对话式金融治理框架

为金融科技场景的对话式 AI 代理定义运行时权限边界的开源工程治理规范,模型无关,MIT 许可。

Star 数
★ 175
最近更新
2 个月前
License
MIT
主语言
Python

30 秒速览

运行形态
命令行工具开发框架
可在哪里用
通用 · 跨平台
费用
免费,无需付费服务
上手难度
中 · 需要几步配置
开始前需要
Python 3Shell / 命令行本地文件系统
典型场景
支付产品团队在部署能承诺手续费或执行转账的客服代理前,用 payments.yaml 映射验证哪些话语需授权确认
不适合
  • 需要通用聊天助手治理协议的团队,本规范仅限金融科技会话界面
  • 寻求即装即用合规软件而非需自行实现的工程规范的机构
  • 非金融领域(如医疗、法律)的对话式 AI 项目
维护状态
近半年有提交最近提交 2026-09-09

这个 Agent 能做什么,适合哪些场景?

该仓库(evanslyhan/Fintech-CUI-Trust-Framework)是一份 MIT 许可的开源工程治理规范,当前版本为 v0.4,定义了金融科技语境下对话式 AI 代理在部署前必须实现的结构性治理组件。它不是软件产品,而是类似 RFC 的公开技术规范,附带的实现载体是 src 目录下的 Python 命令行 sidecar,可加载 mappings 目录中的 payments、lending、insurance、collections 映射文件对单条话语进行分类决策演示。架构由五层控制平面构成:意图分类矩阵(F0–F3 金融承诺风险、R0–R3 监管敏感度)、授权触发器、生成边界、审计追踪管线和权限熔断器,v0.4 新增 Action Object、Scoped Credential 和 Visible Authority State 三个运行时对象。核心规范与产品线映射解耦:五层架构在金融产品间保持不变,各产品线通过合规映射层配置哪些动作免授权、哪些需授权或熔断。适合有工程资源、其对话式 AI 触及支付、信贷、保险、催收、KYC/开户等受监管消费者金融决策的组织评估与实现。

读取映射文件(如 mappings/payments.yaml、mappings/lending.yaml)与用户话语,通过 src 下的 cf_gov.sidecar 运行控制平面:先用意图分类矩阵沿金融承诺风险(F0–F3)与监管敏感度(R0–R3)双轴对每轮对话分类,低置信度默认采取更严格动作;再依据授权触发器决策表判定是否需挂起生成并获取用户显式确认;对 transact 类动作强制使用一次性、限额、限时的 Scoped Credential 而非持久账户密钥;以生成边界在生成前后约束模型可输出空间;由审计追踪管线产出哈希链、机器可读的不可变日志;权限熔断器在达到阈值时实时切断生成权限并移交人工或确定性 SOP。Action Object 将每轮绑定到 inform、advise、commit、transact、represent 五类动作,权限赋予动作而非模型。同名话语在不同映射下可编译出不同的权限决策。无映射演示无需任何模型即可运行。

  1. 支付产品团队在部署能承诺手续费或执行转账的客服代理前,用 payments.yaml 映射验证哪些话语需授权确认
  2. 信贷平台的合规工程团队为建议类(advise)回复配置生成边界与低置信度兜底分类
  3. 保险机构的审计团队要求代理的每次授权、升级与熔断决策都进入哈希链日志管线
  4. 催收业务方通过 collections.yaml 映射为同一话语设定与支付线不同的权限决策
  5. KYC/开户团队在代理不得作出合规陈述的场景下启用 Visible Authority State 展示当前权限状态
  6. 技术尽调人员运行 Lite sidecar 对单条话语做控制平面演示,无需接入任何 LLM

安装与配置要点

摘自下方的安装和使用说明,以项目 README 的最新说明为准。

配置文件
../mappings/payments.yaml ../mappings/lending.yaml

如何安装或部署这个 Agent?

