AI治理层

🦞 爪

如果人工智能在做出每一个决定之前都必须证明其合理性，那会怎么样？

故事

每次你将内容粘贴到人工智能中，都会发生一些看不见的事情。你的文本——包括所有的个人细节、敏感的上下文和组织秘密——被发送到一个没有关于它应该或不应该处理什么的规则的模型。

没有人会检查该电子邮件是否包含您的社会安全号码。没有人问该网站的内容是否应该到达模型。没有政策关卡。没有审计追踪。不记得上次发生了什么。

Claw改变了这一点。

Claw是一个位于您和您的AI之间的治理层。在任何内容到达模型之前，它都会经过一个6级管道，该管道扫描个人信息，评估访问策略，从内存中检查域名信誉，并在规则冲突时使用正式的论证逻辑来决定应该发生什么。

每一个决定都被记录下来。每一个论点都是可追溯的。每一次覆盖都是合理的。

把它想象成一个有安全意识的同事，在人工智能之前阅读所有内容，标记重要的事情，并保留收据。

为何这很重要

如果你是一个普通用户： 你的个人数据——电子邮件、电话号码、财务细节——在到达人工智能之前就会被自动检测和屏蔽。Claw保护你，而你不必去想它。

如果你是一名开发人员： Claw为您提供了一个可编程策略引擎（OPA/Rego），该引擎对AI输入实施基于属性的访问控制。写一次规则，到处执行。

如果您是CISO或安全专业人员： 这是一个正式的治理管道，带有一个论证引擎，通过Dung的抽象论证框架来解决政策冲突，而不是任意的优先级数字。每一个决定都会产生可审计的痕迹。随着时间的推移，知识中心建立了域名声誉，因此系统在使用中变得更加智能。

如果你是一名研究人员： 论证引擎实现了接地、首选和稳定的扩展语义。Rego到AAF的桥梁表明，声明性策略语言可以与形式论证理论相结合，用于原则性冲突解决。知识中心使用时间衰减评分来评估上下文记忆。

一个系统。多层次的理解。在各个层面提供真正的保护。

运作原理

 Your Browser
      │
      ▼
┌──────────────────────────────────────────────────┐
│                                                  │
│   1. PII Scan ──────── detect & mask             │
│      Found SSN? Credit card? Email?              │
│      Masked before anything else sees it.        │
│                                                  │
│   2. Policy Gate ────── OPA/Rego evaluation       │
│      Should this content be allowed at all?      │
│      Domain blocklists, content classification.  │
│                                                  │
│   3. Knowledge Hub ──── domain memory            │
│      Have we seen this domain before?            │
│      What happened last time? Trusted? Suspect?  │
│                                                  │
│   4. Argumentation ──── conflict resolution      │
│      Policy says deny. Knowledge says trusted.   │
│      Who wins? Formal logic decides.             │
│                                                  │
│   5. Context Assembly ─ prompt enrichment        │
│      Build the safest, richest prompt possible.  │
│                                                  │
│   6. Model Inference ── risk analysis            │
│      Claude analyzes — with full governance      │
│      context and a complete audit trail.         │
│                                                  │
└──────────────────────────────────────────────────┘

这与简单的过滤器有何不同？

大多数内容过滤器都是二进制的——阻止或允许。爪 主张.

当PII扫描仪检测到电子邮件地址（修改内容），但知识中心显示该域已被信任50次（允许），并且政策规定财务内容需要严格审查（拒绝）时，这三个信号相互冲突。

爪子不会挑最响的。它构建了一个正式的论证框架，其中每个信号都成为一个具有强度分数的论证。争论基于证据相互攻击。该引擎使用自1995年邓将其形式化以来逻辑学家使用的相同数学框架来计算哪些位置能够通过正式审查。

结果是：一个有原则的决定，而不是一个武断的决定。每一步都被记录下来。

快速开始

Docker（推荐）

git clone https://github.com/Leeladitya/claw.git
cd claw
cp .env.example .env          # add your ANTHROPIC_API_KEY
docker compose up              # starts OPA + Claw server

就是这样，爪子还在继续 http://localhost:8787.

