英文原标题:How the BMW Group governs hundreds of agents across thousands of developers

本文为英文原文的机器翻译摘要,原文见:AWS Machine Learning Blog ↗

  • 宝马集团研发部门有超过12,500名开发者维护约5亿行车辆软件代码,其Connected Vehicle后端包含1,300多个微服务,为240万辆在途车辆提供数字服务,对质量、稳定性和治理合规要求极高。
  • 规模化部署agentic AI面临治理矛盾:开发团队需要快速创新自由,企业必须执行安全、安保、可组合性和成本效率标准,否则会形成AI孤岛和重复工作。
  • 核心架构是agent harness,即包裹LLM的运行时层,提供执行循环、工具调度、内存管理和可观测性钩子;借鉴AWS Well-Architected Framework,需要可复用的蓝图模式来编码治理和最佳实践。
  • 五项互锁实践均以基础设施即代码(IaC)形式固化:主动治理而非事后治理、持续插桩验证与评估、聚焦起步并设计可组合性等,使采用可重复、可审计且不阻碍DevOps速度。
  • 治理需框架无关且外部化(在MCP网关、agent注册表等集成层执行),按步骤而非按agent分配三级自主权(人在环、人在环上、护栏内自主),并通过CI/CD管道以确定性代码强制执行。

关键数据

  • 超过12,500名开发者
  • 约5亿行车辆软件代码
  • 1,300多个微服务
  • 240万辆在途车辆
  • 自2023年起积累企业级agentic系统经验
  • 三级自主权:Level 0人在环、Level 1人在环上、Level 2护栏内自主

引语

  • Govern proactively, not retroactively
  • Assign trust levels per step, not per agent.

为什么值得看:宝马集团展示了在受监管的大型企业中,如何通过外部化治理、分级自主权和CI/CD确定性执行,在数百个团队和数千名开发者间规模化运营高质量agent而不牺牲速度与合规。

站内导航