Causari：为 AI 编程代理提供代码出处与加密收据

在 AI 编程代理越来越频繁地直接修改仓库的当下，「这段代码究竟是谁、为什么、什么时候写的」成为团队难以回答的问题。开源项目 Causari 提出了一种不依赖代理主动上报的观测方案：通过本地 LLM 代理捕获每一次提示词与补全，通过文件系统观察器记录每一次字节变化，再以「内容匹配」建立因果关联，为每行 AI 生成的代码附加可追溯的来源信息。项目使用 BSL 1.1 许可，目前托管在 causari.dev。

双通道捕获引擎

Causari 的核心由两个独立观测流组成：

• re proxy：本地 LLM 代理，兼容 OpenAI 与 Anthropic 接口，所有 prompt、补全、token 与花费均经其转发。
• re watch：被动文件记录器，监控仓库内文件的快照与 diff。

二者通过「内容比对」做因果连接：若文件中新出现的代码片段能够在数秒前的模型补全中找到原文，则判定该改动由该次请求产生，附以置信度。这一机制绕开了对代理框架配合的依赖，即使代理不暴露内部推理也能还原因果链。存储采用本地 append-only 日志（.causari/capture/），不上云、不收集遥测。

Crovia Seals 加密收据

Causari 同时宣布自己是「Crovia Seals」的首个生产级签发方。该收据格式来自 IETF 草案 draft-crovia-seal-01，通过 Ed25519 签名与哈希链对请求与响应的字节级内容做承诺，内容本身不外传，第三方只需公钥即可离线验证整条收据链。其规范通过 croviatrust/crovia-seal 仓库提供的标准一致性向量校验。

上层能力：可复用的技能与可信流转

在捕获之上，Causari 提供了一组查询与协作命令，例如：

• re why <文件:行号>：回答「这行由谁/何时生成」。
• re trace <文件:行号>：给出该行的上游因果锥（所有贡献过的读/写事件）。
• re impact <事件 ID>：给出该动作的下游因果锥。
• re lens <文件>：渲染带逐行出处标注的文件视图。
• re churn：统计各代理产出的代码存活率与浪费花费。
• re skill distill / export / pull：将已验证的事件压缩为可签名复用的「技能」，通过 Ed25519 绑定的 bundle 在团队间同步，无需服务器。

定位与适用场景

Causari 面向 Cursor、Claude Code 等 AI IDE 与代理编程场景，试图回答「哪个模型写了这行代码、成本多少、为何这样写、事后被改掉过几次」这类问题。它不替代版本控制，而是在 VCS 之上提供「意图层」的因果追踪与加密存证。对需要合规留痕、代码审计或团队 AI 成本治理的工程组织而言，是一个较轻量的本地化选项；对于个人开发者，它主要是一个可观测性增强工具。