我构建了一个AI代理的问责层——在行动前约束其能力，在行动后证明其行为

我曾与大多数团队交流，他们都遇到了同样的困境：给代理真实的能力（转移资金、推送变更、操作账户），它做了一件你事后无法辩护的事情，整个流程就会退回到人工介入。Cinchor是一个同时完成这两部分的原语。行动前约束：你铸造一个限定于单个代理的能力（支出上限、白名单、过期时间）。每个行动都会对照它进行检查，策略外的行动在发生前即被拒绝。行动后证明：决策经过哈希、签名，并锚定到仅追加记录中，因此任何人都可以稍后重新计算并发现被篡改的字段。有一个无需注册即可在约30秒内运行的在线演示：给代理一个预算，观察它被允许两次，超出后被阻止，验证记录，然后篡改一个字段，看校验拒绝它。它适用于任何代理栈。提供API以及TypeScript、Python和Go的客户端SDK，全部采用Apache-2.0许可证，因此你可以精确查看哪些内容被哈希和签名。整个流程中无需代币、钱包或Gas。演示、SDK以及关于其工作原理（哪些功能已经成熟，哪些还处于早期阶段）的文章都在第一条评论中。我最希望得到的反馈是：这个方法在哪里是错误的，它与你已经信任的某个方案是否重复，或者你绝不会在路径中引入第三方的地方。