贡献追踪不是简单排名。真实贡献有很多类型：

代码提交、审计、文档、翻译。
社区组织、活动、支持和教育。
协议研究、数据分析、风险提示。
公共物品建设和长期维护。

AI 可以帮助聚合证据，但不能只凭活跃度判断贡献价值。一个发言很多的人不一定贡献最大，一个低频但关键的安全修复可能价值更高。

Budget Checklist

治理预算最容易出问题的地方，是提案写得很愿景化，但钱如何花、谁负责、如何验收并不清楚。

Budget Checklist 可以帮助社区检查：

预算总额和付款资产。
分阶段付款条件。
交付物和验收方式。
负责人、收款地址和利益冲突。
失败或延期时如何处理。
是否有可比较的历史预算。
是否需要多签、streaming payment 或 milestone escrow。

AI 可以先做预算审查，但高金额预算必须交给人和治理流程判断。

Public-goods Impact Dashboard

公共物品资助的难点是 impact 很难衡量。下载量、star、交易数、用户数、引用数、集成数都只是部分信号。

Public-goods Impact Dashboard 应该把多个证据放在一起：

项目产出：代码、文档、工具、研究、教育内容。
使用情况：真实用户、集成方、链上交互、社区反馈。
生态影响：是否降低开发成本、提升安全、带来新增开发者。
维护情况：是否持续更新、响应 issue、处理安全问题。
资金使用：资助是否对应明确交付。

这类 dashboard 的价值不是替 badgeholder 或投票者做决定，而是减少他们收集信息的时间。

Source-preserving Summary

Source-preserving Summary 是治理 AI 的底线能力。它要求摘要里的关键事实都能追溯到来源。

一个实用格式是：

结论：一句话说明要点。
证据：列出原文段落、会议时间戳、链上交易或论坛链接。
不确定性：说明哪些内容是推断，哪些内容缺少证据。
反方观点：保留主要异议。
建议阅读：指出必须读原文的部分。

如果一个治理摘要没有来源，它就只是模型观点；如果有来源但误导读者，它比没有摘要更危险。

在 AI x Web3 中的位置

治理是 AI x Web3 里最适合先做“辅助型 Agent”的方向之一。它不需要一开始就控制资产，却能马上降低信息成本。

更稳的产品路径是：

先做提案摘要和来源追踪。
再做会议到任务的 workflow。
再做预算、贡献和影响 dashboard。
最后才考虑投票建议或执行自动化。

最小实践

选一个真实 DAO 或协议提案，做一份来源保真的治理摘要。

输出包括：

提案想解决的问题。
预算、权限或协议参数变化。
支持理由和反对理由。
至少 5 个关键事实的来源链接。
需要人工判断的争议点。
如果通过，后续有哪些执行动作。

扩展阅读

Snapshot Docs：了解治理提案和链下投票的基础设施。
Tally Docs：学习链上治理、委托和提案执行工具。
Optimism Retro Funding：理解公共物品影响评估和追溯资助。
Gitcoin Docs：了解 grants、公共物品资助和社区评审。
Vitalik: d/acc: one year later：理解防御性、民主化和差异化加速如何影响技术治理。