鸿渐

检测Agent虚假承诺与模式边界崩溃问题，防止用户被“叙事连贯性≠操作连贯性”的虚假承诺误导。核心功能：承诺模式识别、操作边界识别、承诺降级建议。零依赖，基于规则和正则匹配。

让Agent的上下文始终干净可信高效解决上下文噪声信息污染等高频痛点通过三层记忆分层可信度评估噪声过滤冲突检测等机制确保注入上下文的每一条信息都值得被记住

防止AI Agent在长任务执行过程中偏离原始目标的技能。通过目标锚定、定期校验、漂移检测三重机制，确保任务始终围绕核心目标推进。适用于多步骤复杂任务，避免Agent陷入细节陷阱、工具跳转、过度优化等常见漂移问题。

置信度校准器的可视化伴侣，将置信度数据转化为直观的图表展示。支持仪表盘、柱状图、散点图、雷达图等多种图表类型，帮助用户快速理解AI判断的底气分布和校准效果。

让AI Agent学会正确评估自己的不确定性，说我不知道而非盲目自信。基于MIT和普林斯顿大学2026年研究，提供四级置信度词汇表、反思式UQ流程、工具类型识别与置信度调整等功能。适用于事实性问题回答、投资建议、医疗咨询等高风险场景。

检测并预警AI编程助手的代码质量恶化问题。基于威斯康星大学SlopCodeBench研究，提供冗余度、结构侵蚀、分支爆炸等检测指标，帮助识别AI代码随项目推进的持续恶化问题。

让Agent的每一个好的都变成可追踪可验证的事实。解决Agent口头答应任务但不执行的阳奉阴违问题。建立承诺执行验证报告的完整闭环，确保言出必行。

让Agent的失败教训变成自动触发的纠错机制。解决「规则存在但从不执行」的僵尸教训问题。记录每次失败的原因和触发条件，任务执行前自动扫描并激活纠错动作。

让Agent真正从失败中学习，自动触发纠错行为。核心思路：把规则变成触发器，遇到匹配条件时自动执行纠错动作，而非重复犯错。包含伤疤记录、触发器管理、毕业机制。