如果说 AI Agent 时代的第一个问题是：它是谁？那么下一个问题一定是：它到底能做什么？更关键的是——它凭什么做？又能做到哪一步为止？
这正是 AI Agent 真正进入企业业务之后，权限管理必须面对的新问题。
过去，企业的 IAM 主要面向“人”和“应用”设计。它适合管理员工账号、角色权限、系统接入，也适合处理相对稳定的业务边界。
但 AI Agent 不一样。它不是静态应用，也不是普通脚本。它会拆解任务、调用工具、跨系统协作，甚至和多个 Agent 接力完成一条完整业务链路。
这意味着，企业今天面对的，已经不只是“要不要给 Agent 权限”，而是：
多 Agent 协作时，底层系统还能不能知道最初是谁发起的？
当资源粒度细到一个 document、一个 chunk、一个工具能力时，传统 RBAC 还能不能管住？
当权限必须受时间、IP、环境、业务上下文影响时，静态配置还够不够用？
一旦模型出现幻觉或受到提示词注入攻击，高危动作又该由谁来拦住？
......
显然，传统 IAM，在这些问题面前，已经力不从心了。基于这样的现实需求，派拉软件正式发布AAM——派拉智能体权限管理软件。
这是派拉软件 AI Agent 安全治理产品系列的第二款产品。如果说 AIM 解决的是“智能体身份可信”的问题；那么 AAM 解决的，就是智能体权限可控。
它是面向 AI Agent 时代的复杂访问控制需求而设计的，推动企业从传统 IAM 走向更适用于智能体协同场景的下一代访问控制体系。
一、传统 IAM 不是不重要，而是不够了
很多企业一谈权限管理，第一反应仍然是：“是不是多配几个角色、多加几条规则就够了？”但 AI Agent 带来的变化，不只是规则变多了，而是权限问题本身的结构变了，典型挑战如下所示：
1、身份锚点漂移
在多 Agent 协同架构下，一个人类用户的请求会被拆分成多个步骤，并由多个下级 Agent 接力执行。传统 IAM 很难在多跳调用里保持身份上下文，底层系统最终只看到执行动作，却看不到最初是谁发起的。
2、授权模型跟不上资源粒度
AI 调用的资源粒度越来越细，可能细到某一个 document、某一个向量切片、某一个工作流节点。传统的列表和 ACL 越往后维护越重，也越难支撑复杂关系推导。
3、动态意图和静态配置错位
很多权限并不是“永远有”或“永远没有”，而是取决于时间、IP、网络环境和当前任务上下文。静态授权模型很难感知这些动态因素。
4、机器决策本身存在黑盒风险
一旦模型出现幻觉，或者受到提示词注入攻击，而它又拥有写权限，缺少实时互斥逻辑和熔断机制，就可能直接引发高风险业务后果。
换句话说，AI Agent 时代的问题已经不是“有没有权限”；而是“这个 Agent 在当前场景下，是否真的只拥有它该拥有的最小权限。
二、AAM 的核心，是换了一种授权方式
派拉软件推出的AAM，最核心的变化，不是把权限规则堆得更多，而是把授权方式本身升级了。它摒弃了传统的“列表校验”，将授权转变为极速的“图搜索”问题。
这意味着权限判断不再只是看你是不是某个角色、在不在某个名单里、有没有某条静态配置。而是要实时判断：
这个 Agent 和这个资源之间是什么关系
发起调用的人和这个 Agent 之间是什么关系
当前时间、网络、场景等是否满足条件
它被允许做到哪一步
为实现这一点，派拉软件在 AAM 底层引入了基于 Google Zanzibar 架构的 OpenFGA 作为核心策略决策引擎，并融合 RBAC、ABAC、ReBAC 三类能力，把授权从“列表判断”升级为“图谱推理”。
你可以把它理解成，AAM 不再是问“你有没有这个角色”，而是问“在当前关系和上下文里，你到底还能不能做这件事”。
三、三重交权，给 AI Agent 划边界的关键
派拉软件 AAM 里最值得记住的一条规则是：Agent 最终权限 = Agent 自身能力 ∩ 用户权限 ∩ 策略绑定范围。 简单来说就是，任何一个 Agent 最终能执行的权限，必须同时满足三层约束：
1、第一层-Agent 自身能力上限
Agent 在创建时就会被设定能力边界，比如一个“查询 Agent”，天生就只能读，不能删。无论谁来调用，它都不能突破自己的能力天花板。
2、第二层-调用者当前权限
Agent 是替人执行，不是替人越权。如果调用它的人本身没有权限，那么 Agent 也不能代替他获得权限。
3、第三层-策略绑定范围
即便 Agent 有能力、调用者也有权限，如果策略限定它只能处理某个部门、某类资源、某个业务域的数据，它也不能跨边界操作。
这三层交集叠加在一起，构成了 AAM 的确定性权限边界。它解决的不是“如何让 Agent 更方便拿到权限”，而是“如何确保 Agent 无论怎么运行，都不能突破最小集合。”
四、AAM 不只判断“能不能做”，还判断“现在能不能做”
传统权限体系最常见的问题，是一旦授权，权限就像一张长期通行证。但 AI Agent 的运行环境天然充满动态因素。