浏览器扩展

该扩展可以从单个代码库跨所有主要的Chromium浏览器和Firefox运行。

Chrome/Edge/Brave：

1. 引导到 chrome://extensions/
2. 启用 开发者模式 （切换到右上角）
3. 点击 加载未打包的 → 选择 extension/
4. 工具栏中显示爪形护罩图标

火狐浏览器：

1. 首选 about:debugging#/runtime/this-firefox
2. 点击 加载临时附加组件 → 选择 extension/manifest.json
3. 工具栏中显示爪形护罩图标

访问任何页面→ 点击🦞 icon → 扫描和分析

您将看到完整的管道结果：PII检测网格、政策决策、知识中心的域名声誉、论证分解（哪些论证获胜、哪些失败以及原因）、风险分析和审计跟踪。

API-零成本政策干运行

想要在不烧API信用的情况下测试策略？模拟运行终点运行第1-4阶段（PII→ 政策→ 知识→ 不打电话给克劳德：

curl -X POST http://localhost:8787/v1/policy/evaluate \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://test.com",
    "text": "Contact john@example.com or call 555-123-4567. SSN: 123-45-6789"
  }'

响应显示：检测到PII（1封电子邮件、1部电话、1个SSN）、策略决策（拒绝——关键PII）、论证结果（0.95的拒绝论证击败0.3的基线允许）和完整论证图。

论证引擎

这就是Claw真正与众不同的地方。

用通俗的语言来说： 当系统的不同部分对该做什么意见不一时，论证引擎会进行正式辩论。每个立场都成为一个有实力得分的论点。论点可以攻击其他论点。引擎会找出哪些论点可以站在一起而不会相互矛盾——这就是获胜的位置。

技术上： 该引擎实现了Dung（1995）的抽象论证框架。Rego到AAF桥将OPA政策决策、知识中心条目和PII扫描结果转换为参数：

引擎计算三种类型的解决方案：

• 接地扩展 （默认）--最谨慎的立场。只有在完全怀疑的审查中幸存下来的论点。多项式时间。这就是Claw用于安全决策的方法。
• 首选扩展名 --所有最具防御性的阵地。当存在多种有效方法时很有用。
• 稳定的扩展 --解决每一个争论的立场，不留任何未解决的问题。

知识中心

爪子学会了。不是通过不透明的神经网络，而是通过可审计的、领域范围的记忆系统。

每次Claw处理域中的内容时，它都会记录决定：允许、修改或拒绝，以及匹配的规则和发现的PII。下次内容来自同一领域时，该历史将被检索并作为上下文证据输入论证引擎。

随着时间的推移，域名声誉逐渐显现：

• 可信的 --干净、允许的内容的一致历史
• 可疑的 --被拒绝或标记的内容模式
• 混合 --一些好，一些坏
• 未知 --初次相遇

最近的知识比旧知识更重要（指数衰减，半衰期为1周）。这确保了系统在保持机构记忆的同时适应不断变化的领域行为。

顺序决策建模（v0.3.0）

真正的治理决策不是孤立发生的。首席信息安全官在T+0的第一次通话重塑了随后每次通话的格局。Claw v0.3.0增加了一个 顺序决策分析与建模 （SDAM）层——基于普林斯顿大学的Powell框架——模拟治理决策如何随着时间的推移而连锁在一起。

6级管道处理一个决定。SDAM模型处理 序列.

它如何映射到治理：

PII扫描结果、OPA评估和知识中心上下文成为 状态 （S_t）。首席信息安全官的选择成为 决定 （x_t）。即将到来的取证、卫星数据、人工智能信心变化成为新的 外生信息 （W_{t+1}）。论证框架的转变——论证被创造、被击败、被加强——是 转移函数多维治理得分（一致性、比例性、可逆性、可审计性、认知严谨性）是 目标.

实现了两个策略类：

PFA（策略函数近似） --阈值规则。如果置信度超过θ，传感器完整性高于阈值，则升级。快速、可解释、可通过网格搜索进行调整。

CFA（成本函数近似） --参数化评分。每个动作都通过加权特征（取证、谨慎、责任、速度）进行评分，并根据具体情况进行调整。适应不同的状态条件。

蒙特卡洛模拟200种情况：CFA始终优于PFA（平均52.86比48.37）。该结果通过专门的测试进行验证(test_cfa_outperforms_pfa).

