ERDL —— AI 时代的确定性规则语义

把规则交给 ERDL，1 分钟帮你审查 10 万+的报告

🇪🇺 EU AI Act 🇨🇳 GB/Z 185 🇺🇸 NIST AI RMF 🇸🇬 Singapore AI Gov ISO/IEC 42001 OWASP Top 10

声明式 AI 规则语义规范

一个规范、一棵规范树、一个哈希——同一条规则、同一个输入，在任何符合规范实现上产生字节级一致的结果与哈希，可被任何独立第三方验证。

模型推理，规则决策。

AI 时代需要 ERDL

问题已经变了：2016 年我们问「微服务下谁有权访问什么资源」；2026 年我们问「当 LLM 参与决策链，如何保证每一步可验证、可追责、可重算」。

设计假设	Rego / Cedar	ERDL
规则由谁写	工程师	人（自然语言）→ LLM 翻译
消费者	系统	人 + LLM + 系统 + 审计
确定性来源	单一实现（OPA / Rust）	语义内核 + 跨实现逐字节验证
决策可哈希、可重算	❌	✅ canonical_tree + SHA-256
人工审批 / 升级内建	❌	✅ REQUEST_HUMAN / ESCALATE
形式化验证	无 / 算法层	✅ Z3 SMT（规范层）

AI 协同能力

能力	REGO	CEDAR	ERDL
LLM 作为一等公民	❌	❌	✅
自然语言 → 规则	❌	❌	✅
规则 → 自然语言回读（Gloss）	❌	❌	✅
对话界面即入口	❌	❌	✅
四方语义层（人 / LLM / 系统 / 审计）	❌	❌	✅

确定性保证

能力	REGO	CEDAR	ERDL
跨实现逐字节一致	❌（仅 OPA）	❌（仅 Rust）	✅（Go + Python，107 字节）
决策可哈希	❌	❌	✅
可独立重算	❌	❌	✅（canonical_tree 快照）
语义原语形式化验证	❌	部分（Lean，算法层）	✅（Z3，64 原语语义层）
第三方独立审计	❌	❌	✅（多轮）

Rego / Cedar 是第一个问题（系统权限）的优秀答案；ERDL 是第二个问题（AI 行为边界）的答案。不是替代，是补位——它们可以共存。

10 分钟学会写业务规则

一条规则，就是一个「当……时，就……」的句子。不用学编程，业务人员也能读懂、也能写。四条典型规则，每条都配了「出处原文」和「解说」：

业务规则 · 大额退款需人工审批

rules:
  - name: "大额退款需人工审批"
    when:
      conditions:
        - field: "tool.args.amount"  operator: gt  value: 5000
    then: REQUEST_HUMAN
    message: "退款金额超过 5000 元，需人工审批"

出处原文：企业退款制度「单笔退款金额超过 5000 元，须转人工审批」。
解说：制度里的一句话，直接就是一条规则——金额 > 5000 是条件，REQUEST_HUMAN 是「转人工」。

法规合规 · 高风险决策保留人类监督

rules:
  - name: "高风险决策保留人类监督"
    when:
      conditions:
        - field: "risk.level"  operator: eq  value: "high"
    then: REQUEST_HUMAN
    message: "高风险 AI 决策需人工复核"

出处原文：EU AI Act 第 14 条（人类监督）——「高风险 AI 系统的设计和开发，应确保在使用期间能被自然人有效监督」。
解说：法规要求「高风险必须有人监督」，翻译成规则就是「风险 = 高 → 请求人工审批」。

数据标准 · 禁止外发个人身份信息

rules:
  - name: "禁止外发个人身份信息"
    when:
      conditions:
        - field: "content.has_pii"  operator: eq  value: true
    then: DENY
    message: "检测到个人身份信息，已拦截"

出处原文：OWASP Top 10 for Agentic Applications — A03 Data Leakage（数据泄露）。
解说：标准要求「阻止个人身份信息外泄」，翻译成规则就是「内容含 PII → 拒绝」。

大文档审查 · 合同缺失关键条款即退回

rules:
  - name: "合同缺失关键条款即退回"
    when:
      conditions:
        - field: "doc.missing_clause"  operator: eq  value: "违约责任"
    then: CORRECT
    message: "合同缺失违约责任条款，需补充"

出处原文：合同审查制度（业务场景）——「合同必须包含违约责任条款」。
解说：把「缺什么条款」写成规则，引擎逐条比对——「缺违约责任」→ CORRECT 纠正补全。这就是「1 分钟审查 10 万字报告」的底层逻辑。

规则 = 政策的结构化重写——读规则，就是读政策。法规、标准、合同、制度，都是一条条「当……就……」。

技术体系 · 7 层

1语义规范 — ERDL 规范 v2.1（34 节点内核 + 求值语义 + 13 决策类型）
2确定性引擎 — 纯函数求值器，同输入必同输出
3证据链 — 决策对象 + 密码学审计链（JCS + SHA-256，可独立重算）
4形式化验证 — Z3 SMT，34 节点全覆盖
5验证向量 — 318 条跨实现一致性
6护栏 — 确定性规则拦截，替代概率性 Prompt 护栏
7运行时框架 — 全栈装配式 Agent 运行时

上层品类：职业化AI员工

这套技术体系服务的是一个品类——职业化AI员工（PAE）：AI + 人 = 最小员工单元，人是责任主体，AI 是能力组成。六要素准入门槛、三支柱评估框架、七阶段生命周期。见职业化AI员工

互操作：兼容任何 Agent 框架

MCP Server

作为 MCP Server 挂到任何框架（Claude Desktop / LangChain / Cursor…），在协议层确定性拦截。见运行时框架

A2A

多 Agent 委托授权，四个运行时授权不变量。见生态

确定性，被三个独立系统验证

确定性不是一句口号，而是逐层钉死：

01 · 声明

语言定义规则

@openoba/erdl，规范经多轮独立审阅。

02 · 测量

向量证明「实现一致」

318 条，由 Go / Python 独立 runner 验证。

03 · 证明

形式化验证「每个输入都安全」

Z3 SMT，34 节点全覆盖。

一句话：确定性，从声明 → 测量 → 证明。

快速开始（30 秒）

bash

# 安装
$ npm install @openoba/erdl

阅读规范 · 了解引擎 · 浏览生态

关于

OpenOBA 致力于 AI 语义层的研发与应用落地——把「制度、法规、标准」变成 AI 可理解、可执行、可审计的确定性规则。 ERDL（Entity-Rule Definition Language，实体规则定义语言） 是这一语义层的原生规范：它为 AI 时代而生，以「一个规范、一棵规范树、一个哈希」让规则语义可验证、可重算、可追溯。

OpenOBA 的愿景，是让每一个企业都拥有自己的 AI 执行官——而 ERDL，就是它理解规则、执行规则、证明规则的语义底座。