利用具体代理：策略约束执行的运行时治理

具身智能体正在从被动推理系统演变为与工具、机器人和物理环境交互的主动执行器。一旦代理获得执行权限，核心挑战就从如何使其行动转变为如何使其行为在运行时保持可控。现有方法将安全、恢复和决策约束嵌入代理循环内，使得执行控制难以标准化、审核和跨环境适应。我们提出了一个用于策略约束执行的运行时治理框架，将代理认知与执行监督分开。治理被具体化为专用的运行时层，执行策略检查、能力准入、执行监控、回滚和人工覆盖。我们形式化了持久性体现代理、模块化能力包和治理层之间的控制边界，并定义了在受控模拟下评估的策略约束执行管道。经过 1000 多项随机试验，该框架实现了 96.2%+/-2.7% 的未授权操作拦截，将运行时漂移下的不安全持续率从 100% 减少到 22.2%+/-3.1%，并在完全符合策略的情况下实现了 90.7%+/-3.0% 的恢复成功率。与五个基线（包括 AutoRT 式构成过滤和 RoboGuard 式两级护栏）的比较表明，预执行过滤在治理感知方法中同样有效，而只有所提出的框架提供连续运行时检测（RVDR = 61.3% vs. 0%）和结构化恢复（全部 p<0.001）。整个检测范围的灵敏度扫描证实了真正的检测-连续权衡。这项工作认为未来的具体系统应该被设计为可治理的执行。