AI 资源库 · 已整理 6 项
查看与审计追踪相关的 AI 资讯、工具、Skill、工作流和开源项目。
Harness 在它的成本管理 Agent 里新增了“AI 预算”功能，把写在纸面上的 AI 花钱规则变成实时能看见的限额。以前很多公司虽然定了 AI 费用政策，却没法知道有没有被执行，往往要等到下个月账单出来才发现超支。现在可以按团队、开发者、模型或项目设预算，每周重置，用到 90% 时提醒，超过 100% 就暂停使用，直到下周重置或有人批准加钱，加预算也能在系统里自助申请。这样超支几天内就能被发现，也方便留出审计记录。目前是早期开放阶段，文中未说明具体收费和全面上线时间。
123n-nadine/ido_talent_ai · Frappe/HRMS app that connects the Recruitment module to the Talent AI engine: AI job profiles and criteria, screening of Job Applicants, assessments with evidence, ranking and HR review. Install with bench get-app.
ido_talent_ai 是面向 Frappe/HRMS 的 Frappe 应用，将招聘模块连接到独立的 talent-engine 服务：通过 HTTP 调用 talent-engine，提供 AI 职位画像与筛选条件、职位申请人筛选、带证据的评估、候选人排名和 HR 审核界面。项目以新增 DocType、自定义字段、申请网页表单和 hooks 的方式实现，不修改 frappe、erpnext、hrms 自身代码。材料还强调“无同意不使用 AI”：未取得同意的申请不会发送到引擎，撤回同意后申请人会被移出排名，并清除评估、证据和 AI 字段。
jiacwng/deskclerk · Permission-aware AI assistant for company documents and databases: LangGraph agent, MCP server, PostgreSQL row-level security.
deskclerk 是一个供公司内部使用的 AI 助手，员工通过公司登录后，可在管理员配置的 MCP 服务器上连接自己的账户并发出请求。它会根据工具 schema、Agent 已见 ID 和员工请求，审慎检查将要写操作的调用；每位员工有预算和请求配额，每个请求都会写入审计日志。项目采用 LangGraph Agent、MCP 服务器和 PostgreSQL 行级安全，README 提供基于 Docker Compose 和开发用 Keycloak 的本地启动步骤。
hncpyj/research-agent-lab · Multi-agent research pipeline: arXiv retrieval to gap analysis to runnable experiments to AI-judge peer review
ResearchAgentLab 是一个本地优先的研究控制工作区与参考实现，按八个可追踪阶段组织科研流程：论文收集、文献综述、研究空白分析、研究问题与假设审批、冻结实验设计、受控执行、结果验收和报告审查。项目重点解决“静默科学目标漂移”问题，通过审批边界、版本化产物、哈希绑定、科学一致性与软件预检分离等机制，保持从已批准意图到实现产物、结果和报告主张之间的可审计对应关系，并提供来源追踪、多模型路由、用量与成本记录以及 Markdown、LaTeX、PDF 报告输出。
vancevo/MatchCV · AI recruitment dashboard with multi-CV extraction and explainable screening
MatchCV（TalentFlow）是一个面向招聘人员的 AI 招聘工作台，支持创建职位并抽取要求、批量上传最多 50 份 PDF/DOCX/TXT 简历、进行带证据的匹配评分与排序、审批候选名单、安排面试以及汇总面试反馈。项目强调决策支持：AI 提供数据与建议，由招聘人员审批标准和最终决定。系统包含 Next.js 仪表盘、FastAPI 后端、RQ 异步任务、OpenRouter 模型调用、规则回退、BGE-M3 语义搜索、pgvector 检索、多租户 RBAC、审计与运营监控等能力，但多处集成仍处于离线测试或待真实租户验收阶段。
S-MOHAMMAD-SYED-SAMEER/explainable-ats · Explainable applicant screening: an LLM quotes the CV, deterministic code scores and ranks, a recruiter decides
该项目将岗位要求与简历进行匹配，由大语言模型仅在抽取阶段引用简历原文，之后的匹配、评分、排序全部由确定性代码完成，招聘人员最终决定录用结果。每个判定都附带简历中被逐字校验过的引用证据，未通过校验的引用会被拒绝并记录在审计日志中，不参与评分。系统还包含基于模式匹配的敏感信息脱敏，使模型只能看到脱敏文本。项目为作品集作品，演示使用确定性模拟抽取器与虚构候选人。