智能体要拿个人数据又要自主行动：谷歌召集50余人，提出情境策略引擎

智能体的隐私与安全需要按情境判断，而不是只靠传统软件的固定权限。 传统确定性软件用人工权限或专家编写的策略来约束行为，这类做法难以扩展到智能体自主执行多个复杂、长时间任务的情形。 报告由50多位学术界与产业界人士在2025年底纽约的谷歌情境智能体隐私与安全研讨会上共同完成，覆盖系统、模型、用户与生态四个层面的挑战。

报告把情境完整性从信息共享推广到动作的恰当性，让系统在执行前评估一次数据流是否合适。 情境完整性原本定义隐私为符合社会规范的恰当信息流，由参与者、信息类型和传输原则三要素刻画，此前并未用于判断智能体动作本身是否恰当。 报告主张在模型与用户交互之外增加一个情境策略引擎，作为监督层的一部分，通过动态策略生成循环实时把策略裁剪到用户请求和运行时新出现的工具与能力上。

报告提出用标准化的多智能体基准来检验高度自主系统的安全表现。 此前的安全评估并不直接适用于高度自主的多智能体系统。 报告建议建立动态的Agent Gym环境，让研究者在其中安全模拟长时间、级联式的交互，并以开源沙箱在学术界与产业界之间形成共享的隐私、安全与安全基线。

报告面向关注智能体隐私与安全的研究人员、平台工程师与政策制定者，给出的是系统、模型、用户和生态四个层面的开放研究方向，而非已部署的系统。它明确把情境策略引擎、动态策略生成循环和Agent Gym沙箱列为需要社区共同推进的工作，并邀请研究者阅读技术报告参与其中。

报告把情境策略引擎、动态策略生成循环和标准化多智能体基准都表述为需要发展的方向，而非已经验证的机制。它同时指出，构建安全、可信的智能体生态超出任何单一学科、组织或部门的能力，需要学术界、政府、公民社会与产业界前所未有的协作。