从业者人工智能治理的结构性质量差距提示：使用五原则评估框架的实证研究

人工智能治理计划越来越依赖自然语言提示来约束和指导人工智能代理的行为。这些提示充当可执行的规范：它们定义代理的任务、范围和质量标准。尽管有这个作用，但不存在系统框架来评估治理提示在结构上是否完整。我们引入了一个基于可计算性理论、证明理论和贝叶斯认识论的五原则评估框架，并将其应用于来自 GitHub 的 34 个公开可用的 AGENTS.md 治理文件的经验语料库。我们的评估显示，37% 的评估文件模型对得分低于结构完整性阈值，并且最常见的是缺乏数据分类和评估标准标准。这些结果表明，从业者编写的治理提示表现出一致的结构模式，自动化静态分析可以检测和修复。我们讨论了人工智能辅助开发环境中需求工程实践的影响，确定了 AGENTS.md 约定中以前未记录的工件分类差距，并提出了工具支持的方向。