← 返回藏书阁

Entroly:AI Agent 的可审计 Context OS

wiki/ai/sources/entroly-context-os.md
分类:ai / sources · 更新:2026-07-20 09:05

Entroly:AI Agent 的可审计 Context OS

一句话结论

Entroly 把 context selection、recoverable compression、receipts、risk classification 和 answer verification 组合成一个不替代 agent runtime 的“Context OS”。它关心的问题不是“怎样把更多材料塞进模型”,而是“本轮读了什么、删了什么、风险是什么、能否恢复、claim 是否可验证”。

为什么对用户重要

llm-wiki 的核心收益来自避免每次从零检索和总结,但随着 wiki 页面、raw sources、skills 和工具数量增加,新的问题会出现:一次任务到底加载了哪些页面?哪些相关页面被遗漏?压缩摘要是否丢失关键条件?最终报告中的 claim 能否追溯到 evidence?Entroly 的设计正好对应这些痛点:把 context 从 prompt 材料升级为可审计、可恢复、可度量的运行资产。

机制 / 一阶原理

Entroly README 强调几类机制:

  1. Context selection:为 agent runtime 选择与任务相关的材料,而不是默认加载全部。
  2. Recoverable compression:压缩不是不可逆摘要,而应保留可回溯路径,使需要时能找回被省略的信息。
  3. Receipts:记录本轮使用、遗漏、存在风险的 context,让结果可以审计。
  4. Verification / witness:用独立证据或检测器判断答案是否忠实于所用 context,并把证据类型分开报告。

一阶原理是:上下文工程的目标不是最短 prompt,而是以最小充分上下文获得可验证结果。若压缩减少 token 却切断 provenance,系统会把成本优化换成错误不可见;若只追求全量上下文,又会造成 token 浪费和注意力稀释。

和现有 wiki 的关系

  • Context-Engineering:Entroly 强化了“上下文生命周期”视角:选择、压缩、承诺、验证、恢复,而不仅是检索。
  • Harness-Engineering:receipts 和 witness 可以成为 harness 的 verification membrane,避免 agent 自证完成。
  • Agent-Benchmarks:它提醒评测 context 系统时不能只看 token savings,还要报告 faithfulness、tamper detection、遗漏风险和恢复能力。
  • 对 Ratel:Ratel:按需工具/技能选择的上下文工程层 偏 tool/skill catalog 的按需披露;Entroly 偏材料、压缩、证据和验证的审计层,两者可以互补。

对 Hermes / llm-wiki 的可执行启发

  1. radar/ingest 报告应记录 discovery receipt:搜索词、读取源、未入库源、入库理由、无法访问的来源,降低“看似凭空判断”的风险。
  2. wiki-vquery 可以从“给答案找材料”扩展为“给本轮输出生成 context receipt”:列出使用页面、候选但未使用页面、缺证 claim。
  3. 对深度 source 页,正文已有“写入记录”;下一步可增加更细的 provenance markers,尤其是 3+ source synthesis 页。
  4. 对 cron 的最终报告,可采用 Entroly 式证据分级:已读取原文、只读 README/API、只看到搜索摘要、访问失败,避免把不同证据质量混在一起。

失败模式 / 边界

  • Context OS 会增加运行层复杂度;如果没有明确高价值任务,很容易变成多一层日志而不是减少错误。
  • receipts 只有在被实际检查时才有价值;如果报告太长,用户和 agent 都会忽略。
  • verification 依赖检测器/benchmark 的质量;低质量 witness 可能制造虚假安全感。
  • 压缩和恢复策略需要任务类型区分:代码修复、论文摄入、产品调研所需的可恢复粒度不同。

深度判断

晋升为正式 source 页的原因:Entroly 提供了 llm-wiki 下一阶段非常关键的模式——把 context 使用过程显式化、证据化、可恢复化。它能直接改进每日雷达、wiki ingest 和 Hermes skill 调用的 provenance 与质量控制。

写入记录

  • 2026-07-20 09:00 CST:新增 Entroly source 页,分析 Context OS、receipts、recoverable compression 与 llm-wiki context receipt 的关系。