恐惧失控是猜测；没有审计轨迹是事实。 我不卖安全感。我造的是让自进化 AI「可证明没跑偏」的机械门禁——证据不可篡改，标准公开可采用。
Seven entry points — start anywhere, each one runs offline.
| # | 角色 | 仓库 | 一句话 |
|---|---|---|---|
| 1 | 总入口 | zhengming-toolbox | 55 个零依赖工具的总索引，从任一垂类进入 |
| 2 | 对抗审计 | adversarial-research-audit | 抓「不撒谎但会骗人」的研究报告：覆盖算术、簇求和、引用完整性 |
| 3 | 记忆完整性 | agent-memory-doctor | 启动自检：约定静默丢失、注入稀释、回滚锚断裂 |
| 4 | 进化账本 | EEL | 为自进化 AI 造不可篡改的进化账本（求合作脱敏版） |
| 5 | 可重跑判决 | memory-gate-suite | MGP-1.0 六道记忆质量门禁，第三方可复跑同一判决 |
| 6 | 领域研究 | neuromorphic-event-sensing | 五套技术领域十讲：神经形态 / 老药新用 / 本地优先 / 后量子 / 软体机器人 |
| 7 | Agent 门禁 | agent-gates | 14 道门：把 Agent 的失败挡在合并之前（零依赖单文件，14 仓索引） |
14 gates · one gate.py each · stdlib only · exit 0/1 · every example fails on purpose
Agent 上线之后的问题不是「能不能跑」，是「怎么知道它还在正轨上」。这一组每个仓都是一份零依赖单文件，对着你已有的文件或目录跑一次，给出一个能进 CI 的结论。总入口：agent-gates（决策树：「你卡在哪 → 装哪道门」+ fetch.py 一键取件）。
| 层 | 门 | 它给你的那个数 |
|---|---|---|
| 运行时 | loop-gate | 重复次数 + 停滞区间 |
| 运行时 | permission-gate | 过度授权分（0-100） |
| 运行时 | price-gate | 价格表错行 |
| 输入 | context-gate | 关键单元存活率 |
| 输入 | instruction-gate | 冲突条款对 |
| 产出 | output-gate | BLOCK / WARN 计数 |
| 产出 | leak-gate | 泄露命中 |
| 记忆 | memory-expiry-gate | 每条记忆的去向 |
| 检索 | drift-gate | 漂移分 + 最差维度 |
| 运维 | backup-gate | 不一致文件数 |
| 运维 | trail-gate | 链完整性 |
| 代码 | complexity-ceiling | 超预算文件 |
| 代码 | deadcode-gate | 死代码占比 |
| 文档 | docrot-gate | 失效引用数 |
A toolbox of 55 purpose-built tools across neglected AI-engineering niches — prompt-engineering harnesses, agent governance, code-quality gates, security specs. Every tool: pure stdlib, CLI-first, 40+ self-test cases, CI-verified. Entry point: zhengming-toolbox.
别的个人主页列项目，这里列标准。以下门禁全部开源、零依赖、可直接接入你的 Agent 工程：
| # | 标准门禁 | 一句话 | 采用入口 |
|---|---|---|---|
| G1–G6 | 进化硬性拒绝护栏 | 自进化 AI 的六道审计关卡，跑偏即拒绝 | EEL |
| P1–P5 | 发布突破五流程 | 从设计到真实验证 100% 覆盖的发表纪律 | ai-agent-skill-breakthrough |
| D1–D5 | 研究对抗审计 | 覆盖率算术、分簇加总、引用完整性——抓"没在撒谎却在撒谎" | adversarial-research-audit |
| M-Boot | 记忆开机体检 | 抓约定静默丢失与注入稀释 | agent-memory-doctor |
🎯 把你的 Agent 项目接入以上任一门禁，开 Issue 标注 adoption——你就是我推动行业质量的一部分。
| 项目 | 一句话 |
|---|---|
| ⭐ EEL | 进化证据账本：为自进化 AI 造不可篡改的进化账本（6 篇 arXiv 论文 → G1–G6 硬性拒绝护栏）· 求合作 |
| agency | AI 智能体的纪律操作系统：对抗审计、发布门禁、37 身份对攻锻造、防篡改演化账本 |
| adversarial-research-audit | 机械门禁审计研究报告：覆盖率算术、分簇加总、引用完整性 · 零依赖 |
| agent-memory-doctor | AI 记忆与约定文件的开机体检：抓沉默的约定丢失与注入稀释 · 零依赖 |
| 项目 | 一句话 |
|---|---|
| skill-audit-kit | skill 库健康检查：引用图谱、孤儿检测、冲突、语义近重复 · 零依赖 CLI · JSON+HTML 报告 |
| answer-contract | 四条规则止住 AI 注水：隐性需求补齐 / 结构化输出 / 三方案对比 / 假设熔断 · 单文件 |
| zhengming-openai-plugins | SKILL.md → OpenAI Codex 插件包转换器 · 纯标准库 · 强制官方 manifest 约束 |
| ai-agent-skill-breakthrough | 学→超→破→用：把开源 agent skill 集合真正用起来的方法论 |
ai-native-process-engine（AI 原生流程引擎 · 七层架构 + L0-L3 自治分级）· fork-to-mainrepo-playbook（衍生项目独立化方案）· trending-scout（Trending 对抗性审核）· PartnerGene（基因中心型 AI 商务建联）
上面讲的是「怎么证明 AI 没跑偏」。这套纪律我也用在自己的技术判断上：每条判断必须带边界数、来源等级、以及「什么证据能推翻它」。五套写下来发现，判断方法其实是同一套，只是换了领域。
| 领域 | 十讲覆盖 | 入口 |
|---|---|---|
| 神经形态计算与事件驱动传感 | SNN 脉冲编码、事件相机 DVS、Loihi/Akida/SpiNNaker2 版图、能效优势的成立条件 | notes |
| AI 老药新用与计算重定位 | 证据链四层、转录组指纹、扩散模型 DTI、1150 万人 EHR、10-30% 证伪边界 | notes |
