早期，基于密码的身份验证被认为是一种简单且有效的保护措施，但随着网络环境的复杂性增加以及安全威胁的不断演化，传统的身份验证方式已经显得力不从心。攻击者不断提升技术手段，盗取密码、模拟用户行为、滥用会话等攻击手段层出不穷。根据《2024 年 Verizon 数据泄露报告》，超过 80% 的安全漏洞与身份泄露有关，身份相关攻击同比增长了 180%。2023 年，攻击者从《财富》1000 强企业员工那里窃取了超过 19 亿个会话 cookie。而且，组织机构平均仍需要 272 天才能发现并控制一次数据泄露。用户一旦成功登录，系统就会默认其在接下来的操作中依然是合法的，而没有对其后续行为进行足够的监控和保护。“登录即信任”的策略使攻击者一旦获得登录凭证，就能够在后续操作中自由活动，窃取数据、发起恶意操作或滥用系统权限。企业不应只对登录时的身份验证增强，而是要在整个操作过程中持续监控并根据实时风险动态调整验证强度。身份认证不再是一次性的任务，而是贯穿整个用户活动周期的一项核心身份安全措施。 图源《2024 年 Verizon 数据泄露报告》 01.什么是 MFA？ 在当前复杂多变的数字化环境中，企业的每一次在线交互、每一条敏感数据的访问、每一次远程登录，背后都伴随着潜在的身份安全风险。身份，作为现代信息安全体系的基石，已不再仅仅是“谁在登录”，而是“谁在持续访问、是否可信、是否需要重新验证”。MFA（Multi-Factor Authentication，多因素认证）作为一种身份验证机制，它要求用户在登录系统或访问资源时，提供两个或以上的验证因素，以确认其真实身份。验证因素一般分为以下三类： 知识因子：用户知道的内容（如密码、PIN）。 持有因子：用户拥有的物理设备（如手机、动态口令器、硬件令牌）。 生物因子：用户本身的特征（如指纹、人脸、声纹）。 现如今，“身份”早已不只是一个登录入口，更是进入所有业务系统和敏感数据的“万能钥匙”。凭证泄露已成为最常见的攻击手段之一。攻击者通过钓鱼邮件、撞库攻击、社交工程等方式轻松绕过传统用户名+密码的验证方式，一旦入侵成功，就可以长期潜伏，悄然造成数据泄露或业务破坏。随着远程办公、自带设备（BYOD）以及 SaaS 应用的大量使用，企业的“身份边界”变得更加模糊。身份验证面临设备不可信、网络不可信、用户状态不可感知等问题。传统登录验证方式根本无法满足这种灵活办公环境下的安全需求，迫切需要更强的身份防护机制。MFA 不再只是增强登录安全的“选配工具”，而是企业在数字世界中建立身份防线的基础设施。它帮助企业从被动防御走向主动控制，让身份安全成为构建业务连续性和客户信任的核心支柱。 02.传统 MFA 和 Steamory Gateway 的区别 传统 MFA 强调“验证一次即信任”，主要集中在登录阶段进行单点校验，难以覆盖整个会话周期。一旦攻击者绕过初始验证，系统将失去后续防护能力。并且通常依赖 SDK 嵌入或接口集成的方式，要求企业 IT 团队或开发人员对每个系统逐一进行改造与适配。对于那些运行着大量遗留系统、异构架构或多语言栈的企业来说，这是一项极其耗时耗力的工程。MFA 集成成为一项“牵一发而动全身”的工程。企业开发和运维成本高，同时用户体验割裂，认证触发机制缺乏灵活性，容易引发过度干预或误报。相比之下，Steamory Gateway 则基于“永不信任，持续验证”的零信任理念，打破传统 MFA 的静态防护范式，结合实时行为分析、动态风控和细粒度策略引擎，实现用户在整个访问过程中的持续身份验证。其与 Authing、GenAuth 深度集成，支持无代码接入、跨系统统一身份验证、MFA 策略灵活编排，显著降低部署门槛与运维成本，同时保障了安全性与使用体验的双重优化。Steamory Gateway 让 MFA 不再是“合规负担”，而是成为企业安全架构中最灵活、最智能、最易用的一环，为数字化办公筑牢最后一道身份防线。 03.Steamory Gateway 突破传统的身份认证范式，成为企业最优选择 Steamory Gateway 作为一种以身份为核心的无客户端零信任解决方案，以独特的架构和技术优势，突破了传统身份验证模式的局限，为企业提供动态、持续、全面的身份安全防护。Steamory Gateway 不仅帮助企业确保数据和应用的安全，同时大大简化了身份管理的部署和使用过程。当用户进行敏感操作，系统会自动触发多因素认证。 无需改造应用，MFA 即开即用 通过与 Authing、GenAuth 的深度集成，Steamory Gateway 可在不侵入业务系统代码、不接入 SDK 的情况下，为所有应用开启多因素认证功能。Steamory Gateway 作为企业网络中的身份安全网关，能够以代理方式接管用户访问各类系统的请求。在用户访问前进行身份校验，灵活插入多因素认证流程，无需更改应用后端。无论是内部 OA、ERP、CRM 等业务系统，还是飞书、钉钉、金蝶、Salesforce等第三方 SaaS 平台，Steamory Gateway 均可实现无缝接入，统一应用 MFA 策略。 MFA 不止于登录，更在于持续验证 Steamory Gateway 率先提出了MFA 不应止步于登录，而应贯穿整个用户操作周期，实现“持续验证”能力。当系统发现用户行为、设备状态和地理位置等上下文信息异常，或尝试访问其平时不常接触的的敏感资源时，Steamory Gateway 会标记这些异常行为并触发相应的安全响应步骤，在短时间内完成风险评估，自动决定是否进行额外的验证步骤，确保对异常活动的快速反应。在时间维度上，Steamory Gateway 在用户整个使用旅程中持续不断的对其进行信任评估，以决定是否需要增加额外的认证流程。这样做的好处就是企业的安全得到实时监控，而用户只会在进行风险操作时被提示需要进行额外的认证。 灵活认证策略，管理员一站式可视配置 在复杂多变的企业场景中，不同岗位、系统、风险等级往往对身份验证的需求各不相同。Steamory Gateway 构建了一套灵活且强大的认证策略配置平台，让管理员能够根据业务实际，精细化地定义和管理多因素认证流程，真正实现“安全可控，体验可调”。Steamory Gateway 内置支持主流的多种身份验证因子，管理员可根据用户终端支持情况与业务敏感性，自由选择单因子或多因子组合部署。同时，管理员通过可视化策略编排界面，即可拖拽配置验证流程、设置触发条件，无需编写代码或深度理解底层协议。平台还提供实时策略预览与效果测试功能，大幅降低安全运维的配置与调试门槛，即使是非专业技术人员也能快速上手、灵活管理。 一体化平台，统一审计与风控 无论是短信验证码、动态口令、人脸识别，还是推送认证等形式，Steamory Gateway 都会将其完整的执行路径、验证结果、关联用户与设备信息等统一记录在日志系统中，真正实现“全域可观测、全链可回溯”。一旦发现高频验证失败、异地登录、设备指纹变化等高风险行为，系统可立即触发自动响应策略，并根据这些行为的正常性进行评估。当用户的行为偏离其正常模式时，系统会标记为异常，进一步触发风险响应机制。 同时 ，Steamory Gateway 通过综合分析用户行为、设备信息、访问时间、访问频率等多个因素，建立了一个精细化的风险评分机制。每当用户或设备进行某项操作时，系统会根据实时行为数据为其生成一个风险评分，并根据评分自动调整防护策略。在数字化时代，身份不再只是“登录时的一张门票”，而是贯穿用户全生命周期、全操作链路、全环境接入的动态身份认证过程。从身份识别到行为洞察，从静态认证到动态响应，Steamory Gateway 让身份安全成为企业业务连续性和信任体系的关键保障，帮助企业构建真正的“最小信任域”，确保每一个用户、每一条数据、每一次操作都在掌控之中。未来，Steamory Gateway 将持续演进，以更敏捷的架构、更智能的风控策略，帮助企业在不确定的数字世界中，构建确定的安全边界。

