2026年7月14日，《连线》杂志发布了一篇调查报道。核心内容：美国住房和城市发展部（HUD）的DOGE团队用AI来制定住房政策，政府不肯说是怎么用的，而他们拒绝公开信息所援引的部分法律条款，根本就不存在。

这个故事本来是DOGE的行政效率新闻。结果变成了一个关于AI治理的先例事件——一个可能影响未来十年政府AI问责机制的转折点。

一个大学生、一个PropTech创始人，和联邦住房政策

事情的起点是两个人：Christopher Sweet，事件发生时是芝加哥大学经济学大三学生；Scott Langmack，来自PropTech初创公司Kukun的工程师。两人都加入了HUD的DOGE团队。

Sweet的主要工作，据HUD员工描述，是用AI识别哪些机构规定可以被废除或撤销合同——这是DOGE跨政府部门推进的系统性去监管行动的一部分。员工们被要求对AI标记的法规提供反馈。

Langmack后来的职位是OMB（行政管理和预算局）的”去监管AI执行主任”。从标题就可以看出这个职位的本质：他不是在监管AI，他是在用AI去做去监管这件事。

这不是一件小事。联邦住房政策影响着数千万美国人的租金、抵押贷款、补贴资格。当决定哪些法规”应该废除”的初步筛选，是由一个AI系统在一名大学生的指导下完成时，民主问责链条在哪里？

FOIA请求，以及一个不存在的法律豁免

民主前进（Democracy Forward）是一家非营利法律机构，他们向HUD提交了《信息自由法》（FOIA）请求，希望获得DOGE团队使用AI工具决策的相关文件。

结果：100多份文件被拒绝公开。

拒绝理由中，有两个特别引人注目：

第一个是”deliberative AI input“（审议性AI输入）——文件显示Langmack的某些文档因”deliberation of AI prompt”而被豁免。

第二个是对”审议过程特权”（Deliberative Process Privilege）的援引——这是一个真实存在的法律豁免条款，允许政府机构对形成政策前的内部讨论保持保密。

但这里有个问题。

电子隐私信息中心副主任John Davisson说得很清楚：”FOIA下没有AI豁免这回事。“审议过程特权设计的初衷，是保护政府工作人员之间坦率讨论的机密性——鼓励官员在最终决策前可以说错话、改主意。这个逻辑依赖于人与人之间的交流。

“AI系统、计算机没有资格获得坦率权，”Davisson说。

如果有人和AI聊天机器人交流，得出了某个政策结论，政府不能用”审议特权”来保护这段聊天记录，因为另一方不是人，不需要被保护。

HUD援引了一个不存在的法律豁免类别。这本身就是一个问题。

“GPT defined Econ Analysis approach 11 10 25.docx”

《连线》报道中有一个细节，在技术圈外几乎没有被讨论，但值得放大。

被豁免的文件之一，名称是：”GPT defined Econ Analysis approach 11 10 25.docx”。

翻译成中文：一个叫做”GPT定义的经济分析方法”的文档，日期是2025年11月10日。

还有一份”RegulatoryAnalysisPrompt.pdf”——一份监管分析的AI提示词文档。

还有一系列被标注为”DFR Template_Workflow Prompt Directory”的文件——DFR通常是指”最终规则文件”（Definitive Final Rule），这是联邦法规正式生效的标准流程节点。

这些文件名拼出一幅图景：DOGE团队开发了一套系统化的AI工作流，用特定的prompt模板来分析联邦法规，决定哪些可以撤销。这不是偶尔查一下ChatGPT，这是一个结构化的AI辅助政策流水线。

而政府不肯说这个流水线是如何运作的。

哈佛的观点：有时候AI只是”工具”

哈佛肯尼迪政府学院讲师Mark Fagan提供了一个更温和的视角。

他认为，用AI来辅助政策思考，本身不一定需要披露。就像一个官员在撰写政策建议前用谷歌搜索了一些资料，我们不要求他披露每一条搜索记录。AI也可以被视为一种辅助工具，而非决策主体。

这个视角有它的合理性。AI辅助分析和AI直接决策之间，确实存在程度差异。

但问题在于：我们现在无法知道这个边界在哪里。因为政府不告诉我们。

被拒绝的100多份文件里，隐藏着答案——这个AI工作流到底是辅助参考，还是实质性决策过滤器。没有这些文件，我们无法做出判断，也无法提出问责。

“AI不会产生幻觉”是一个尚待验证的论断

电子前哨基金会律师Tori Noble指出了一个更根本的技术风险：AI工具已知会”幻觉”（hallucinate），存在偏见，会犯错。

“并不是说我们总能知道工具是如何被使用的，”Noble说，”所以能够查看prompt，是判断官员用这些工具做了什么、以及有多大危害的最佳途径。”

这个论点触及了AI治理的核心问题：可解释性（explainability）。

一个人类分析师做出判断，他可以被问及推理过程，可以被要求提供论据，可以在国会听证会上接受质询。AI系统的决策过程——即使是通过prompt引导的——在法律上没有对等的问责机制。

当一套AI工作流决定了哪些联邦法规”应该被废除”，而这个工作流的prompt和输出都被”审议特权”保护，那么一旦某条废除决定损害了公众利益，谁来负责？

美国目前没有任何法律要求政府披露AI使用

这是报道中最重要的一句话，也是最容易被跳过的一句话：

“美国目前没有任何法律，要求政府在制定法规、政策时披露是否使用了AI。”

这个事实意味着，HUD的做法在法律上并没有违规——即便援引了一个不存在的豁免条款，那也只是他们的法律策略有误，而非行为本身违法。

DOGE在联邦政府各部门推行AI驱动的行政效率改革，是在一个基本上没有针对性约束的监管真空里进行的。任何想要制造这个先例的阻力，都需要先有立法来定义问责边界。

而在美国当前的政治环境中，通过专门限制政府AI使用透明度的立法，并不是一件政治上容易的事。

这个先例的射程有多远

DOGE案例的问题，不在于政府是否可以使用AI——这已经是必然趋势，也未必是坏事。哈佛的Fagan说得对，AI辅助分析可以提高政策质量，只要用得好。

问题在于结构：谁有权知道AI被如何使用？在什么情况下，AI辅助分析进入了法律意义上的”不可问责”区间？

美国各州已经有多项立法提案在讨论这个问题：加州、科罗拉多、伊利诺伊都在探索要求高风险AI决策披露的框架。欧盟的《AI法案》明确要求对”高风险AI系统”进行登记和透明度披露。

但联邦层面没有。当DOGE用AI重写联邦监管框架时，它在这个真空里运行。

民主前进的高级法律顾问Dan McGrath的表述相当直接：”如果政府要用AI来制定影响我们所有人的政策，公众有权知道它的影响。把AI输入当作审议特权来保护，引发了严重质疑。”

这是一个合法性问题，也是一个信任问题。不是AI的问题，而是问责机制是否赶上了AI部署速度的问题。

在美国，答案目前是：没有。

数据来源：WIRED (2026-07-14，STATUS 200，全文验证)
相关联阅读：AI研究员辞职引发的内部人时刻，Anthropic经济情景三叉路