Bound – AI智能體的確定性控制框架

編碼智能體擅長持續工作，但往往不知道何時該停下來。Bound正是為解決這一問題而設計的確定性控制框架。它位於智能體執行步驟和下一次決策之間，通過收集可觀察的證據（如測試結果、類型檢查、調用次數等）來做出四種決定：接受（ACCEPT）、重試（RETRY）、重規劃（REPLAN）或回滾（ROLLBACK）。

Bound的核心思路是：智能體仍然負責規劃、推理、工具調用和代碼修改，而Bound僅作為控制點，判斷當前結果是否足夠好以繼續下一步。這種分離確保了智能體的靈活性，同時防止了無休止的優化和潛在的迴歸。

安裝Bound非常簡單。對於ChatGPT用户，可以下載技能包並在ChatGPT中安裝@Bound技能。對於Claude Code、Codex等兼容智能體，可以通過npx命令添加技能。另外，Bound還提供了可直接粘貼的集成提示，智能體會自動安裝並配置控制循環。

控制循環的工作流程是：智能體執行步驟 -> 收集可觀察證據 -> Bound評估 -> 返回決策 -> 智能體根據決策調整下一個動作。Bound的評分模型基於合同（contract）、證據（evidence）和標準（criteria），通過確定性的決策引擎計算分數，而無需依賴LLM作為裁判。

Bound的四個決策含義明確：接受表示當前步驟已足夠好，繼續前進；重試表示保留當前方法並進行一次針對性修正；重規劃表示放棄當前策略，選擇新方法；回滾表示硬風險邊界被超過，需要回到安全狀態。這種機制讓智能體在“足夠好”時停止優化，保持進展。

目前Bound處於實驗階段，其評分啓發式方法、權重和閾值還需要在真實智能體工作負載中進一步驗證。下一個里程碑是在實際編碼智能體中內部測試，測量是否能減少不必要的後期工作、調用次數、令牌消耗和迴歸問題，同時不影響任務成功率。

Bound採用MIT開源許可，由Danny de Bree開發。項目託管在GitHub上，包含完整的架構文檔、貢獻指南和變更日誌。開發者可以通過pip或uv安裝bound-policy包，或直接從源代碼構建。