tomevault-io AI Trust Engine — Skill
审查 AI 生成的代码、方案、文章，克服 AI 幻觉。
触发条件
当用户要求审查 AI 产出、检查代码安全性、验证方案可靠性时使用。
使用方式
作为独立审查（推荐）
from audison.engine import TrustEngine
engine = TrustEngine(brain1="gpt-4o", brain2="claude-3-5-sonnet")
report = await engine.audit(requirement="需求描述", ai_output="AI产出内容")
print(report.summary())
# ❌ REJECT | 置信度 40/100 | 发现 3 个问题 | 风险 2 个 | 不确定 1 项
print(report.to_markdown())
# 完整 Markdown 报告
作为 API 服务
# 启动服务
uvicorn audison.api:app --host 0.0.0.0 --port 8000
# 调用审查
curl -X POST http://localhost:8000/audit \
-H "Content-Type: application/json" \
-d '{
"requirement": "用户登录系统",
"ai_output": "def login(user, pwd): ..."
}'
作为 FlowArchitect 内部组件
from audison import FlowArchitect
architect = FlowArchitect()
result = await architect.execute("用户登录系统")
# result 中自动包含 trust_report
print(result["trust_report"])
输出格式
TrustReport 包含：
| 字段 | 类型 | 说明 |
|---|---|---|
| version | str | 报告版本 |
| timestamp | str | 审查时间 |
| verdict | str | 结论：pass / review / reject |
| confidence | float | 置信度 0-100 |
| findings | list | 发现的问题 |
| risks | list | 风险点 |
| arbiters | list | 审查员投票记录 |
| uncertainty | list | 不确定性（引擎承认不知道的地方） |
| evidence | dict | 证据链（不可篡改） |
| audit_log | list | 审查日志 |
审查深度
| 条件 | 深度 | 说明 |
|---|---|---|
| 只传 requirement + ai_output | quick | 快速审查，置信度有上限 |
| 传入 files 或 dependencies | standard | 标准审查 |
| 传入 project_path | deep | 深度审查，可读文件、查依赖 |
隔离级别
| 级别 | 条件 | 说明 |
|---|---|---|
| full | 不同 API 提供商 | 完全模型隔离，交叉审查效果最好 |
| partial | 同提供商不同模型 | 部分隔离 |
| simulated | 单 API 多角色 | 尽力隔离，效果打折扣 |
依赖
pip install audison
或从源码安装：
pip install -e .
环境变量
至少配置一个 API key：
OPENAI_API_KEY=sk-xxx # OpenAI
ANTHROPIC_API_KEY=sk-ant-xxx # Anthropic
DASHSCOPE_API_KEY=sk-xxx # 通义千问
DEEPSEEK_API_KEY=sk-xxx # DeepSeek
配置两个不同提供商的 key 可启用跨模型交叉审查（推荐）。
MCP Integration
This skill is also available as an MCP server. Configure in your AI editor's mcp.json:
{
"mcpServers": {
"audison": {
"command": "uvx",
"args": ["audison[mcp]", "audison-mcp"],
"env": {
"OPENAI_API_KEY": "sk-..."
}
}
}
}
Then use audit_code or audit_file tools in your AI assistant. The tools return a structured JSON verdict (PASS/REVIEW/REJECT) with numeric trust score and cryptographic evidence chain.
Available MCP Tools
| Tool | Purpose |
|---|---|
audit_code |
Audit inline AI-generated code for hallucinations |
audit_file |
Read a file from disk, then audit it |
Both tools accept code/file_path, requirement (required), and optional brain1 model name.
Source: wdnmd1265/Audison — distributed by TomeVault.