Authing 签约福维克，助力德国百年大型跨国集团构建统一用户认证体系

自 ChatGPT 引爆生成式人工智能浪潮以来，大模型的能力边界不断被突破，从自然语言处理到多模态交互，从内容生成到代码自动化，AI 正在深度渗透企业运营的各个环节。当前主流的 AI 应用仍以“工具型 AI”为主，即通过人类的明确指令完成单一任务，行为更多体现在“响应能力”而非“自主性”。AI Agent 的出现，标志着生成式 AI 从静态工具迈向动态执行体的关键跃迁。作为具备感知、决策、规划、行动能力的智能体，AI Agent 不再仅仅“回答问题”，而是能够理解复杂目标、分解任务、调度工具并进行持续迭代优化，真正具备了类人“行动力”与“自主性”。它更像是企业中的“数字员工”，能够根据策略目标自主完成信息处理、流程执行乃至协同任务。根据 Gartner 预测，到 2028 年，至少 15% 的日常工作决策将通过 Al Agent 完成。AI Agent，不仅是大模型的下一个落点，更是下一代企业智能基础设施的重要组成部分。 01.什么是 AI Agent ？ AI Agent 是一种具备高度智能化特征的“智能体”，其核心能力包括智能决策、任务执行、观察结果和记忆存储。简单来说，AI Agent 不仅能理解用户的指令和意图，还能根据环境和任务需求，主动制定方案并执行一系列复杂操作，完成特定目标。AI Agent 不再是被动的“工具”，而是能够主动参与复杂工作流程，持续优化执行策略的“智能执行者”。AI Agent 的核心在于其“四大能力”： 智能决策：AI Agent 能够基于设定目标和环境信息，进行多轮推理分析，自主制定合理的任务执行路径，具备动态调整能力。 任务执行：Agent 拥有独立行动的能力，能自动调用各类工具、API 接口或外部系统资源，高效执行多步复杂任务。 观察结果：在任务执行过程中，Agent 持续监测环境变化和反馈信息，判断每一步是否达到预期目标，及时做出响应。 记忆存储：通过短期和长期记忆机制，Agent 可记录任务进程、交互历史与上下文数据，支撑连续性行为与策略优化。 02.AI Agent 与传统 AI 的区别 传统 AI 往往以“工具”形态出现，通常基于一次性模型调用或单轮交互流程。例如，客服聊天机器人只回答当下的问题，图像识别系统只能识别当前输入的图片内容。这类 AI 更多是“响应式”的，它们在设计之初就假定了明确的输入和预设的输出路径，适用于封闭、可控的任务场景。它们不具备长期任务管理能力，也无法主动感知变化或规划下一步行动。相比之下，AI Agent 是面向“任务导向”与“自治行为”的智能体。它不仅能够理解复杂的多轮输入，更能基于当前环境做出判断，规划行动，调用工具，甚至记住上下文与历史状态。AI Agent 是持续运行的，它具备感知-决策-执行的能力闭环，能够在开放世界中持续推进目标完成，就像一个虚拟助理、运营专员、甚至产品经理一样，具备一定程度的“自主性”和“适应性”。 03.如何为你的业务挑选合适的 AI Agent ？ 当前 AI Agent 的产品形态，主要可以划分为两大类：通用智能体应用 和 智能体搭建平台（Agent 开发平台）。 通用智能体应用，面向终端用户的任务执行器通用智能体应用是为用户提供一个开箱即用的智能助手，用户只需通过自然语言描述目标，Agent 即可自动完成包括搜索、写作、代码生成、邮件发送等在内的多步骤任务执行。其核心能力在于：集成大模型的语言理解能力、任务分解与流程控制能力、工具调用能力，并通过良好的交互界面降低用户使用门槛。这类产品强调“能用”、“好用”，适用于日常办公、内容创作等高频任务。 通用 AI Agent 搭建工具，面向开发者与企业的智能体开发平台通用 AI Agent 搭建工具提供了构建 AI Agent 所需的所有基础设施：包括大语言模型（LLM）接入、工具集成（API/MCP）、长短期记忆模块、任务流程编排系统等。目标是帮助企业、开发者或高级用户以低代码/模块化的方式快速构建出满足业务需求的智能体。平台往往还内置丰富的 Agent 模板、工作流范式、插件市场，极大提升了开发效率和 Agent 的实用性。 如果你是一位终端用户，可以直接使用 ChatGPT 等通用智能体助手。但如果你是一家希望打造专属智能流程的企业，那么推荐使用具备企业级安全能力和流程控制能力的 Agent 搭建平台。尽管目前已有众多 Agent 开发框架，但对于大多数企业来说，通用开源工具往往存在部署门槛高、安全可控性差、无法适配内部 IT 体系等问题。针对这些需求，蒸汽方舟提供了一套面向企业的 AI Agent 搭建解决方案，支持身份安全、任务监控、权限隔离等核心能力，帮助企业在保障数据安全的同时快速构建智能化流程。结合大模型能力、身份安全、工作流引擎与插件生态，帮助企业快速构建可落地的 AI Agent 系统。作为业内首个围绕 Agent Infrastructure 和 MCP 协议打造的企业级产品体系，蒸汽方舟通过 Authing、GenAuth、Steamory Gateway 和 Observa 四大核心产品的深度集成，共同构建起一套闭环的 Agent Infra 生态系统。利用 AI Agent 的能力，重建一个能够自主感知、理解、推理和响应的身份系统。 04.开发、部署、治理 ，用蒸汽方舟就够了 2024 年 5 月，微软创始人比尔·盖茨在公开演讲中指出，“AI Agent 将彻底改变人与计算机交互的方式，掀起自图形界面以来最大的计算范式革命。”从代码走进业务流程，下一代智能软件的核心不再是静态的工具，而是能够自主理解、规划与行动的智能体（Agent）。但如何确保 Agent 调用第三方工具时的数据安全？如何实现流程中的身份校验与权限边界？Agent 的行为是否可观测、可审计、可追踪？如何快速从业务需求出发构建出稳定可控的 Agent 应用？蒸汽方舟作为一套面向企业的 AI Agent 搭建与运维平台，交出了完美的答卷，为企业提供“从目标理解到任务闭环”的智能体基础设施。 快速构建业务智能体 构建 AI Agent 的最大门槛，往往在于繁杂的跨平台认证与权限管理。Agent Binding 是 GenAuth 推出的统一认证基础设施（Agent Infra），提供一个跨平台认证的“统一大门”，让开发者不再为每个认证接口头疼，专注于 AI 应用的创新与优化。并且GenAuth 基于 CLI 与 AI 的结合，进一步推出了自然语言生成登录页的创新能力。开发者无需编写冗长代码，只需一句话指令，系统即可自动生成符合认证规范的前端组件，显著降低 AI Agent 的开发门槛与构建成本，提升业务应用构建效率。最终，企业只需通过简单的低代码配置，即可构建出具备执行能力的业务智能体，并轻松接入内部 ERP、CRM、工单系统，或外部的钉钉、飞书、企业微信等平台。AI Agent 将不再只是一个“聊天框”，而是真正进入企业工作流，自动完成调研、文档生成、审批流转、数据同步等高价值任务。 保障身份与权限安全 一个拥有自动执行能力的 Agent，如果缺乏清晰的身份标识与边界控制，将对企业的数据安全、系统稳定性和合规运营构成巨大隐患。 GenAuth 构建了覆盖“身份定义 → 授权管理 → 行为审计”的完整安全闭环，全面解决了“AI Agent 是谁、能做什么、做了什么”的关键问题，为每个AI Agent 提供明确的身份定义和权限框架。GenAuth 结合 Steamory Gateway 将 MCP 协议作为核心技术链路，以 AI Agent 为中心重新定义了身份管理范式，成为连接 AI 应用与全球各类业务系统的桥梁，特别适合跨境电商、全球化 SaaS 和国际内容平台等出海场景的独特需求。 