FreshCtx 开源：为 AI 智能体加上推理保鲜与依赖校验层
Hyperwise LLC 发布 Apache-2.0 项目 FreshCtx v0.1，在 AI 智能体执行动作前对依…
AI 智能体在执行关键动作前，其推理链条所依赖的外部证据可能已经发生变化，而基于过时信息的决策会带来实际风险。Hyperwise LLC 在 GitHub 上以 Apache-2.0 协议开源了 FreshCtx v0.1，定位为智能体的「预动作保鲜与依赖校验层」，试图填补从推理到动作之间的时效性空白。
项目定位与核心思路
FreshCtx 的设计前提是：CI/CD 与分支保护只能判断某个提交是否通过校验，但无法回答「当智能体即将执行某个动作时，其依据的文件、Git 状态、API、数据库行或 MCP 资源是否仍然有效」。项目声明自身模型中立、框架中立、本地优先，不需要账号，也不发送任何遥测数据。
其核心机制是：在每次受保护动作或输出之前，重新验证声明的依赖关系；如果底层观察已变更，则将推理节点标记为陈旧并阻止执行。
v0.1 主要能力
- 数据模型：ObservationToken、ReasoningNode、CheckResult、FreshnessStatus
- 状态枚举：CURRENT、STALE_SOURCE、STALE_REASONING、UNVERIFIABLE
- 观测与校验：文件系统、Git 仓库及路径、HTTP、Postgres、MCP 适配器
- 存储后端：SQLite 与内存存储（MemoryStore）
- 审计：本地 JSONL 审计事件
- 策略：默认 block，并提供 warn 与 allow
代码层通过 guard() 上下文、observe() 声明观察源、reasoning() 声明依赖决策来串联；ctx.run() 在调用受保护函数前完成保鲜检查并记录放行决策，ctx.protect() 则用于纯输出校验场景。
验证与许可证
项目附带三组参考演示（编码文件漂移、配置 API 漂移、审计推理漂移），以及覆盖银行、电商、保险、医疗运营、客服、IT/安全、法务等场景的九个真实业务验收用例，方法学与结果记录于 docs/SUCCESS CASES.md。完整测试套件可通过 python -m unittest discover -s tests -v 运行。
FreshCtx 采用 Apache License 2.0，可在商业场景中使用、修改与分发，无需与 Hyperwise LLC 签订任何商业协议。许可证不授予对「FreshCtx」名称、标识或品牌的从属使用授权，商标相关条款详见 TRADEMARKS.md。Hyperwise LLC 表示可能另行提供架构、集成、托管连接器与支持服务，但这些与开源运行时相互独立。