Agent 说“做完了”？Assure 用确定性断言验证它是否在撒谎

核心思路：不用 LLM 做裁决

开源项目 Assure 提供了一种验证 AI Agent 是否真正完成任务的方案：让 Agent 在一次性的 SQLite 数据库和文件工作区中运行，所有工具调用都经过一个应用策略的网关，最终结果由人类编写的确定性断言来检查。整个裁决过程完全不涉及任何大模型，引擎也不需要 API key。

Agent 的话只是“不可信声明”

在 Assure 的架构中，Agent 的所有陈述都被记录为不可信的声明（untrusted claims），系统会将这些声明与网关实际观察到的行为进行比对，但它们永远不会决定最终结果。项目的 DESIGN.md 文档详细描述了评估方法、架构设计、信任边界、数据模式与聚合规则。

CI 全程零模型调用

项目的 ci.yml 工作流在每次 push 和 pull request 时运行，支持 Python 3.11 和 3.12，全程不需要 API key、不调用任何模型。测试覆盖 mock agent、对接本地 fake API 的 bridge、以及基于 SDK 的 MCP agent，并对 suites/ 目录下每个文件运行 check-suite，同时校验生成的长任务规格与 specs/long/build.py 一致。任何破坏裁决结果、或让任务无法分辨对错的改动，都会导致构建失败。