提升任务执行透明性 借助 Observa 全链路智能观测，开发者与运维团队可以实现对智能体执行全过程的实时观测与精准溯源。平台提供详尽的调用链可视化、任务状态追踪与指标监控能力，涵盖指令解析、API 调用、模型推理、中间状态变更等多个关键环节。通过对每一次智能体执行行为的完整日志采集与结构化分析，Observa 能有效识别异常任务流转、性能瓶颈或潜在安全风险，支持开发者在早期阶段进行问题定位与策略优化。并且 Observa 与追踪模块无缝集成，用户可以准确选择指定版本的 Agent 进行评估。系统能够自动关联 Agent 的历史运行数据，包括推理耗时、资源消耗和异常事件记录等，帮助评估人员全面了解 Agent 的表现。 构建可持续的 Agent 生态系统 在智能体（Agent）逐渐成为企业核心算力和数字员工的重要组成部分的趋势下，构建一个可持续、可扩展、可协作的 Agent 生态系统，已成为推动 AI 应用落地与长期演进的关键。蒸汽方舟基于私有协议 MCP 与模块化 Agent 架构，打造开放的智能体运行与协作框架，同时提供插件市场机制，允许开发者或企业按需集成各种能力插件（如第三方 API 接入、数据源适配器、行为策略模块等）。通过支持私有协议与标准化接口，智能体之间能够高效协同、状态共享、任务分工，避免“黑箱式执行”与重复开发问题，实现了智能体能力的持续迭代、灵活扩展与生态共建。 从工具化走向智能体，从响应式走向自治性。AI Agent 不仅代表了生成式 AI 的未来落点，更是企业重构数字基础设施、释放组织生产力的关键路径。蒸汽方舟以身份为核心，以安全为底座，构建了一套覆盖开发、部署、治理的 Agent Infra 产品体系，为企业在这场智能化革命中提供了稳定、安全、可控的落地方案。下一代企业的竞争力，不再只是人效与算法的比拼，更是智能体协同能力的较量。当 Agent 真正进入业务主线，企业才能真正拥有一个可以理解战略、执行流程、优化结果的“数字同事”。

提起 AI ，很多人第一反应是 ChatGPT。从一开始，“对话式人工智能”火遍全网，从聊天、写作、翻译到写代码，一夜之间，AI 从实验室里的“未来科技”，变成了人人可用的生产力工具。但似乎在某种程度上也形成了一个“框架效应”。在公众眼中，AI 似乎就等于聊天机器人，等于“生成内容”。我们看到无数“AI 聊天”、“AI 写作”、“AI 绘画”类应用如雨后春笋般涌现。但其实，这些只是 AI 的“入门级”应用，它的真正潜力，远远不止如此。如果说 ChatGPT 是 AI 作为“助手”的形态，那么接下来，我们将看到 AI 作为“架构师”、“管理员”等等更多“类人”角色进入更多底层基础设施中，悄然重构身份体系运行的逻辑。 01.身份系统为何需要被重构？ 在数字世界中，“身份”是每一项操作的起点。你登录一个系统、查看一份文件、调用一个接口，甚至只是在网页上点击一个按钮，背后都需要一个身份凭证来判断你是谁、你能做什么。可以说，没有身份，就没有权限；没有权限，数字世界寸步难行。但问题在于，今天的身份系统早已难以承载快速演进的数字生态。 多系统、多账户、多入口，身份体验割裂 从企业员工到消费者，每个人在使用数字产品时常常面临“一个人、多个身份”的困境。随着企业规模的扩张与多组织协作的增多，工作中切换各种系统、账号密码混乱、权限审批繁琐，用户的身份往往散落在不同的平台和系统中，无法实现统一的管理和追踪。“身份割裂”不仅导致了繁琐的操作流程，也大大增加了系统之间的安全隐患。冗杂的身份和权限管理使得员工和用户的使用体验极其低效，增加了额外的工作负担，降低了生产力。 权限管理复杂，易错且易漏 传统的身份权限管理依赖人为配置和静态规则，例如给某某岗位分配哪些资源，员工离职手动回收权限。看似合理，实则易错易漏，且难以适应业务频繁变化。传统的 IAM 系统往往没有能力实时、自动地调整和优化权限配置，导致了权限管理的滞后性。更严重的是，许多安全事件的源头，正是“权限未及时变更”或“越权操作未被发现”。在没有有效的监控和审计机制的情况下，这些操作可能在不被察觉的情况下进行，增加了企业面临的安全风险。 静态身份 VS 动态业务，脱节日益严重 现如今业务系统正在变得高度动态化：项目快速启动和收敛、远程办公常态化、AI 自动化决策频繁介入……但身份系统却依然停留在“录入-绑定-审批-授权”的传统模式上，几乎没有实时感知与自我调整能力。依赖静态的身份数据和预设的权限规则，无法及时响应业务环境的快速变化。身份信息和权限分配一旦被设定，即便企业业务模式或工作方式发生了变化，也无法灵活更新或调整。这种“静态身份”模式，已经无法适配“实时业务”。 安全防护依赖人治，缺乏智能化响应机制 身份系统不仅是“入口控制”，更是企业安全的第一道防线。但传统身份管理的风控手段，多数依赖静态策略和手动巡检，既不及时，也不智能。在应对勒索攻击、内部数据泄露、敏感权限滥用等问题时，常常力不从心。据 IBM《2024 数据泄露成本报告》显示，82% 的数据泄露事件涉及身份凭据被盗或误用，而其中近一半在事发后超过两周才被发现。随着远程办公、云服务和 AI Agent 的广泛部署，企业身份边界日益模糊，访问行为更加动态复杂，传统手段已无法满足对高频、高变业务环境的实时风险掌控。身份系统亟需从“管理工具”转向“智能设施”，它不再只是记录身份信息和配置权限，而是能够实时感知、自动决策、持续学习的“动态安全引擎”。 02.蒸汽方舟将 AI 引入身份领域，构建全球化 AI Agent 身份基础设施 在传统身份系统中，我们靠“规则”来控制权限，靠“配置”来管理账户，靠“人为判断”来识别风险。但在一个高度动态、信息爆炸的 AI 时代，这些做法已经无法跟上节奏。蒸汽方舟产品矩阵是业界首个围绕 Agent Infrastructure 和 MCP 协议打造的完整解决方案，Authing 与 GenAuth、Steamory Gateway 和 Observa 四大产品通过紧密集成，共同构成了完整的 Agent Infra 生态系统。利用 AI Agent 的能力，重建一个能够自主感知、理解、推理和响应的身份系统。 让身份系统具备“语言理解”和“意图推理”能力 蒸汽方舟产品矩阵推出了 GenAuth ，这不仅是一个全球化版本，更是一个为海外开发者和中国业务出海企业量身打造的身份基础设施引擎，提供与 Authing 同等全面且更具国际化特性的身份云服务。GenAuth 不只是 IDaaS 的延伸，而是围绕 AI Agent 重构的身份范式，引入了全新的架构理念和治理机制。在 AI 应用大规模部署的时代，Agent Infra 正如同早期互联网时代的 DNS 和身份验证系统一样，成为支撑整个生态可持续发展的关键底层架构。 AI Agent 全生命周期身份治理GenAuth 提供从创建、命名、权限分配到注销的完整 AI Agent 身份生命周期管理体系，使企业能够像管理员工一样精确管理每一个 AI Agent 的身份状态与权限边界，解决过去 AI “无主身份”所导致的越权与审计盲区问题。 AI-Human 身份绑定机制GenAuth 创新地构建了 AI Agent 与其背后人类用户身份的绑定与继承链。通过身份映射、指令授权链等机制，实现每个 Agent 操作的可追溯性与责任明晰，确保“机器行为有主、授权链可还原”，在 AI 增强企业决策与执行的同时，也构建了合规与安全的护栏。 原生支持 MCP 协议作为业界率先原生支持 MCP（Model Context Protocol）的身份平台，GenAuth 能够在多模型、多平台、多系统之间管理 AI Agent 的统一身份。这有效解决了传统身份系统在 AI Agent 跨系统、跨服务调用过程中的身份碎片化与会话混乱问题，为 Agent 跨平台协作提供了身份连续性保障。 