Praxa

Praxa 是一个在 arXiv 论文中提出的智能体执行框架（harness），旨在将智能体从授权到效果的链路透明化、可测试化，其核心贡献是证据绑定（evidence-bound）的架构，让智能体从授权到效果的状态转换变得显式且可测试

Praxa 论文将智能体系统中的五种声明区分开来：提议（proposal）、授权（authority）、派发（dispatch）、已验证的外部效果（verified external effect）和服务提升（serving promotion）

Praxa 通过确定性准入、经纪式执行、外部回读、对账和审核后提升五个环节，让每一次授权到效果的转换变得明确且可测试

确定性准入（deterministic admission）是指系统在执行任何动作前，依据明确可预测的规则判断该动作是否被允许进入执行队列，而非依赖模型自身判断

经纪式执行（brokered execution）意味着动作不由智能体直接触发，而是经过一个中间代理层（broker）调度，该层负责隔离、记录和限流

外部回读（external read-back）指执行后主动向外部系统查询状态以确认动作是否真正生效，而非仅凭执行调用的返回值推断结果

Praxa 在一个固定修订版本上的仓库内审计通过了 1,027/1,027 个单元测试和 89/89 个 Workerd 测试，对全部 363 个预期源文件进行了插桩，并满足四条覆盖率下限，但原始逐测试记录和独立复现尚不可得

在 Terminal-Bench Core 0.1.1 试点中，跨 12 个精选任务，基线组与可靠性层组在严格试验下各通过 17/36，可靠性层多消耗了 37.49% 的输入 token 和 50.73% 的输出 token

论文明确承认 Terminal-Bench 试点不支持优越性结论，因为可靠性层没有换来更好的成功率反而成本更高

在两阶协调代理（coordination-proxy）开发对比中，基线与源作者编写的候选方案各完成 180/180 试验，候选方案少用了 37.11% 的 token、降低了 33.84% 的估算端点成本、减少了 11.63% 的步骤，但不能证明质量、延迟或生产环境行为上的改善

Praxa 论文明确声明当前证据不能证明对抗性安全性、生产环境安全性、通用专家级优越性、自主递归优化能力和用户收益

证据绑定架构要求系统的每一个状态转换都必须附带可查验的证据，而非仅凭逻辑推断，与传统软件工程中的幂等性验证和事务日志理念一脉相承

增加可靠性层会带来显著的 token 和成本开销，却未必在成功率上立竿见影，可审计性与可靠性的收益往往需要用效率成本来换取