你现在在这里

序章 → 语言模型基础 → Agent 核心 → Memory 体系 → 多 Agent → 工具与框架 → 评估与进化 → 本体论与知识表示 → 自进化 Skills → 数据治理 → 实战案例

当前阅读：数据治理

数据治理预计阅读：3 分钟前置知识：建议先读 Memory 体系、评估体系，对强监管场景有认知更佳

模块总览合规工程

本模块专门关注 Agent 在真实生产环境中绕不开的合规与质量问题：数据血缘、敏感数据隔离、留存周期、审计日志与 PII 脱敏如何在 Agent pipeline 中真正落地。

数据治理

当 Agent 开始接触真实业务数据——尤其是金融、医疗、政务等强监管场景——"能不能把事情做好"之前，首先要回答的是："这件事能不能做、做了能不能追溯、出了问题能不能审计。"

模块定位

这个模块不只是讲抽象的合规概念，而是把它们落到 Agent 的 Memory、Tool Calling、RAG 语料和日志链路的每一步设计里。结合金融清结算的强监管背景，强调"自进化"之外必须有的审计与回滚要求。

适合谁读

• 计划把 Agent 接入生产数据的工程师或架构师
• 面临合规要求（数据留存、审计、脱敏）的团队
• 对金融级系统工程有背景或兴趣的读者

进入前建议

• 已读 Memory 体系
• 已读 评估与进化
• 最好对 自进化 Skills 的失控风险有概念

本模块文章（待补充）

文章	类型	简介	状态
待写	核心	Agent 训练/记忆/RAG 语料的数据血缘	📝 待写
待写	核心	敏感数据在 Memory 和 Tool 调用链路里的隔离设计	📝 待写
待写	工程	强监管场景：数据留存周期、审计日志、PII 脱敏的 Agent pipeline 落地	📝 待写

学完后去哪里

如果你想回到整体知识地图，从本体论和知识建模重新审视数据结构，可以回看 本体论与知识表示；如果你准备开始实战，建议进入 学习指南 中的 Agent 实战案例部分。