GenAI驱动的交互体验优化GenAuth 内置 AI 设计引擎，能够根据企业品牌风格及不同国家/地区的用户偏好，自动生成多语言、多模态的 Agent 身份交互界面，从登录流程、指令确认到操作反馈，都能实现更智能、个性化的用户体验，显著提升 AI Agent 的接受度与信任感。 引入 AI 规划与决策能力，实现动态授权 在传统 IAM（身份与访问管理）平台中，授权通常依赖预先定义的静态规则，如 RBAC（基于角色的访问控制）或 ABAC（基于属性的访问控制）。但在实际应用中往往面临两个根本性难题：规则僵化，难以适应动态业务变化和依赖人工判断，运维负担沉重。面对高频变化的业务需求、越来越多的临时任务角色以及人机协作场景的兴起，静态的、被动的授权模型已无法满足企业对效率与安全的双重诉求。作为全球化 AI Agent 身份基础设施，蒸汽方舟融合了大模型的语言理解能力、行为建模能力与实时决策能力，引入“身份感知 + 行为推理 + 动态授权”三位一体机制，重塑授权逻辑。它不仅知道“你是谁”，更知道“你是否该做这件事，或是以什么方式做”。 构建行为模型，实时感知身份风险 蒸汽方舟推出 Observa ，通过引入行为建模与风险评估能力，重新定义了身份信任的动态边界。Observa 是蒸汽方舟产品矩阵中专注于 AI 应用可观测性的关键组件，它不仅能够“看见 ”AI Agent 的行为，更能“理解”这些行为的意图和影响。作为 Agent Infra 的智能可观测层，Observa 将传统的监控理念提升到了 AI 时代的新高度。 行为画像：理解每一个身份的“行为轨迹”Observa 利用 AI 模型持续收集和分析用户、AI Agent 的操作行为、访问路径、设备使用习惯、地理位置、时间模式等数据，实时记录 AI 任务在推理计算、知识库检索、外部 API 调用等关键节点的耗时与资源消耗，生成可视化图表，构建多维度的行为画像。每个身份都拥有一个不断更新的“数字行为模型”，用以刻画其活动范围与操作风格。 异常检测：实时感知“不正常”的操作意图基于行为画像，建立正常行为的基线模型，作为判断异常的参考标准。对当前行为进行实时监控，与基线模型进行比较，识别偏离正常模式的行为。一旦检测到异常行为，系统自动标记，识别高频故障，通过树形结构展示调用链路架构，溯源故障。 风险评分引擎：为每一次访问打上“信任标签”根据异常检测的结果，结合上下文信息，对异常行为提供在线打分评估和离线数据集评估方式，多种方法评估同一个 Agent ，增强并发挥团队协作的效用。并支持 Agent 版本管理，将处理结果反馈至行为画像和异常检测模块，对比同一数据集在不同版本 Agent 中输出的结果差异，辅助调试工作，优化模型，提高系统整体检测和响应能力。 03.AI，不只是 Chat，更是身份基础设施重构者 AI 不只是提升效率，而是重新定义“身份”的含义。蒸汽方舟所代表的新范式，是“AI-native IAM”的雏形。下一代 AI 应用不是“换个壳的对话框”，而是以 Agent 形态深度嵌入企业的操作系统、权限体系与业务流程中，成为企业智能运转的一部分。未来的每一次访问，不再是验证你是否拥有权限，而是理解你是否“应该”被允许。蒸汽方舟的目标不是简单地替代传统 IAM，而是重新定义企业中人与 AI、系统与服务之间的信任边界与交互方式，将引领企业迈入智能身份新时代。

Authing 签约量子科技长三角产业创新中心，助力未来产业发展快速构建标准化身份体系。

Gartner 发布的 2024 年中国安全技术成熟度曲线显示，零信任网络访问已进入稳步爬升的中期，与 2023 年（处于稳步爬升初期）和 2022 年（处于泡沫破裂低谷期）相比，零信任在中国的应用逐步提升。但传统的访问控制模型大多基于边界安全，即依赖于企业内部与外部网络的边界防护来确定访问权限。随着云计算、移动办公、远程协作和跨平台应用的普及，企业的边界变得越来越模糊，传统的安全防护方式也无法有效应对新的威胁和风险。根据中国信通院 2024 年《零信任发展洞察报告》显示，越来越多零信任供应侧企业进入 ZTNA 赛道。零信任架构成为现代企业在保障信息安全方面的必然选择。 零信任解决方案供应情况（图源中国信通院） 01.零信任技术实施面临多重挑战 现有 IT 基础设施整合复杂 大多数企业的 IT 系统都是由多个独立的传统架构、遗留系统和现代化系统构成的。许多企业已经建立了较为完善的安全防护体系，替换为零信任意味着需要放弃原有的安全产品或不仅会面临技术兼容性和业务连续性等方面的挑战，还会带来额外的成本支出，特别是在高度集成化或自研比例较高的环境中，零信任的实施成本高。这不仅需要进行大量的技术调整，还要保证不同系统间的兼容性和数据流的安全性。企业必须在传统系统和零信任新技术之间找到平衡，避免由于整合问题而导致业务中断或安全漏洞。 用户和设备身份管理难题 零信任架构要求对所有用户、设备和应用进行严格的身份验证，并且要持续监控访问行为。但实际上，许多企业在实施零信任之前，往往没有建立起统一的身份治理框架，导致身份管理的混乱和效率低下。随着云计算、移动办公和 BYOD（自带设备）模式的普及，企业的 IT 基础设施和工作环境变得日益复杂。员工不仅使用公司的计算机、移动设备，还可能通过私人设备访问企业网络，身份认证和设备合规性检查的复杂性大幅增加。企业的用户身份、设备身份、应用权限等信息分散在不同的系统中，缺乏统一的管理和审核机制，导致信息孤岛和权限管理不一致。不同设备、平台、甚至跨地域的员工如何统一身份认证和设备合规性检查，成为了企业必须解决的难题。 用户体验与操作便利难以平衡 零信任架构的核心理念是“永不信任，持续验证”，要求对每一个访问请求进行严格的身份验证和权限授权，确保每次访问都处于高度受控的安全环境中。在传统的企业环境中，员工早已习惯了便捷、快速的访问流程，特别是在使用单一的身份认证机制时，访问过程简单直接，工作效率较高。而零信任架构下的多重身份验证（如多因素认证、设备验证等）虽然增加了安全保障，却极大地增加了用户的操作负担和时间成本，可能导致员工感到繁琐和不便。如何在不牺牲安全性的前提下，保持用户体验的流畅性，是企业在实施零信任时需要重点关注的问题。 国际零信任政策推动全球网络安全战略加速实施 全球加速布局零信任安全战略，推动网络安全领域深刻变革。随着全球数字化进程的加速，网络安全已经成为各国政府和企业面临的首要挑战之一。特别是在信息技术、云计算、物联网（IoT）、人工智能（AI）等技术不断发展的背景下，传统的边界安全防护模型已经无法满足日益复杂和多变的网络威胁。为了应对不断升级的网络安全风险，国际社会开始推动零信任（Zero Trust）安全架构的实施，推动全球网络安全战略的深刻变革。 国际零信任政策（图源中国信通院） 02.Steamory Gateway——以身份为核心的无端零信任网络 AI 访问代理与控制 在数字化转型和安全威胁日益增加的今天，零信任架构已经成为企业网络安全的核心。Steamory Gateway 作为一种无客户端零信任解决方案，以其独特的架构和技术优势，帮助企业在确保数据和应用安全的同时，简化了部署和使用过程。在 Agent Infra 生态中，Steamory Gateway 承担着至关重要的访问代理与控制职责。 Web 应用的用户访问代理 用户无需安装任何客户端软件即可实现零信任 Web 访问控制，降低部署门槛。通过无客户端的 Web 应用用户访问代理，Steamory Gateway 将零信任安全控制与标准 Web 浏览器紧密结合。无论用户使用的是 Windows、macOS、Android 还是 iOS 设备，甚至是某些轻量级的操作系统，他们只需通过浏览器即可访问公司内网或外部的 Web 应用。通过浏览器内嵌的身份验证和访问控制机制，用户在访问前无需安装或配置任何额外的软件客户端，大大降低了部署的技术门槛。 全面的 Agent 访问代理 无论是 Web 应用、数据库还是 API 等后端服务，Steamory Gateway 都能够提供一站式的 Agent 访问代理。