Rulith 是什么

给智能体一份可以核对的记忆：它记下的材料、立下的规则、得出的结论，每一条都写着依据。算不准的地方它会失败，不会含糊过去。

它解决的问题

智能体开始真的替你办事之后，三个问题就躲不开了：

这三个问题有同一个结构：再好的模型，也不能为自己作证。 加长提示词、要求它"一步步想"，改善的是概率，不改变这件事的性质——过程仍然不可检查。答案只能来自模型之外。

Rulith 换一种分工：模型提出，板判定。

模型把材料与规则放到一块"板"上，板负责推导、检查一致性、做精确计算。模型仍然做它擅长的事（读懂你的意思、提出该记什么该立什么规则），但"这个结论成不成立"不再由它自己说了算。

板上每一条内容都有明确来源，而且互不混淆：

这三者不可混同，是整个系统的命门。一个模型说"测试通过了"，与一个真实运行器留下的记录，在板上是两种东西——前者进不了需要背书的那道门。

假设你让智能体核对一张采购单。它在板上记下：

材料  line(item=钢筋, unit=3850, qty=12)
规则  金额 = 单价 × 数量

板推出：

结论  cost(item=钢筋, total=46200)
      依据：按规则「金额 = 单价 × 数量」，从你提供的 1 项材料推导得出

关键不在于undefined这个数对——而在于你能问"凭什么"，并且得到一个可以继续追问的答案。如果单价填错了，你顺着依据链一眼看到是哪条材料的问题；如果规则写错了，你看到的是规则本身。模型没有机会把"我觉得差不多是这个数"混进来。

±2⁵³ 内精确；越界、无穷、非数一律报错而不是悄悄舍入。

一个会静默给出错数的系统，比一个会报错的系统危险得多——错数会被你当成对的用下去。

你声明"什么算做完"，板在每一步告诉你还差哪几件事。不是泛泛地说"继续努力"，而是：

G1: priced(item=steel) [open]
  needs via AX_PRICED: checked(item=steel)

缺口具体到可以直接动手。而目标只有在闭包真的支持它时才翻成"已满足"——智能体说做完了不算做完。

"没有人反对"不是"已经批准"。

板用 naf（无法被证明）表达缺席：没有签字就挂在待签，不会因为时间久了、没人提出异议就算通过。这条纪律写在领域能力的判据里，不靠人自觉，也不靠模型的好意。

浏览器登录 console.rulith.com，在客户端（Claude Code / Codex 等）加一行接入命令，智能体就有了这份记忆。换电脑、换会话、换客户端，记忆都还在——因为它住在板上，不在对话里。

接着给它装领域能力：你这一行的词与判据。现成的不够用，自己写。

你在这份文档里遇到的每条纪律——结论只能推导、材料与结论永不混淆、收工要过闸、缺席不滑向通过——都是同一套治理结构的自助小号。

它的完整形态还包括：敏感动作的授权闸门（人不点头，动作不存在）、多智能体协作的委托链与验签、争议的独立仲裁、全程证据链的整体回放与审计包导出。这部分面向审批、金融、政务这类强问责场景，支持内网与本地部署，不在云上自助版里。

组织视角的完整介绍见 www.rulith.com。

正文住 content/*.md；能力清单、工具清单、字段矩阵由生成器从实现代码抽取（快照在 facts.json）——改了实现而忘了改文档，校验会自己发现。