最近读到一篇关于可审计安全的LLM智能体研究，核心是用统一图表示法来桥接底层物理事件与高层执行意图的语义鸿沟。这确实切中了当前多智能体系统的痛点：动态工具调用、有状态记忆和跨会话协作让传统日志和SBOM（软件物料清单）完全碎片化，审计时根本串不起认知状态演化或记忆污染链条。从技术角度看，图结构天然适合表达工具依赖、记忆读写和跨智能体交互的因果关系，但关键挑战在于如何自动构建并保证图的一致性——毕竟LLM输出本身就有不确定性，图表示若基于LLM自身生成则可能引入幻视节点。个人经验里，我在调试多智能体任务时曾试图用事件溯源重建执行轨迹，但状态回溯常因日志粒度不足而失败。这里想问两个问题：1）图表示法在跨会话持久性记忆污染场景中如何区分合法遗忘与恶意篡改？2）若图构建依赖LLM本身，审计的独立性是否打了折扣？行业趋势上，这种统一表示若成熟，可能会推动智能体合规框架从静态审查转向动态验证，甚至催生新的安全审计标准。欢迎大家聊聊实际中遇到的审计痛点。