| 本地优先软件与 CRDT 同步 | 收敛数学、同步架构三型、TLA+ 验证、经济学反方视角、95% 定律 | notes |
| 后量子密码迁移 | HNDL 威胁模型、FIPS 203/204/205、混合密钥交换、CBOM 盘点、密码敏捷性 | notes |
| 软体与折纸机器人 | 柔顺性第一性原理、折纸拓扑、气动驱动、控制难题、市场版图 | notes |
三条代表性判断，每句都能点进去验证：
「省 100 倍」不是芯片属性——三个条件各打九折还剩约七成，缺任何一条就塌回接近 1。（能效真相）
95.3% 是回顾恢复率，10-30% 才是前瞻重复率，两者之间隔着一整个行业。（证伪边界）
95% 的冲突不需要 CRDT，谁最后改的听谁的，再加一本不可变流水账就够了。（95% 定律）
每篇过两道费曼关：大众层（12 岁能懂，回答「与我何干」，只能填 省钱/赚钱/避险/暂无）+ 专业层（机制 / 边界数 / 反例 / 怎么复现，数字裸标 [一手] [二手] [推算]）。缺大众层是自嗨，缺专业层是空话。协议见 FEYNMAN.md。
agent-memory-benchmark：行为层记忆质量基准——11 条机械可断言条款、零依赖 L1–L5 conformance checker、NMR 遗忘质量排行榜、AMTF 可移植 schema。
一个 90 秒的发现：对 mem0（v2.2.1）用 deepseek-chat（temperature=0）做行为探针——先说最爱 GPT-4o，再说已换成 DeepSeek-V3。记忆层正确存了带时间戳的更新，但查询"我最爱什么 LLM"返回自相矛盾的两条：被取代的旧记忆从未死去。该 FAIL 在 temperature=0 下确定性复现 N=2，证据逐字节一致。→ 完整报告 · 复现脚本 · 原始输出
上游信任锚（每条可点击验证）：
- ✅ TeleAI-UAGI/Awesome-Agent-Memory #124 — 维护者亲手合入 main，co-author 署名（502656a）
- 🔍 IAAR-Shanghai/Awesome-AI-Memory #177 — 受邀贡献，review 中
- 📌 实证回信：mem0ai/mem0 #7283（write-gate）· langchain-ai/langgraph #9006 · MangoDisk #66（file:line 双版本根因）
- 谁：做 agent 平台 / skill 生态 / AI 治理的团队与独立开发者
- 四种合作形态：
- 集成——审计引擎接入你的平台（EEL / adversarial-research-audit）
- 诊断——skill 库健康体检 + 修复路线（skill-audit-kit）
- 定制——SKILL.md→Codex 转换与 L3 配方层深度交付
- 中国区落地——你在广州的 on-the-ground partner：本地开发者社区、中文模型栈 conformance 跑批（DeepSeek / Qwen / GLM / Kimi）、中国市场准入的步步落地——步子随你的节奏，今天无需任何承诺
- 怎么找：邮件 shanlun2029@outlook.com，或直接在对应仓库开 Issue（
adoption/collab）
「进化是证据，证据不可篡改。」
如果你也在做 Agent 治理或 skill 生态——我们大概率该认识。 ⭐ Star 一个项目 · 📮 发封邮件
🌐 English
AI Agent Governance × Skill Engineering. The first person pushing auditable quality as the industry standard for AI Agents.
- I build mechanical gates that let self-evolving AI prove it didn't drift — G1–G6 evolution guardrails, adversarial research audits, boot-time memory integrity checks.
- I turn agent skill collections into production pipelines: health checks, contract rules, SKILL.md→Codex converters. All zero-dependency, all open source.
- Behavior-layer conformance for agent memory (agent-memory-benchmark): 11 machine-assertable clauses, deterministic probes, raw outputs published. Sample finding: mem0 v2.2.1 keeps self-contradictory superseded facts alive at temperature 0 (deterministic, N=2) — full report & repro.
- Merged upstream: my PR to TeleAI-UAGI/Awesome-Agent-Memory was merged to main by the maintainer with co-author credit.
- Adopt any gate in your project — open an Issue tagged
adoptionand become part of the standard. - The same discipline, applied to my own technical judgments — five sets of ten research notes (neuromorphic computing, AI drug repurposing, local-first CRDT, post-quantum migration, soft robotics). Every claim carries a boundary number, a source grade, and an explicit condition under which it is false: notes index.
- Eyeing the China market? I'm your on-the-ground partner in Guangzhou: local developer community, Chinese model-stack conformance (DeepSeek / Qwen / GLM / Kimi), and a China presence built step by step, at your pace.
Looking for: agent platform / skill ecosystem / AI governance teams. → shanlun2029@outlook.com