可解释性

HEIMEL：在意图转化为实际后果前进行授权治理的基础设施

Heimel-open/Heimel · HEIMEL Intent. Realized. HEIMEL is open infrastructure for the transition from intent to consequence.

HEIMEL 是一套面向后果承载执行的授权治理基础设施，位于现有身份、策略与执行系统之间，在意图落地为真实效果的那一刻判断其是否具备当前授权。它不替换 IAM 或策略引擎，而是把决策、精确效果、许可与回执绑定，并通过 Gateway 强制唯一受治理的效果路径，由 Veritas 保留可归因的证据。仓库包含本地参考运行时，支持本地授权、执行、回放与证据查验，并提供标准授权演示、可执行授权演示和回放演示。

Jev 在 Harness 中实现可审计的决策原语

现在的 AI Agent 做决定时，通常是先写一段文字或 JSON，然后由外部软件去猜它到底选了什么。TypeSafe 推出的 Jev 改变了这一点：它直接把“决定”本身作为输出，比如从几个选项里选一个、打个分数，或者回答是/否，并且给出这个决定的可信度概率。这样做的意义是，Agent 在思考和行动之间那些原本藏在文字里的判断，比如下一步该做什么、证据够不够、某个操作风险大不大，现在都能被记录下来、评估和审计。Harness 已经在评测、模型路由和风险打分等生产环境中试用了这个方案。

超越相关性：面向企业个性化的治理优先架构

这篇文章讨论企业个性化推荐系统常见的问题：系统只管“猜你喜欢”，却不考虑隐私、合规和可解释性。作者 Jerald Selvaraj 提出一种“治理优先”的架构，把“相关性”（推荐准不准）和“治理”（是否合规、可审计）分开处理。具体做法是用有状态记忆保存上下文、用策略驱动 AI 编排、并做可解释的打分。这样推荐既能更贴合场景，又能被审计和满足合规要求。不过文章只给了摘要，具体实现细节和是否已落地未说明。