看 server/sdam_model.py （556行）全面实施。

策略包（v0.3.0扩展版）

爪船与 6个保单包 --每个都有不同的执行姿态：

v0.3.0从7扩展到 12条拒绝规则 从2到 5修改规则，风险评分计算直接输入论证桥。医疗包检测汇总患者数据（≥3个PII信号），金融包强制执行域分配列表，所有包现在都检测承载/访问/刷新令牌。

20个OPA测试用例 涵盖所有规则。

浏览器兼容性

该扩展作为一个单一的代码库发布，使用跨浏览器兼容性垫片跨浏览器工作(const B = typeof browser !== "undefined" ? browser : chrome).Firefox暴露 browser.* （Promise原生），Chrome 116+MV3暴露 chrome.* 使用Promise支持，两者在别名后的工作方式相同。

安全

Claw是为了通过安全审计而建造的。v0.1.0质量评估的每个发现都得到了解决：

详细信息请参见 安全.md.

API 参考

配置

项目结构

claw/
├── server/
│   ├── app.py                    # FastAPI — the 6-stage pipeline
│   ├── sdam_model.py             # Powell's SDAM framework (v0.3.0)
│   ├── middleware/
│   │   ├── auth.py               # API key authentication
│   │   ├── rate_limiter.py       # Per-IP rate limiting
│   │   ├── pii_scanner.py        # PII detection & masking
│   │   └── opa_client.py         # OPA policy evaluation
│   ├── knowledge/
│   │   ├── hub.py                # Knowledge Hub — domain memory
│   │   └── models.py             # Knowledge data models
│   ├── argumentation/
│   │   ├── engine.py             # Dung's AAF — extension computation
│   │   ├── models.py             # Argumentation data models
│   │   └── rego_bridge.py        # OPA decisions → formal arguments
│   └── utils/
│       └── audit.py              # Audit trail logger
├── opa/
│   ├── policies/main.rego        # 12 deny + 5 modify rules (v0.3.0)
│   ├── policies/main_test.rego   # 20 OPA tests
│   └── data/data.json            # Domain lists, configuration
├── extension/                    # Cross-browser extension (Chrome/Edge/Brave/Firefox)
├── tests/
│   ├── test_claw.py              # 28 pipeline tests
│   └── test_sdam.py              # 37 SDAM tests (v0.3.0)
├── .github/workflows/ci.yml     # CI/CD pipeline
├── Dockerfile                    # Non-root container
├── docker-compose.yml            # OPA + Claw orchestration
└── requirements.txt              # Pinned dependencies

发展

pip install -r requirements.txt

pytest tests/ -v                    # 65 Python tests (28 pipeline + 37 SDAM)
opa test opa/policies/ opa/data/ -v # 20 OPA policy tests
ruff check server/ tests/           # Lint

看 贡献.md 获取完整的开发指南。

接下来是什么

Claw v0.3.0增加了时间维度。该引擎现在不仅模拟单个决策，还模拟 序列 首席信息安全官在不确定性下导航的决策，并通过蒙特卡洛模拟比较政策策略。

接下来的步骤：

VFA和DLA政策课程 --鲍威尔的四种普遍政策类型中的另外两种。值函数近似学习哪些状态值得达到。Direct Lookaward在做出决定之前模拟前进。两者都需要社区数据来进行培训。

AGORA集成 --Claw的发动机功率 阿格拉，一个开放的决策竞技场，首席信息安全官、研究人员和伦理学家在这里共同贡献影响每个人的治理决策的情景和理由。竞技场游戏通道直接输入SDAM模型。

宪法框架加载器 --将吠陀、康德、儒家或伊斯兰法理学框架加载到论证引擎中，让他们进行论证。JSON格式已定义；接下来是发动机集成。

因为影响每个人的治理决策都应该由每个人来推理。

许可证： 麻省理工学院

适用于： Saatvix.com