KCrashLab
以模拟为优先的 Windows 驱动程序可靠性研究平台,用于执行确定且可复现的实验。系统会规范化案例、续跑中断的实验、最小化保留精确签名的触发条件,并生成可供独立验证的证据包。
公开证据 Canonical Case IR、种子化调度、append-only SQLite journal、精确签名、3/3 模拟重放、G3、E1、E2 与最小化记录、语义验证,以及跨平台 CI。
用于复现底层系统失效,同时保留精确识别、来源信息与可独立检查证据的研究基础设施。
让产品风险、模型变更与发布决策变得明确,并可由他人独立检查的系统。
以可检查证据、明确变更权限与可复现中间产物,让自动化维持在有界任务内的系统。
面向 AI 编辑 Python 代码仓库的静态分析工具与可移植 Agent Skill。薄弱判断仅供审查;删除前必须具备经过审阅、绑定哈希的计划与隔离验证。
公开证据 导入可达性、Git 时序、规范化 AST 证据、25 个对抗式安全场景、真实代码仓库冒烟测试,以及跨平台 CI。
可安装的运行环境、MCP 服务器与可移植 Agent Skill,为编程代理提供持久的任务、变更、审查与完成边界。系统将验证绑定当前工作树、保存项目决策、阻止未授权修改,并在确定性的 SHIPPABLE gate 结束审查。
公开证据 116 项测试、Windows、macOS 与 Linux 上的 Python 3.10 和 3.13 CI、7 个附校验和的版本、确定性边界与机制基准,以及公开研究评估计划。历史 agentic A/B 结果仍保留,但已明确标记为 superseded。
用于检验学术新颖性主张,并将尚未完成的研究进展整理为证据有界之导师会议的研究工具。
以证据为优先的学术新颖性对抗审查 Agent Skill。系统在检索前冻结主张、找出 Minimal Prior Sets、应用历史时间截点、检验桥接证据,并记录搜索未能建立的部分。
公开证据 主张图、跨供应商规范化记录、证据绑定既有研究集合、时间状态、引文图桥接、确定性报告不变量、三类公开案例研究,以及 82 条审稿人标注案例的探索性测量。
以证据为基础的 Agent Skill,将原始研究进展整理为可供导师决策的会议内容。系统区分观察与解释、延续尚未完成的请求,并在不虚构完成状态的前提下提出一项导师可回答的决策。
公开证据 可移植 Research Meeting State 验证、来源与数值依据检查、15 个行为与对抗式案例定义、8 个路由冲突案例、纵向留出结构,以及包含 6 个任务的跨平台 CI。
用于保存微弱视觉信号,并使不确定的恢复决策可供检查的计算机视觉工作。
以本地运行为核心的计算机视觉工具,用于恢复由细微色彩差异承载的空间结构。系统比较多种假设、保留可审计产物,并在证据不足时选择不作判断。
公开证据 掩膜、叠加图、质量信号、来源记录、不确定状态与算法说明。