这使得企业在多个不同的应用和服务之间实现统一的访问控制变得更加简便。每一个访问请求都会经过身份验证和权限评估，确保只有授权的用户和设备可以访问特定的资源。无论是内部系统还是外部平台，所有的访问都可以在统一的安全框架下进行管理和监控。 并且 Steamory Gateway 集成了 MCP 协议，为各类 Agent 提供了高效的连接能力，企业能够轻松实现跨域资源的整合，无论是在跨云平台、跨地域的部署环境下，还是在复杂的多应用系统架构中，Agent 都可以高效、安全地访问所需的应用和服务。 动态风险评估 在现代企业的安全架构中，动态风险评估是零信任架构的重要组成部分。Steamory Gateway 通过实时分析 AI Agent 的行为模式和访问上下文，提供了一种智能、安全的方式来管理和控制访问请求。当风险评估发现某个 AI Agent 的行为异常时，系统会自动调整该 Agent 的访问权限。无论是操作权限的临时撤销，还是完全禁止某些高风险操作，都会根据具体的风险评估结果进行快速响应，显著减少潜在攻击的暴露窗口，确保系统在任何情况下都能够在严格的安全控制下运行。 跨域资源整合 Steamory Gateway 通过打破传统系统之间的壁垒，实现了跨域资源的无缝整合，使得 AI Agent 能够以一致的方式访问分散在不同云平台和系统中的资源，简化了跨域操作的复杂性，为复杂业务流程的自动化奠定基础。AI Agent 在跨域资源整合中的关键作用是它能够在不同云平台、不同数据中心之间，协调各类资源的高效访问。借助 Steamory Gateway，AI Agent 能够实时感知各个系统中的数据、应用和服务，并根据企业安全策略自动决策，选择最优的访问路径，将传统的手动操作转化为自动化操作，大大提高工作效率并减少人为错误。 03.MCP 驱动的 AI Agent 无缝访问体验 Steamory Gateway 将 MCP 协议作为技术核心，提供了一个统一的控制平面，使 AI Agent 能够在严格权限约束下安全高效地访问企业内外部各类系统。这一设计彻底改变了传统应用访问的范式——从以人为中心的访问控制，扩展为同时支持人类用户和 AI Agent 的混合访问治理架构。Steamory Gateway 通过 MCP 协议实现了三种核心场景的无缝访问体验： 内部系统的 Agent 访问企业内部应用、数据库和微服务可通过 Steamory Gateway 安全暴露给 AI Agent，无需修改原系统架构，即可实现 AI 与传统 IT 系统的高效协作。 外部平台的统一接入跨境电商、全球内容平台、社交媒体等第三方系统可通过 MCP 标准化接口被 AI Agent 安全访问，解决了跨平台操作的身份认证和权限管理难题。 零信任的人机协作环境人类用户和 AI Agent 可在同一安全框架下协同工作，相互委派任务并共享资源访问权限，同时保持完整的操作审计链，实现真正的人机共生工作模式。 04.Steamory Gateway 如何革新零信任架构？ 以身份为核心的无端访问架构 传统的零信任架构通常要求用户安装特定的客户端软件来访问企业应用和数据，不仅增加了部署和运维的复杂性，还可能导致兼容性问题。尤其是在跨设备、跨平台的环境中，企业需要为每一个访问点配置不同的客户端，维护成本较高。Steamory Gateway 通过无客户端的设计，用户只需通过标准浏览器即可访问企业资源，无需在每台设备上安装任何软件。基于云原生技术的容器化和微服务架构，Steamory Gateway 能够支持动态扩展，适应企业不断变化的需求。无论是增加新的用户、设备，还是扩展新的应用服务，企业都可以快速部署和配置，无需繁琐的硬件和软件安装。 零信任一体化解决方案 与传统的基于边界的安全架构不同，零信任架构强调“永不信任，持续验证”的原则，无论是用户、设备、网络还是应用，都必须经过严格的身份验证与权限控制。Steamory Gateway 通过集中化的控制平台，将用户身份、设备身份、Agent 身份以及各种应用、数据、基础设施、网络服务的访问权限进行统一管理，实现跨系统、跨平台、跨地域的一体化安全防护，提升管理效率的同时降低了操作和维护的复杂性。企业不再需要面对多个分散的管理平台，而是通过一个集中的界面，便捷地配置和监控访问策略。 强大的可扩展性与集成能力 随着企业在数字化转型过程中对安全性的要求不断提高，身份与访问管理（IAM）逐渐成为企业网络安全架构的核心组成部分。Steamory Gateway 深度集成 Authing 和 GenAuth 的 IDaaS（身份即服务）能力，企业可以快速部署并使用如单点登录（SSO）、多因素认证（MFA）等身份服务，全面简化身份验证的流程，并将身份认证作为访问控制的核心环节。每个访问请求都要经过严格的身份验证和权限审查，确保只有符合政策要求的用户和设备能够访问敏感资源。 永不信任、持续验证的全方位防护 Steamory Gateway 基于身份设备双验证的动态策略引擎实时评估访问可信度，即在用户身份验证的基础上，增加设备的合规性检查。在每一次访问请求中进行实时评估，实现持续验证和全方位的安全防护，确保只有符合安全标准的设备才能访问企业资源，防止不受信任设备的接入。并且通过 精细化资源访问控制，将访问权限的控制引入更多的上下文信息，如角色、部门、时间、地理位置等多个维度，确保每个用户和设备的访问权限都得到严格、动态的审查。如果发现任何潜在的风险或异常行为，系统会动态调整访问权限，防止不合规的访问，确保企业资源的安全。 开发者友好的集成能力 通过 Authing、GenAuth 开箱即用，开发者可以在现有的应用、身份和设备数据的基础上，快速实现零信任架构的部署，无需复杂的二次开发。凭借低代码配置界面，开发者可以快速定义安全策略，支持通过可视化操作简化复杂的设置过程，降低运维难度。这不仅节省了大量的开发和部署时间，还让开发者能够更加专注于业务功能的实现，而不必为安全配置的复杂性而担忧。无论是增加新的安全措施，还是调整现有策略，Steamory Gateway 都能够提供灵活、便捷的方式，帮助企业应对日益变化的安全挑战。 05.Steamory Gateway 可以帮助你的业务 Agent 应用的高效集成 场景挑战：随着人工智能（AI）技术的迅猛发展，越来越多的企业希望让 AI Agent 高效地访问分散在内外部的多种应用系统和服务，以提升自动化和智能化的水平。然而，传统的集成方式通常依赖于大量的定制化开发，跨平台、跨云环境的集成更加复杂，企业需要为每个系统单独配置访问权限和安全认证机制。这不仅增加了开发和维护的难度，还可能导致系统之间的兼容性问题，影响整体集成效率。 解决方案：Steamory Gateway 作为核心访问控制平台，可以将企业内部的各类业务系统、数据库和微服务通过代理和托管方式对外部应用进行安全暴露，消除传统集成方式中跨平台、跨云环境带来的复杂性和高风险。AI Agent 无需在每个系统中进行单独的适配和配置，只需通过 Steamory Gateway 即可统一访问和管理多种内外部资源。同时，结合 Authing 或 GenAuth 的 Agent 身份管理，Agent 应用能高效访问企业内外部资源，获取数据或调用相关 Action，实现智能业务流程自动化，同时全生命周期管控 Agent 的访问权限。 敏感操作的精细安全控制 场景挑战：Web 应用处理大量的敏感信息和关键操作（如删除数据、查看敏感信息等），但传统的安全解决方案往往需要大量的开发工作，包括为每个敏感操作单独编写安全控制机制、实施繁琐的权限审核流程，甚至需要定制化的代码和繁琐的测试。随着业务系统的不断复杂化和敏感操作的不断增多，传统方案的成本和复杂性都在不断上升，企业面临着较大的运维压力和安全风险。 