观看本地 qwen3:8b 将一个英文问题转化为 9 节点调查图——经计划、确定性门控准入，并在浏览器中实时运行（开源，MIT）

视频展示的是真实运行，而非模拟：grapharc go "why did checkout latency spike at 09:14 UTC?" --model ollama/qwen3:8b 本地 8B 模型提出图结构 → triage 扇出为四个并行证据拉取，在 correlate 汇合，然后 hypothesize → verify → report。确定性准入门控检查提案（注册表、策略、预算、深度、无环性——每个提案都会执行全部五项检查，因此模型会收到完整的反对列表，而不仅仅是第一个）。只有在此之后，任何内容才会执行。每个节点在运行时变为琥珀色，完成时变为绿色，并显示其自身的 token 费用。我最关心的部分是：拒绝就是特性。我给它输入了“立即缓解故障：回滚昨晚的部署”，而策略明确禁止 rollback 这类操作。第 1 轮：被拒绝，policy/edge_denied。第 2 轮：再次尝试，仍被拒绝。第 3 轮：模型放弃回滚，转而提出只读调查，该提案获批并被暂停，直到人工批准才继续。三次结构化的拒绝引导 8B 模型远离了被禁止的操作，整个过程零执行，并保留完整审计轨迹。它还能处理我未预设的拓扑：当我要求“并行调查两个假设”时，qwen3:8b 提出了一个 16 节点图——从相同注册类型实例化出的两个完整调查分支，汇合于一个报告——一轮即获批，22 秒内完成执行。所有读写都基于同一条仅追加的 JSONL 记录：实时浏览器视图、重放、差异比较、指标、成本归属和 OTel 导出都是同一文件的视图，因此仪表板与审计轨迹不可能不一致。最坏情况成本在运行前就会给出定价；运行后记录每个节点的精确费用，即使在失败情况下也是如此。基于 LangGraph 构建。无需 API 密钥——可通过 CLI 配合 ollama、OpenRouter、OpenAI 或 Claude 订阅使用。pip install grapharc，演示阶段基于脚本化模型运行，因此试用无需任何费用。GitHub: https://github.com/CodeGraphContext/GraphARC PyPI: https://pypi.org/project/grapharc/ README 中如实记录了限制（准入机制授权的是节点的类型，而非其参数；进程内沙箱是纵深防御，而非内核边界）。乐于回答任何问题。喜欢就点个 Star，热爱就参与贡献吧！