仓库未提供一键安装脚本,需手动拉取仓库并安装 Python 依赖:

git clone https://github.com/evanslyhan/Fintech-CUI-Trust-Framework.git
cd Fintech-CUI-Trust-Framework/src
python3 -m pip install -r requirements.txt

完整的依赖清单以 src/requirements.txt 为准,README 未列出具体包名与版本。完整规范在 spec/protocol-spec-v0.4.md,映射示例在 mappings/ 目录。

如何使用这个 Agent?

Lite 路径无需模型,直接用 sidecar 对单条话语运行控制平面:

python3 -m cf_gov.sidecar --mapping ../mappings/payments.yaml --utterance "What's the fee for sending 200 dollars?"
python3 -m cf_gov.sidecar --mapping ../mappings/lending.yaml --utterance "Should I take the loan?"

Standard 路径要求定期审查审计日志并加载产品线映射。Full 路径要求 fork 规范与 sidecar、接入既有合规基础设施并自定义映射层,且不得削弱核心触发器、生成边界或熔断器。规范全文见 spec/protocol-spec-v0.4.md。

这个 Agent 有哪些优点和局限?

优点
  • 模型无关:治理机制嵌入交互架构而非依赖特定 LLM 供应商,可随模型替换保留
  • 核心与映射解耦:五层架构跨产品不变,产品线规则经 Compliance Mapping Layer 配置,同一话语可按业务线编译出不同权限决策
  • 可审计性强:审计日志为哈希链、不可变、机器可读,覆盖授权、升级、凭证签发与熔断决策
  • 提供可运行的 Lite sidecar 与分类黄金标准测试,无需模型即可验证控制平面行为
局限
  • 它是规范而非成品软件:采用方需自建工程实现来落地五层与三个运行时对象
  • 参考映射文件明确声明不构成法律意见,合规结论仍需组织自行法务确认
  • Full 级采用要求接入既有合规基础设施并自定义映射层,集成成本显著
  • 范围严格限定金融科技 CUI,不适用于通用助手场景;仓库未提供任何托管服务或部署方案

这个 Agent 与同类方案有什么区别?

与相关度最高的同类 agent 并排比较关键指标。

Agent 源码审查 形态 / 费用 Star 最近更新 主语言 完整支持的平台
对话式金融治理框架 当前 51 · 缺口较多 命令行工具免费 ★ 175 2 个月前 Python —
Preloop 81 · 表现良好 — ★ 95 今天 Python Codex · Claude Code
Trigger.dev 78 · 表现良好 代码库 / SDK免费版 + 付费版 ★ 17k 今天 TypeScript —
Auto Browser 76 · 存在缺口 自托管服务免费 + 模型费 ★ 929 5 天前 Python OpenAI API · Claude API

FollowAgents 如何评估这个 Agent?

FollowAgents 源码审查 · FARS-2.1
缺口较多
51/ 100 五分制 2.6 / 5
信任安全 16/29
可靠稳定 6/14
适用触发 10/18
规范维护 8/18
有效结果 7/13
证据核验 4/8
查看各维度的扣分理由
信任安全16 / 29 · 2.8/5

证据显示该框架在规范层面定义了最小权限(限定单次、限额、限时凭证)、授权门控、审计链与熔断,且测试明确断言凭证秘密不进入模型上下文、高风险语句必须升级;扣分点:这些都是设计与测试断言,未见完整实现,依赖文件未提供无法评估依赖安全,规范只描述'不可变日志'未提供交易回滚机制,版权人 madguyevans-creator 与仓库所有者 evanslyhan 不一致导致来源归属不清晰。

可靠稳定6 / 14 · 2.1/5

测试文件显示了内部一致性要求(payments/collections 映射必须分歧、分类不得弱于金标准),属充分证据;扣分点:requirements.txt 未在样本中,依赖可用性无从评估,测试只覆盖正常路径,未见错误消息或异常处理的设计。

适用触发10 / 18 · 2.8/5

受众与场景限定明确(仅 Fintech CUI,明确排除通用助手),触发精度由双轴意图矩阵加低置信度从严默认规则支撑,能力边界有'非法律意见'声明;扣分点:环境适配仅见 Python 侧车演示,宣称 model-agnostic 但未见跨环境适配证据。