解决方案：Steamory Gateway 通过无缝集成 CAMFA，能够基于用户的访问环境和行为实时评估风险，进行动态认证。这意味着，当用户尝试执行敏感操作时，系统不仅会基于传统的身份验证进行审核，还会考虑用户的行为模式、设备合规性、访问位置等多个因素。企业无需进行复杂的开发或系统改动，以极低的集成成本，即可将 CAMFA 方案应用到现有的 Web 应用中，显著提升应用的安全性，防止恶意操作和滥用，加强对敏感信息和操作的保护。 零信任远程办公访问 场景挑战：在远程办公环境中，越来越多的企业面临着企业内部系统暴露在公网所带来的严重安全风险。在没有有效保护的情况下，攻击者可能通过互联网直接访问企业敏感数据和应用系统，增加了数据泄露和系统被侵入的可能性。传统的 VPN 需要员工在每台设备上安装专用的客户端软件，增加额外的 IT 运维负担。尤其 VPN 网络在多用户同时连接的情况下，容易成为攻击者的突破口，无法有效阻止各种复杂的网络攻击。 解决方案：为了解决远程办公中企业内部系统暴露和安全风险问题，Steamory Gateway 托管代理内部业务系统访问，员工无需安装任何客户端软件，结合 Authing 的 SSO 能力轻松实现对内部应用的零信任访问，同时企业内部应用隐藏在 Gateway 后方不直接暴露，显著降低攻击面和安全风险，避免了传统 VPN 和客户端软件的复杂性。企业可以确保员工无需在个人设备上安装任何额外的客户端软件，极大简化了部署和维护的工作量，员工可以无缝地使用各种终端设备（如笔记本、手机、平板等）访问企业资源，提升了工作效率和灵活性。 Steamory Gateway 将不仅仅是一个技术方案，更是企业数字安全管理的重要战略。 随着 AI、机器学习等技术的不断发展，Steamory Gateway 将进一步增强其自适应能力和智能化水平，能够更加高效地识别和响应各种安全威胁。对于企业来说，拥抱零信任不仅是对网络安全的升级，更是为未来的数字化、全球化发展奠定坚实的安全基础。Steamory Gateway 作为 Agent Infra 核心访问控制层，不仅打破了现有安全架构的局限，也为企业构建了更加灵活、智能的安全防线。Steamory Gateway 正成为推动企业数字化转型和安全升级的关键力量，为各行各业的数字化转型提供坚实保障。

  随着 AI 应用复杂性的不断增加，如何在不同的开发和应用场景中确保其可靠性与稳定性，已成为企业面临的重大挑战。但企业内传统评估方法往往面临着，离线测试的“温室数据”无法预测应用场景的真实表现，跨团队协作的反馈滞后让问题在迭代中被放大，僵化的评估标准更难以应对快速变化的业务需求。在 AI 应用全生命周期管理中，评估环节始终是决定应用成功与否的关键。如何为 AI 应用提供一个全面、持续、且可靠的质量保障机制，成为了各行各业面临的迫切需求。Observa 作为一款全新的评估平台，通过其深度的数据集评估和实时的协作评分功能，为 AI 应用提供了全生命周期的质量保障方案。 01.AI 应用评估的行业痛点与挑战 评估环境割裂带来的“数据失真” 传统的 AI 评估方法通常依赖于离线数据集进行测试，这些数据集虽然在理论上能够评估模型的基本性能，但往往缺乏对实际应用场景中复杂情况的考虑。离线数据的“温室效应”使得评估结果不能真实反映 AI 应用在真实环境中的表现。AI 应用在面对不断变化的用户行为、实时数据流或不同硬件配置时，可能会表现出不同的效果，但离线评估无法揭示这些问题。企业在产品上线后，才发现模型在应用场景中的各种潜在问题，往往为时已晚。Gartner 调研指出，约 65% 的 AI 模型在上线后会出现未检测到的性能下降，平均需要 3-6 个月才能通过迭代修复。 协作机制缺失导致的“反馈迟滞” 在 AI 应用落地的过程中，评估数据的“孤岛效应”往往被很少提起。AI 应用的评估不仅需要开发团队的参与，还涉及到业务专家、数据科学家、产品经理以及合规团队等多个角色的协作。在传统评估流程中，团队成员的反馈通常是离散的、滞后的，缺乏统一的评分标准和反馈机制。不同部门之间的沟通和反馈往往需要依赖邮件、会议等方式，导致信息传递效率低，容易造成误解和疏漏。团队成员之间的协作往往是断裂的，无法实时追踪和回应其他团队的意见，影响了评估的及时性和质量。 评估维度僵化引发的“场景失配” 在快速发展的 AI 领域，企业对应用的评估不仅是一次性的，而是一个动态过程。随着数据变化、算法更新和业务需求调整，评估标准和方法需要不断更新和调整。企业需要一个能够实时跟踪 AI 应用运行状态、及时反馈问题并进行迭代优化的平台，而非单一的、静态的评估模型。实时反馈机制能够让企业在应用场景中快速响应变化，确保 AI 应用在整个生命周期内的稳定性和持续改进。麦肯锡在 AI 成熟度调研揭示了一个惊人事实，82% 的企业承认其 AI 评估指标与关键业务目标存在明显脱节。只有当评估框架能够灵活纳入各行业特有的业务逻辑和风险维度时，AI 系统才能真正成为业务赋能者，而非纸上谈兵。 02.Observa 如何解决 AI 应用评估中的痛点？ Observa 通过创新的评估体系，结合离线数据集深度评估和在线实时协作评分，为 AI 应用提供了全面、连续的质量保障。无论是在开发阶段进行的离线数据分析，还是在应用场景中进行的实时反馈，Observa 都能够为各个环节提供精准、动态的支持，确保 AI 应用能够在实际使用中表现出色。 离线数据集评估，一站式自动化分析与精准评测 集中的数据集管理传统的离线评估就像在游泳池学游泳，而 Observa 为你打造了一片"野生水域"。系统不仅能智能解析 Excel、csv 等各类数据，自动揪出缺失值和异常分布，提供自动化的数据预处理建议，帮助开发人员在评估前确保数据的准确性和完整性。通过数据可视化界面，用户可以查看数据的统计图表，更直观地理解数据的分布和潜在问题，为后续评估奠定基础。 Agent 级评估对象定位在 AI 应用的评估过程中，精确选择评估对象是确保评估准确性的重要环节。Observa 与追踪模块无缝集成，用户可以准确选择指定版本的 Agent 进行评估。通过这种集成，系统能够自动关联 Agent 的历史运行数据，包括推理耗时、资源消耗和异常事件记录等，帮助评估人员全面了解 Agent 的表现。基于历史数据的精确评估，Observa 支持同时加载同一 Agent 的多个迭代版本，纵向对比分析建立基础，能够为用户提供更为详尽的评估报告，有效避免传统评估方法中版本不一致所带来的误差。 自定义评估规则为了应对复杂的业务场景，Observa 允许用户根据实际需求定制评估标准。 预置各类常见场景的数据集和评估模板：为简化评估过程，Observa 提供了一系列预设的评估模板，每个模板都包含了精准度、召回率等标准评估指标，用户可以通过可视化的界面，组合多个评估维度，以及选择多个数据集进行评估，减少繁琐的配置工作。同时，用户也可以通过可视化界面，灵活地组合多个评估维度，调节每个指标的权重，以确保评估结果能够真正反映 AI 应用在不同维度的综合表现。 第三方 LLM 评估集成与评估标准调试：除了内置的评估模板，Observa 还支持与第三方大型语言模型（LLM）的集成，利用其强大的自然语言处理能力对AI应用的输出结果进行更深入的评估。用户可以选择使用不同的 LLM 对 Agent 输出的结果进行打分和分析，系统已预置了常用的评估原则和提示词模板，帮助用户针对不同的应用场景快速构建评估标准。 对 Agent 的输出结果在线人工评估为了确保 AI 模型在实际应用中的高效性与准确性，Observa 提供了一个高度灵活和互动的人工评估功能，允许团队成员对 AI Agent 的输出结果进行详细的在线评分和反馈。团队成员可以在网页端实时查看 Agent 的输出结果，无论是文本生成、问题回答，还是其他类型的 AI 生成内容。