您的审计追踪究竟应记录什么？
至少，你的审计追踪应记录每一项改变软件或其环境的操作——代码提交、审查、批准、测试结果和部署——同时包括操作者（无论是人类还是AI代理）的身份以及时间戳。在受监管的环境中，这成为法律要求：金融软件流水线必须包含变更管理控制和部署审计追踪，而不仅仅是标准的CI/CD日志[4]。同样，对于医疗设备，错误处理协议必须将设备恢复到安全状态，同时保留法证审计追踪，这意味着日志即使在崩溃后也能存续[1]。
当涉及AI智能体时，追踪记录必须将每个智能体的行为——提交代码、标记问题、批准合并——记录在不可篡改的账本上，以便你能够追溯每个工件和决策的来源[3]。这超越了传统的版本控制，因为它使追踪记录在密码学上可验证，任何人都无法在事后篡改历史而不被发现。
为什么可验证性比单纯记录日志更重要？
不可信的日志比没有日志更糟。在多智能体或受监管的工作流程中，你需要证明记录未被篡改。基于区块链的系统恰好提供了这一点：每个操作都被不可变地记录，形成一条可通过密码学验证的审计轨迹，从而在AI辅助流水线中建立信任并确保可复现性[3]。这比传统日志更进一步，因为传统日志可以被编辑或删除。
同样的原则也适用于医疗机器学习系统，其中拉取请求被用作设计控制，模型卡则充当监管审计追踪[5]。在这里，审计追踪不仅仅是一份记录——它是系统满足监管要求的证据。没有可验证性，你就无法证明合规性或问责制。
在实践中如何构建这种审计追踪？
首先将审计日志记录集成到你的开发管道中，而不是事后才补上。例如，在Azure DevOps中，你可以设计CI/CD管道来强制职责分离（没有人能同时进行更改并批准该更改），并维护部署审计跟踪，同时具备在监管时限内回滚的能力[4]。这意味着每次部署都会被记录，如果出现问题，你可以恢复到之前的状态。
对于AI驱动的开发，像AutoSDLC这样的工具将人工审批检查点和审计追踪纳入工作流程，确保即使是自动化过程也能留下透明的记录[2]。而在嵌入式系统中，安全编码标准要求输入验证和错误处理能够保留取证审计追踪，因此即使是故障也会留下证据[1]。关键在于将审计日志记录作为首要需求，而非事后补充。
关于这些来源
本回答基于5项同行评审研究——发表于2022年至2026年间，其中3项为2024年或之后发表——这些研究是从5项通过质量筛选的研究中选出的最具相关性的成果，而后者又源自从超过5亿篇论文数据库中检索到的52篇文献。
本文引用的文献
嵌入式医疗设备的安全软件开发
嵌入式医疗设备的安全编码标准要求错误处理协议在恢复至安全状态的同时保留取证审计轨迹，并辅以内存安全措施和安全固件更新。
AutoSDLC：面向智能软件开发生命周期自动化的智能体AI
AutoSDLC是一款用于SDLC自动化的智能体AI系统，通过人工审批检查点和审计追踪保持透明度，并具备异常检测功能以确保可靠运行。
使用区块链实现智能体代码助手之间可验证的协作，以支持软件工程工作流
基于区块链的框架将每个智能体行为（代码提交、问题标记、合并审批）记录在不可篡改的账本上，为AI辅助软件工程创建了可加密验证的审计追踪。
面向受监管金融软件部署环境的Azure DevOps CI/CD流水线设计
受监管金融环境中的Azure DevOps CI/CD管道必须包含变更管理控制、部署审计追踪、职责分离，以及在规定监管时限内的回滚能力。
持续设计控制，用于认证医疗系统中的机器学习
将拉取请求用作设计控制，并将模型卡作为监管审计追踪，能够在经认证的医疗系统中实现机器学习的持续开发，这一点已在工业系统中得到验证。