确定性引擎 + 证据链

模型推理，规则决策。

LLM 提供智能，但智能本身没有方向、没有责任。ERDL 确定性引擎补上这一环：任何工具运行之前，规则引擎先裁决（放行 / 拒绝 / 纠正 / 升级 / 转人工）；每次裁决之后，密封一份防篡改的 Decision Object——JCS + SHA-256，可独立重算、可字节级验证。

确定性，被三个独立系统验证

rulsynor-core 的确定性不是「自说自话」，而是被三个独立仓库逐层钉死：

语言层

@openoba/erdl

声明式规则语言——34 节点内核 / 30 操作符 / 13 决策

测试层

erdl-vectors

跨实现字节级验证：318 条冻结向量，由 2 个独立 runner（Go / Python）字节级核验

证明层

erdl-formal

Z3 / SMT 形式验证：34 节点 + E1–E12 全覆盖——把「被测过的确定性」提升到「对所有输入都成立」

一句话：语言定义规则，向量证明「实现一致」，形式验证证明「每个输入都安全」——确定性，从声明 → 测量 → 证明。

Decision Object：每一次决策的审计记录

防篡改证据

去掉 audit.hash 后做 JCS 规范化 + SHA-256，得到自报哈希；篡改任何字段都会导致哈希不匹配

三层证据体系

哈希证「完整性」、签名证「身份」、时间戳证「时间」

扁平哈希链

决策记录以 previous_hash 串联；篡改历史、删记录、悬空指针、时钟回退、整链重建、版本降级、混合链，均被建模为可检测场景

7 步方法

intent → plan → evidence → reason → guard → execute → audit——从意图到审计的完整执行环，每一步可追溯、可回滚。

intent

理解意图

plan

制定计划

evidence

组装依据

reason

推理决策

guard

规则把关

execute

执行操作

audit

审计落链

快速开始

bash

# 无 API key 也能先看护栏
$ rulsynor demo --tool=exec --cmd="rm -rf /"   # → DENY

# 接模型后对话（7 步执行环）
$ rulsynor chat

# 自写规则：把 *.erdl.yaml 丢进 rules/，启动即加载、过质量门禁
$ rulsynor rules list

# 只读审计轨迹
$ rulsynor audit list