从提案到已验证效果：Praxa，一个用于受治理 AI Agent 执行的证据约束框架
摘要：大语言模型 Agent 可以提出并执行动作，但提案、授权、派发、已验证的外部效果和服务上线是不同的声明。我们提出 Praxa，一个 Agent 执行框架，通过确定性准入、代理执行、外部回读、对账和经审查的上线，显式地表示这些状态。我们报告了四条证据线。第一，作者在固定修订版本上运行的仓库本地审计通过了 1,027/1,027 个单元测试和 89/89 个 Workerd 测试，对全部 363 个预期源文件进行了插桩，并达到了四项覆盖率下限；原始逐测试记录和独立复现不可用。第二，在一项由提供商支持的 Terminal-Bench Core 0.1.1 试点中，涵盖 12 个精选任务，基线和可靠性层实验组各自通过了 17/36 次严格试验。可靠性层多使用了 37.49% 的输入 token 和 50.73% 的输出 token，因此该试点不支持其更优。第三，在一项调试后的双序协调代理开发比较中，基线和由源作者编写的候选方案各自完成了 180/180 次试验，测得准确率相同，均实现了完全密封式崩溃恢复，且受保护违规为零。候选方案少用了 37.11% 的 token、33.84% 的估计端点成本和 11.63% 的步骤；这并不能确立质量、延迟或生产行为的改善。第四，已部署的源代码/配置证据显示了有界反思、召回核算、记忆编译和工具健康路径，但没有生产结果提升。Praxa 得到支持的贡献是一种证据约束架构，它使从授权到效果的转换变得显式且可测试。当前证据并不能确立对抗性安全性、生产安全性、一般专家优越性、自主递归优化或用户收益。