第 14 章事实核验：Human-in-the-loop

核验范围

本次核验覆盖正文、Research Brief、Chapter Outline、局部候选资料和纯内存示例的边界。它不验证真实审批系统、身份、权限、漏洞、依赖、发布、法规适用性或人类决定质量。

来源级核验

引用键	2026-07-16 实际读取的来源	正文允许陈述	复核结论与外推禁区
REF-048	NIST AI RMF 1.0 PDF，Appendix C	AI RMF 在人机交互语境中讨论定义和区分人类角色、责任及监督，且并非所有 AI 系统都需要同样的人类监督。	正文将其表述为自愿风险管理背景；没有写成固定审批工作流、法律要求或字段规范。
REF-049	NIST AI RMF Core	Govern 3.2 涉及定义和区分人机配置/监督的角色责任；Map 3.5 涉及定义、评估和记录人类监督过程。	行动卡、矩阵和审批记录是本书扩展，未归因给 NIST。在线资源说明 AI RMF 1.0 正在修订，后续改写需再次核验。
REF-050	OpenAI Agents SDK Python: Human-in-the-loop	在该 SDK 中，需审批的敏感 Tool 调用可使运行中断；决定能按具体调用处理后再恢复。	正文每次使用都标为 Python SDK 的限定流程；未把 needs_approval、中断、序列化或 MCP 支持外推到其他运行时。
REF-051	OpenAI: A practical guide to building agents	该指南将超过失败阈值和敏感、不可逆或高风险动作列为考虑人工介入的两类触发器。	本章没有写入默认阈值、重试次数、风险分数或跨产品保证。该网页是动态内容，未来修改时重读。
REF-052	Regulation (EU) 2024/1689，Article 14	第 14 条位于高风险 AI 系统的专门要求语境，并涉及有效人类监督、与风险/自主程度/使用语境相称的监督措施。	正文只用它提示法规语境与一般工程建议不同；不判断适用性、合规、地域或时间表。

本书模型与事实的分界

内容	分类	处理结果
批准、复核、共同决策、接管、事后纠错五分法	本书工程模型	未归因给任何标准或产品。
Action Card、Approval Matrix、Approval Record、Refresh Condition	本书工程模型	说明其审查目的和不具备的身份/权限/审计能力。
allowed、requires_approval、needs_evidence、rejected、blocked	纯内存教学示例状态	未写成真实工作流、SDK 类型或外部事件。
依赖漏洞修复建议与发布门	教学案例	不包含真实 CVE、版本、严重性、测试、发布或修复结论。

可运行示例复核

2026-07-16 已实际重新运行：

node --test examples/agent/human-approval-routing.test.mjs
node examples/agent/human-approval-routing.mjs

前者退出 0，交叉审查补齐两条行为断言后共 10 项 Node 内置测试通过、0 项失败；后者退出 0，输出 allowed / auto_candidate / dependency-update-plan。这只验证注入教学对象的确定性路由，不验证真实审批、人类身份、权限、执行、外部效果或法规合规。

待核验与动态边界

• TODO(verify)： 接入任何实际审批、代码托管、工单、漏洞、发布或云服务前，需以写作当日的官方文档核验具体 API、权限、持久化与安全行为。
• TODO(verify)： 若正文将引用 EU AI Act 的适用范围、实施日期、义务或具体系统分类，必须使用当日官方法规文本和授权的法律审查；本章当前不作这些陈述。
• TODO(verify)： 任何人工审批效率、误判率、延迟、成本或可靠性数字都需要新增来源和适用条件；本章没有使用此类数字。

Fact Check 完成检查

• [x] 五项局部来源均于写作日实际读取，并记录允许用途与外推禁区。
• [x] 产品、框架、法规和本书模型未混为同一层级。
• [x] 示例、图示与案例没有被描述为真实外部系统事实。
• [x] 动态资料和法律边界仍保留重新核验要求。