评测与安全AI 资源
Flywheel：在所选模型上运行 AI 任务并留下可离线复核的凭据
HarperZ9/flywheel · Flywheel runs AI tasks with a model you choose and keeps a receipt anyone can recheck offline.
ELI5：它是什么，解决什么问题
Flywheel 是一个模型无关的 AI 运行框架，可在前沿或本地模型之上，通过统一的 OpenAI 兼容接口执行 AI 任务。它把结果连同可重新推导的密封凭据一起记录下来，独立见证者可离线重跑该凭据并返回 MATCH、DRIFT 或 UNVERIFIABLE，接受路径上不含学习模型。内置 Rowan 桌面助手和权限门控的 relay 编码代理，并提供 17 个可组合 lane 以及金融、医疗、法律等检查包。
核心能力与快速开始
★ 3 · Python
- 能做什么
- 在所选模型（前沿或本地）上运行 AI 任务，提供统一的 OpenAI 兼容表面；将每次运行写入哈希链账本并生成可密封、可重新推导的凭据；独立见证者可离线重跑凭据并返回 MATCH、DRIFT 或 UNVERIFIABLE，接受路径不含学习模型；flywheel check-output 可对照决定值的来源检查结果，支持金融、医疗、法律检查包，并可输出为 Lean 4 证明由内核运行；能力准入检查会像 shell 一样解析命令并命名其可执行能力，拒绝理由回传给模型；内置 17 个可组合 lane 和一个捆绑本地模型引擎；Rowan 桌面助手把自然语言请求转为可运行、可记录的任务；relay 为权限门控编码代理，在自有文件夹上运行并在每次工具请求前检查；可作为 GitHub Action 在 CI 中运行请求。
- 适用场景
- 对高影响的 AI 输出进行独立复核与可重现验证；在金融、医疗、法律等场景中对照来源检查结果；为 Agent 运行建立哈希链式可审计记录；在编码会话中让 Agent 读写文件、运行测试并记录每一步；在 CI 中执行并记录 AI 请求；用本地模型在自有机器上执行任务以保持请求内容不出本地；为插件或外部客户端暴露所选工具和工作流。
- 项目形态
- 可直接使用的工具
- 部署方式
- 提供 pip 安装（flywheel-verify，Python 3.11+）、Windows 安装包（自带引擎、无需 Python）、macOS/Linux 的 install.sh、Windows 的 install.ps1，以及 Homebrew 和 Scoop 安装方式；`flywheel up` 启动本地网关于 http://127.0.0.1:8799 并提供浏览器外壳；仓库本身也可作为 GitHub Action 运行。
- 主要依赖
- Python 3.11 或更新版本（引擎方式）；原生桌面应用需 Windows；部分 lane 需要额外条件：index 需 Git for Windows、local-model 与 relay 需本地模型服务器、local-model 需项目文件夹、canon 需 blocks 文件夹、writing 需已录制草稿；learn 所需的 Node 运行时随应用提供。
- 使用限制
- 权限检查所依据的可执行文件名称映射为手工维护，未收录的可执行文件会被放行并记为 unknown；可重现的检查仍需合适的判定标准和充分证据，重放本身并不能确立安全性；仓库检查不证明模型答案正确，也不衡量真实提供商可靠性，或测试所有主机与硬件配置；17 个 lane 中并非全部都达到安装应用检查期望的等级（index 在无 Git 时低于该标准，telos 未出现在该次检查所用构建中）；许可证标为 NOASSERTION / FSL-1.1-MIT，具体使用限制未说明；未说明 API 成本与硬件要求。
- 许可证
- NOASSERTION
- 最近推送
- 2026-10-16 03:36
资料检查：2026-10-16 07:00 · 卡片整理：2026-10-16 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证
讨论 0
登录后参与讨论，阅读资讯无需注册。
还没有评论，来分享第一个看法。