规范维护8 / 18 · 2.2/5

仓库结构、文档层级、MIT 许可证文件齐备,许可证满分;扣分点:安装说明只覆盖 Lite 侧车,无 FAQ,无已知限制章节(只有零散'非法律意见'),无变更日志只有版本号,无维护者声明且版权人名称与仓库所有者不符,命名稳定性仅靠两个规范版本维持。

有效结果7 / 13 · 2.7/5

侧车输出结构化决策与可见权限状态,Lite 入口成本低、无需模型即可演示控制面;扣分点:边际价值依赖包内未提供的规范正文与映射文件全文,实际治理效果无法从三个样本文件确认。

证据核验4 / 8 · 2.5/5

事实与推断分离处理较好(研究背景文档与规范性规范明确区分、映射标注'非法律意见');扣分点:关键主张(五层架构、白皮书、概念论文)指向包内未提供的 PDF 与规范文件,静态审阅无法交叉验证,无外部标准对齐证据。

风险与缓解建议
  • 这是一个规范加演示侧车,而非可部署的治理产品;采用前必须阅读完整规范并自行实现与验证。
  • 版权人名称(madguyevans-creator)与仓库所有者(evanslyhan)不一致,发布者未经验证,来源归属需自行确认。
  • 依赖清单未在审阅样本中,集成前请自行审计 requirements.txt 与供应链。
  • 测试只覆盖少量路径,'high-cost false negative' 金标准覆盖率未知,勿将'ok'输出视为合规认证。
  • 映射文件被明确标注为'非法律意见',任何监管场景需由合规团队独立评审。
证据充分度:低 评估于 2026年11月21日 审查版本 29397d2ffff3
查看完整评分方法 →
你是这个项目的维护者?把 FARS 徽章加到 README

徽章显示当前的评审分数和结论,点击回到本页。重新评审后约一小时内更新。

FARS

[![FARS 评测](https://followagents.com/badge/fintech-cui-trust-framework.svg?lang=zh)](https://followagents.com/zh/agents/fintech-cui-trust-framework)
<a href="https://followagents.com/zh/agents/fintech-cui-trust-framework"><img src="https://followagents.com/badge/fintech-cui-trust-framework.svg?lang=zh" alt="FARS 评测"></a>

常见问题

需要接哪个大模型或 API?
无强制模型依赖。治理机制模型无关,Lite 演示甚至无需任何模型;接入自有 LLM 时治理由协议中间件在生成前后执行。
这可以直接当作合规软件部署吗?
不能。它是类似 RFC 的技术规范,仓库仅附带 Python sidecar 与示例映射;各组织需按规范自行实现结构组件,Full 级还需接入既有合规基础设施。
覆盖哪些业务场景?
仅限金融科技会话界面:支付、信贷、保险、催收、KYC/开户、BNPL、钱包与汇款等代理可告知、建议、承诺、交易或作出合规陈述的场景。明确不是通用助手协议。
代理如何获得交易权限?
按 Scoped Credential 规则,代理不得持有持久账户或卡片密钥;授权后仅可获得一次性、限额、限时的凭证。
如果分类不确定会怎样?
v0.4 的 Classification Assurance 规则要求低置信度分类默认采取更严格的动作;达到预设阈值时权限熔断器实时切断生成并移交人工或确定性 SOP。
对话式金融治理框架 免费吗?
免费。对话式金融治理框架 可以免费使用,不需要付费服务。
对话式金融治理框架 开源吗?
开源。源码在 GitHub(evanslyhan/Fintech-CUI-Trust-Framework),许可证是 MIT。
对话式金融治理框架 还在维护吗?
更新变慢了:GitHub 上最近一次提交是 2026-09-09,在最近半年内,但不在最近 30 天内。
对话式金融治理框架 是谁开发的?
对话式金融治理框架 由 GitHub 账号 evanslyhan 发布。FollowAgents 没有核实这个账号背后是哪个人或公司。
这页内容对你有帮助吗?
在 GitHub 查看 ↗ 安装 ↓

相关核心概念