所有的输出结果都会展示在易于操作和导航的界面上，每位团队成员可以独立对数据集中的每一条问答或 AI 输出结果进行反馈，确保团队成员对每一条数据的评估意见都能得到即时记录和整理。 在线实时评分，构建跨部门协同的 AI 实时评估系统 环境即时评估，为 AI 应用“实时护航” 在 AI 应用的实际运营中，应用场景的复杂性和不可预测性往往会让它的表现 “大打折扣”。Observa 的实时评估引擎就像为运行中的 AI 系统安装了一套 “黑匣子”，在每次交互发生时自动捕捉关键信号。Observa 通过在追踪模块中嵌入评分功能，支持应用场景中的即时评估。每当 AI 应用执行时，系统会自动记录相关评估数据，并提供连贯性、事实准确性等实时评分维度，帮助团队在应用场景中及时发现潜在问题。用户可以在 0-5 分的评分区间内调整评分，系统会记录每次评分的时间戳和操作者信息，为团队提供透明、可追溯的评估数据。 打破部门壁垒，构建团队协作空间Observa 的协作平台彻底改变了传统 AI 评估中 “信息孤岛”的困境，为开发者以及团队打造了一个实时联动的 评估协同网络。 评估过程中的每一条评分和评论，都可以通过 @团队成员 功能与其他成员进行即时沟通，或插入代码片段、添加表情反馈等，进一步增强协作效率。当多个评审者对同一数据记录的评价存在较大分歧时，系统会自动提示相关问题，确保所有反馈都能够得到有效处理。关键讨论节点可标记为"待办事项"，帮助团队清晰地跟踪问题的解决进度，避免遗漏或延误。 在多团队协作的过程中，保持评估过程的透明性是非常重要的。Observa 的每一次评分都可以追溯操作记录，确保每个评分和反馈的来源明确且可追踪。团队成员可以查看其他成员的评价和建议，促进开放的讨论和意见整合。 03.Observa 评估三大核心优势 Agent 管理，实现精准追踪与无缝衔接 Observa 的 Agent 管理中心如同一个智能版本档案馆，为每个 AI Agent 建立完整的数字身份证，允许开发者将已监测到的 Agent 版本标记并保存在平台中。开发者能够轻松选择用于评估的 Agent 对象，并精准定位每个评估版本，确保开发者能够基于最新的 Agent 数据进行离线评估，并且在与追踪模块联动时，每个评估任务都会自动关联 Agent 的完整运行时档案——包括被很多团队忽视的"环境记忆"（如当时数据库延迟状态、第三方 API 响应时间等），确保评估结果反映真实场景表现，能够实现数据追踪与评估功能的无缝衔接。 评估完整性，AI 应用全生命周期覆盖与合规支持Observa 的评估系统如同为 AI 应用搭建了一条贯穿生命周期的「质量流水线」，从模型诞生的第一行代码到应用场景的每一次决策，都被精准度量与优化。Observa 提供的评估功能覆盖了从离线数据集评估到在线实时评分协作的全场景，确保 AI 应用的每个环节都能得到充分评估。无论是在开发阶段的离线数据集评估，还是在应用场景中的实时评分，Observa 都能够支持不同阶段的数据追踪与分析。并且通过强大的自定义规则，Observa 可以满足企业在复杂场景下的特定需求，符合严格的监管要求，并提供详细的审计追踪能力，确保每一项评估结果都可以追溯和验证。 安全的协作体系，成员多级权限与精细化控制 Observa 基于 RBAC（角色基础访问控制）模型，提供了细粒度的权限管理功能，可以根据团队成员的角色和职责，为其分配不同的访问权限，确保数据和功能的安全使用。例如，开发人员可能只需访问某些数据集和评估功能，而合规团队则需要更高层级的权限以查看评估过程和结果。通过这种精细化的权限控制，Observa 能够有效管理不同角色之间的安全访问。并且平台支持定义多级安全策略，包括评估任务查看权限、评分及评价权限、数据集管理权限等，确保每位团队成员只能访问与其职责相关的内容。 04.典型应用场景 场景 1：智能客服系统的版本验证 在智能客服系统中，随着 Agent 版本的不断迭代，如何确保新版本在处理历史问题时的表现没有下降，成为一个关键挑战。通过 Observa，团队可以验证不同版本的 AI 在处理历史问题时的准确性和响应质量。在 Observa 上传历史对话的数据集或选择已标记的监测数据，关联当前应用场景的 Agent 与上一版本 Agent，评估新版本 Agent 在相同情境下的表现，确保新版本不会引入高风险的错误回答或不合理的应答。通过在线实时评分功能，开发团队还可以在应用场景中实时监控新版本的表现，快速发现潜在的风险问题，并做出及时调整，最大程度地提升用户体验和系统可靠性。 场景 2：智能金融产品推荐平台的优化 在金融领域，AI 推荐系统的作用越来越重要，但如何平衡风险与收益，优化推荐策略，始终是关键。Observa 能够帮助金融平台在离线测试阶段对推荐系统的算法进行深入评估，确保推荐的产品不仅符合用户需求，同时也能遵守金融合规性要求。例如，在产品推荐时，Observa 可以通过自定义评估规则，评估推荐产品是否符合监管要求，是否存在高风险的金融产品推荐。业务团队通过在线评分标记高风险案例，驱动策略团队优化 AI 推荐平台的风险校验规则，提升推荐策略的合规性与用户适配性。 场景 3：医疗智能问答系统的内容审核 医疗领域对 AI 系统的准确性要求极高，尤其是在智能问答系统中，术语的准确性和临床依据的时效性直接关系到患者的健康。Observa 提供了强大的在线实时评分功能，可以通过邀请医学专家参与评分，实时审核 AI 问答系统生成的内容，确保其符合医学标准。每当系统生成新的答案时，专家可以基于临床知识和最新医学信息对其进行评分，快速发现潜在的术语错误或陈旧的医学依据。Observa 的评分历史和反馈记录都能实时共享，帮助团队根据专家反馈优化 AI 的知识库，确保系统在应用场景中的表现持续符合医疗领域的高标准。 场景 4：智能教育题库生成的质量管控 在智能教育平台中，AI 生成的题目质量直接影响学生的学习效果，确保题库内容的准确性和难度适配性至关重要。通过 Observa ，教育平台可以对 AI 生成的题目进行离线数据集评估，分析题目的难度分布、题型合理性以及答案的准确性。在 Observa 上传生成题目的提示词的离线数据集，选择对应 Agent 输出指定数量的题目，并配置知识点准确性、难度分级等评分规则。可通过离线评估是否出现超纲内容或逻辑错误的题目。教研团队可以通过在线评分抽查题目生成效果，形成常见错误模式知识库，优化内容生成逻辑，降低后续人工出题与审核的成本。在 AI 技术日益渗透各行各业的今天，确保 AI 应用的可靠性、稳定性与合规性，已经成为企业成功转型与持续创新的关键。而传统的评估方法已无法适应快速发展的需求，企业亟需一种全面、持续且灵活的评估体系，以保障 AI 系统在不同环境下的表现。Observa 作为一款全新的 AI 评估平台，凭借其深度的数据集评估、实时协作评分以及强大的安全协作机制，为企业提供了从模型研发到生产部署的全生命周期质量保障。在各个领域，Observa 都能够为企业提供高效、可追溯的质量保障，让每一个 AI 应用在快速迭代与实际运营中都能持续优化，最终为企业带来更高的业务价值和更优质的用户体验。

Authing 签约长光辰芯，助力图像技术国际化企业构建全球身份安全体系