这就是为什么，派拉软件 AAM 不只是 RBAC 或 ReBAC 的关系判断系统，它同样引入了 ABAC 能力，用于处理时间、IP、环境条件等动态上下文。
通过 Contextual Tuples 和 Conditions，AAM可以在请求到达时，动态注入临时上下文。 例如，当前 IP、当前时间等，而无需把这些临时条件写入底层数据库，只在当前请求的内存图谱中完成实时评估。
这意味着，AAM 管的不只是理论上有没有权限，而是在此时此地、在当前任务里，是否还应该继续拥有这项权限。这也是 AI Agent 时代权限控制真正该有的样子。
五、AAM 不仅要精细，还要给 AI Agent 加上业务护栏
如果说，图谱授权和三重交权解决的是“权限怎么判”，那么 AAM 的另一层价值，在于它进一步把权限治理做成了真正可落地的业务护栏，通过以下三类非常关键的治理机制，为AI Agent 业务安全兜底：
1、SoD、最大权限、最小权限
系统可配置静态互斥和动态互斥规则，自动阻断如“提单”和“审批”这类存在利益冲突的权限组合；同时，也可通过最大权限原则避免出现“超管 Agent”，再通过最小权限原则把权限收缩到完成当前任务所需的最小范围。
2、动态降权（Downscoping）
在跨节点调用时，Agent 不得直接传递全局主令牌，而必须重新申请任务专用 Token。系统会强制剥离与当前任务无关的权限，并将令牌生命周期压缩到极短。
3、HITL 与务实过滤
对于高危资源调用，可触发人在回路机制；在 RAG 场景下，还能在向量检索前先计算 allowed_doc_ids，直接从物理层面阻断越权数据“回忆”。
这些能力合在一起，意味着 AAM 管的已经不只是“授权决策”，而是从权限定义、运行时收缩，到高危动作兜底，再到数据访问阻断的一整套智能体权限治理闭环。
六、性能不是附加题，是 AAM 进入生产环境的关键
很多权限产品逻辑讲得清楚，但一到高频调用场景就顶不住。而对 AI Agent 来说，权限判断不是后台慢慢算，而是高频发生在Tool Calling 之前、多 Agent 协同之间、RAG 检索之前、跨系统流转节点上等。
AI 时代高频机器并发的特点，让授权检查的性能成了整个架构成败的关键。 派拉软件AAM 依托 OpenFGA 的图遍历算法，在数百万级 Tuples 和深度图谱下，Check API 延迟依然稳定在 10ms–50ms 之间；
同时还采用Path B 嵌入式优化方案，将 OpenFGA 引擎作为 Go Library 直接嵌入 AI 网关进程中，以消除网络往返带来的性能损耗，实现近乎“零延迟”的本地决策能力。
对企业来说，这一点非常重要。如果权限判断本身太慢，安全就会变成业务的阻力。而 AAM 想做到的是，在不牺牲效率的前提下，把权限控制嵌进每一次真实调用中。
七、一个多 Agent 场景，最能看出 AAM 的价值
以下面一个典型场景为例：张三 -> 审计排查 Agent -> 数据汇总 Agent -> 写入财务 MCP。
在传统 RBAC 体系下，这样的代理授权链路往往无法被精确描述：系统无法判断末端写入请求是否合法，也无法高效完成跨层级的权限推导。
AAM 的做法是，先在 OpenFGA 中为张三与“上海销售组”建立 member 关系，再为“审计排查 Agent”建立 allowed_by 张三的代理关系；
当流量到达最终 MCP 网关时，网关内嵌的 Go Library 会直接在内存图中发起 Check，请求沿图谱反向回溯：Agent -> 代理关系 -> 张三 -> 部门层级 -> 财务数据写入权，并在不到 10 毫秒内完成包含静态角色与动态上下文的权限交集判断，最终做出阻断或放行决策，并同步输出可审计的可视化关系链路。
从这个场景可以看到，AAM 不是一个只会配置规则的权限系统，而是一套真的能在复杂多 Agent 协同链路里，把权限边界算清楚、拦得住、看得见的产品。
八、AIM 解决了“谁在行动”，AAM 解决了“它能做什么”
作为派拉软件 AI Agent 安全治理产品的第二期发布，AAM 和 AIM 之间有很清晰的递进关系。
如果说，AIM 解决的是智能体身份可信——让 Agent 拥有独立身份、让委派关系可追溯、让身份生命周期可治理；
那么 AAM 解决的，就是智能体权限可控——让 Agent 在复杂协同链路中，始终运行在可计算、可约束、可审计的边界内。
AIM 让 Agent 有了身份，AAM 则让 Agent 真正有了边界。这也是派拉软件持续推进 AI Agent 安全治理产品建设的重要一步。
在智能体主导的新一代数字生态中，复杂协作流和海量动态授权需求，正在宣告传统 IAM 的边界。
派拉软件希望通过 AAM，把粗粒度的授权校验升级为面向 AI 时代的图谱推理能力，把不确定的智能网络约束在确定的权限规则之中，让AAM 成为企业拥抱通用人工智能时代不可或缺的核心安全基础设施。
