Epistemic Engine – 验证AI生成的代码并预测哪些会出问题

Epistemic Engine 是一款专注于软件的计算认识论工具，旨在解决AI生成代码的信任问题。它通过将代码库视为一个由合理信念组成的系统——即代码对其自身所做的声明（例如“此函数验证调用者身份”、“此值永不为null”、“此使用经过批准的加密”），重构这些信念在git历史中的合理程度，并跟踪信心随时间的变化。

基于这一基础，Epistemic Engine 提供了两个可直接使用的工具：ee guard 和 ee predict-chain。ee guard 是一个预提交/CI验证器，在代码合并前阻止不安全或无充分理由的代码，特别适用于审查AI生成的更改。它提取更改中的信念并拦截高风险项，同时集成OWASP类扫描器和已知CVE匹配。每个发现都附带严重性、原因、具体修复方法和稳定指纹。ee guard 还支持内联 # ee-ignore[rule] 抑制、disabled_rules 配置以及基线模式，方便团队逐步采用。

ee predict-chain 则用于预测哪些信念即将崩溃。引擎已了解每个信念信心的侵蚀情况，predict-chain 将其向前投影，为每个风险信念提供：因果链（来自仓库历史或成本模型）、基于蒙特卡洛模拟的崩溃概率和日历ETA，以及修复方案和投资回报率估计。它还会通过 ee calibrate 命令对仓库自身历史进行无泄漏回测，评估预测的可信度，如果模型不如基准猜测，则如实报告。

此外，Epistemic Engine 提供了一个本地离线仪表板（ee dashboard），可通过浏览器查看信念、预测和防护发现。

工具的核心优势在于其确定性：相同输入产生字节完全相同的输出，不依赖LLM、网络或时钟，结果可复现且可在CI中进行差异比较。它对不确定性诚实，采用威尔逊置信区间下限而非点估计进行评估，预测附带校准评判，成本和ROI标注为假设。工具离线运行，仅通过显式的 ee sync 命令访问网络。

安装简单：pip install epistemic-engine，需Python 3.10+，基于Apache-2.0许可。经过1500+生产文件测试，精确率和召回率均达到1.0，95%置信区间下限为0.92。