在很多 App 或网站的使用过程中，登录页面往往是用户遇到的第一个界面。它看似只是一个简单的页面，但却关系着用户对整个产品的“第一印象”。一个功能简单的小页面，却涉及到设计风格、品牌规范、用户体验、安全策略等多个维度，开发过程中还需协调前端、后端、测试等多个角色。一个颜色的修改、一句文案的调整，甚至一个按钮的位置，都可能引发连锁反应，造成反复沟通与返工。原本希望快速上线的业务系统，往往因为一页登录页的迟滞，被迫推迟进度。登录页虽小，却往往决定了用户是否愿意继续用下去。如今，GenAuth 再次突破技术边界，基于 CLI 与 AI 结合的方式，推出通过自然语言生成登录页面的功能，进一步降低开发门槛和成本，提升业务应用构建效率。 01.登录页开发效率提升 10 倍，GenAuth 的 CLI+AI 能力亮相 自然语言生成登录页，一句话搞定页面设计 在 GenAuth 中，生成一个登录页，不再需要设计稿、前端排期、接口联调。你只需要一句话：“我想要一个蓝色风格、支持深色模式、右侧有插画、支持企业微信扫码的登录页。”AI 会自动理解你的意图，识别关键词，生成符合要求的 HTML/CSS 页面，并直接适配 GenAuth 的认证流程。它不仅会判断页面布局，还能应用企业的品牌色、Logo、字体，自动接入如企业微信、手机号、验证码等登录方式。页面响应式设计默认开启，移动端适配不再额外处理，代码结构也遵循企业统一规范，真正实现“输入一句话，输出上线代码”。设计不再依赖前端，市场、产品也能快速上手，身份认证入口从此高效又专业。 快速响应设计反馈，支持多轮对话调整 传统登录页开发流程中，一个“按钮换颜色”的改动，可能就需要重新设计、编码、测试。GenAuth 通过引入 AI 与 CLI 的组合能力，而在 GenAuth 的 AI 能力下，只需简单追加一句指令，AI 就会立即识别需求，并实时更新页面代码，无需重新搭建页面结构或中断当前流程。模型将进一步结合语义分析技术，区分指令中的“核心需求”与“可选建议”，避免生成结果偏离业务需求。每一次输入都被视作对上一步生成结果的“补充说明”，这种“边说边改”的交互模式，极大缩短了产品设计与开发之间的反馈周期，适用于快节奏的敏捷团队。不再需要漫长的排期和频繁的返工，只需一次次对话，设计想法就能即刻落地。 告别前端排期烦恼，非技术团队也能参加 在许多企业中，登录页的修改往往是一件“小事却难办”的工作。市场部想换个颜色做活动联动，产品经理想加个按钮测试新功能，运营团队想临时改个文案提高转化率——这些看似微小的需求，却往往因为前端资源紧张而被一拖再拖，成为协作中的“堵点”。而 GenAuth 的 CLI+AI 能力，打破了部门间壁垒，不再必须走“设计师出图—前端排期—版本上线”的传统流程。市场、产品、运营等非技术团队可以直接通过自然语言描述页面需求，例如“背景色换成节日红”“登录按钮加个二维码引导关注公众号”“页面文案改成春季促销活动”等，AI 将自动生成页面草稿，实时呈现效果，并支持多轮微调优化。 02.五大核心能力，打造人人可用的登录页生成引擎 加速产品上线节奏，让每一次发布更快落地 在业务快速扩张或产品迭代频繁的背景下，一个登录页的开发周期却往往成为“掉队环节”。尤其在前端资源紧张的企业中，仅一个登录页的搭建就可能因排期冲突被拖延数日甚至数周，直接影响整体系统上线时间。GenAuth 提供的 CLI + AI 生成能力，可以让团队在无需排期、低编码的情况下，仅通过一句自然语言指令（如：“我要一个带品牌 logo、深色背景、支持微信扫码登录的登录页”），快速生成并接入现有认证流程，真正做到当天想改、当天上线。 降低跨团队协作成本，让职责划分更高效 登录页涉及设计、产品、前端、后端多个团队协作，一旦中间有一个环节延误，就可能影响整个流程。GenAuth 将登录页的生成交还给业务团队，市场、产品人员可直接用自然语言描述页面需求，技术团队则专注于后端逻辑和身份验证安全。职责边界清晰的协作方式，不仅极大降低了跨团队沟通成本，也减少了“画图返工—开发返修—测试回退”的低效循环，特别适合敏捷开发、高频迭代的工作场景。 快速具象化设计概念，缩短内部反馈周期 过去，产品经理和设计师在做登录页时，往往需要等待前端“排队上号”才能看到页面效果，等前端忙完别的项目才能编码上线，一个页面就可能等上一周。现在，借助 GenAuth 的 AI 能力，设计理念可以直接通过自然语言落地为真实的、可交互的页面。比如，“将表单移至右侧、按钮换蓝色、增加密码可见性切换”这些细节调整，都可以实时通过新指令微调。本地预览 + 快速指令修改的闭环，让设计反馈从“日级”缩短到“小时级”，提升团队反应速度，避免冗余沟通带来的返工和误解。 规避碎片化测试成本，多终端兼容性不再是痛点 在传统开发流程中，为确保登录页在手机、平板、PC 等多端设备及浏览器之间表现一致，前端需要花费大量精力做兼容性测试，常常因一处样式 Bug 耽误整条发布链路。GenAuth 通过内置的响应式生成引擎，自动完成多终端适配工作。这些机制可减少 30% 以上的测试投入，确保页面上线前即可获得“开箱即用”的稳定体验。 页面根据视口宽度自动调整网格布局，实现内容的自适应排布； 对 iOS Safari 和 Chrome 浏览器自动注入 CSS Hack，规避默认样式不一致问题； 输出代码具备高兼容性标准，减少后期“补丁式修复”。 减少技术债务积累，提升代码可维护性 手动编写的登录页面在实际开发中常常因为时间紧、任务急，不得不采用临时性的解决方案，例如直接在 HTML 中硬编码样式、重复引入第三方库、缺乏模块化设计等。为了解决这一问题，GenAuth 提供的 CLI + AI 页面生成能力不仅能根据自然语言快速构建页面，还允许开发团队预设代码规范和技术约束，例如强制使用 CSS 变量、组件化结构、无冗余依赖等。AI 会自动按照这些规则生成结构清晰、可维护性强的页面代码，从源头上提升页面质量，帮助企业在追求开发效率的同时，也兼顾系统的长期可持续性。 03.应用场景 初创公司 MVP 验证阶段 初创企业在早期阶段最重要的是“快” — 快速验证用户需求、快速上线产品雏形、快速获取市场反馈。而登录页作为产品与用户接触的第一界面，往往需要根据业务特性进行定制化设计。传统开发方式耗时耗力，成为上线节奏的瓶颈。而通过 GenAuth，团队只需用自然语言描述页面结构和功能需求，即可自动生成上线级别的认证页面，不仅节省前端开发资源，更能专注于核心业务的快速迭代。 大型集团多子品牌入口管理 对于拥有多个子品牌或业务线的大型集团来说，不同品牌往往有不同的视觉效果，但又需要统一的认证入口和后台系统。GenAuth 支持在一个系统内统一管理多个风格各异的登录页，开发团队无需为每一个品牌重复造轮子。只需设定品牌名称与风格关键词，系统即可自动生成符合该子品牌调性的登录界面，并保持认证逻辑的一致性，极大提升了品牌统一管理效率。 外包/交付团队提效工具 对软件交付团队或系统集成商而言，客户往往会对登录页提出大量定制化需求——从颜色到布局、从登录方式到交互细节。GenAuth 成为外包团队的“加速器”：只需将客户的需求输入系统，AI 即可快速生成预览版本，客户无需等待编码结果即可参与页面修改。项目周期从几天缩短到数小时，既提高了交付效率，也显著增强客户满意度和专业体验感。 教育机构多校区平台建设 高校、培训机构、教育集团等组织，常常面临“一个平台，多校区、多个角色”的复杂身份接入场景。GenAuth 支持通过模板化的方式，快速生成面向不同校区或用户群体（学生、老师、家长）的定制化登录页。各登录入口既可体现校区独有的视觉元素，能统一认证体系，帮助教育组织在确保系统安全合规的同时，实现灵活的品牌与身份管理。GenAuth 正在以 AI 驱动的自然语言生成能力，重塑企业对“身份认证界面”的开发认知。从传统的手动搭建到几句话生成，GenAuth 将原本高耦合、高门槛的开发流程简化为人人可参与的指令式交互，大幅提升了系统上线效率与用户体验的一致性。无论是初创团队还是大型企业，GenAuth 都能提供具备高扩展性与强安全保障的技术方案，帮助企业轻松应对复杂身份场景。未来，我们将持续深化 AI 与身份管理的融合，探索动态策略优化、无感安全认证等方向，为开发者提供更智能的基础设施。欢迎大家联系技术团队预约演示/下载 GenAuth CLI 工具，体验如何以自然语言驱动身份认证的新一代实践。

Authing 签约智驾科技头部企业 — 地平线