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。
相关 topic
- 治理 AI:从 AI x Web3 交叉角度理解治理工作流。
- Snapshot Docs:了解链下投票和治理提案的常见基础设施。
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。
相关 topic
- Optimism Retro Funding:了解公共物品影响评估和追溯资助的治理实践。
- Gitcoin Docs:理解公共物品资助、grants 和社区评审机制。
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。