我们做智能体的信任层
当 AI 从“回答问题”走向“办理业务”，一个新问题浮出水面：谁为智能体的行为作证？ 模型不能为自己作证。我们做那个作证的结构。
Rulith · 规据
Rulith = Rule(规则)+ -lith(石)。中文规据，取“规则之石”—— 规则要像石头一样立得住：写下来就算数，不因谁说话声音大而改变。
这不是修辞。它是我们整套系统的第一性判断： 治理要有效，约束就必须在被约束者够不着的地方。 智能体改不了写下来的那部宪法，正如棋手改不了棋盘。
治理的重心还在模型层，风险的重心已经移到行动层
业界在模型层做了大量工作：内容安全、价值对齐、备案评测。这些工作必要，但当智能体开始真实地办理业务、调用系统、对外沟通、彼此协作，风险的形态变了—— 它不再主要是“说错话”，而是把猜测当依据做了一笔事、越过权限动了不该动的东西、 出了问题谁也说不清当时依据的是哪一条。
这三件事有一个共同点：都无法靠模型自律解决。 再强的模型也不能为自己的输出背书——这不是能力问题，是结构问题。 所以我们把工夫下在模型之外：做一块演算板， 让结论必须被推导出来、让敏感动作必须过闸门、让全过程可以逐笔回放。
做治理的人，先受治理的约束
一家宣称“可核查”的公司，自己的工程方式如果不可核查，那套说辞就不值钱。以下四条是我们内部的硬纪律。
红测试先行
声称存在的缺陷，必须先有一个能暴露它的失败测试，再修，红转绿。 没有红过的绿，不算修好——那只是“看起来没问题”。
真机验证
沙盒与 mock 全绿 ≠ 正确。关键结论一律在真实环境跑出来，并连同当时的板面证据一起记入内部的验证日志(append-only，只增不改)。
宁可硬报错
宁可带着教学文本硬报错，也不静默降级。静默的错误是最贵的错误—— 它会一路混进结论里，直到无法追溯的地方才爆炸。
不超卖
能力边界照实写、在官网上单列一节。可核查的有限承诺，胜过不可核查的无限承诺—— 对政企与监管而言，这是尊重，也是我们与大路货 AI 的区隔。
我们也用自己的系统开发自己的系统：内部的研发、审批与协作跑在同一套演算板上。 自己都不敢用的治理底座，没有理由交给客户。
被集成的可信底座
我们不做又一个通用助手。我们做那层让别人的智能体可以被信任的底座——按三层交付。
密封内核
推理内核 + 宪法闸门，可内网/本地部署，数据、模型推理、决策记录不出域。
接口与调试面
协议、契约面、调试面(报错教学 + 回放)——交付工程师不碰核心源码即可集成。
领域与工具包
一个智能体有四项配置：领域(什么算真)· 工具(有哪双手)· 连接(谁能作证)· 宪法(什么要清关)。前两项可打包分享，每客户按域装配；后两项只能由所有者在治理面配置。
治理内容与治理结构解耦：各行业写进板的规则不同，但“规则可载入、越界必拦截、过程可回放”的结构通用。 换行业、换法域，换包不换内核。
主体已设立
工商状态逐项列在下面。已办妥的写已办妥，还没办的照实写还没办。
欢迎带着最难的那个问题来
监管沙箱、行业试点、标准研讨，或者只是想看看“越界的动作执行不了”到底长什么样——都可以联系我们。
免费开始 · 打开控制台 先读技术框架监管沙箱、行业试点、标准研讨：contact@rulith.com