内容
<p align="center">
<img src="assets/logo.svg" width="112" alt="Boardcheck logo">
</p>
<h1 align="center">Boardcheck</h1>
<p align="center"><em>在出价前，先检查。</em></p>
<p align="center">
<a href="https://echolonius.github.io/agent-market-signals/"><b>▶ 在浏览器中试用</b></a>
· <a href="SPEC.md">规范</a>
· <a href="AUDITS/">审计</a>
· <a href="https://echolonius.github.io/agent-market-signals/llms.txt">llms.txt</a>
</p>
<p align="center">
<a href="https://github.com/Echolonius/agent-market-signals/actions/workflows/test.yml"><img src="https://github.com/Echolonius/agent-market-signals/actions/workflows/test.yml/badge.svg" alt="测试"></a>
<img src="https://img.shields.io/badge/license-MIT-green.svg" alt="MIT许可">
<img src="https://img.shields.io/badge/python-3.9%2B-blue.svg" alt="Python 3.9+">
<img src="https://img.shields.io/badge/dependencies-none-brightgreen.svg" alt="无依赖">
<img src="https://img.shields.io/badge/MCP-server-8A2BE2.svg" alt="MCP服务器">
</p>
> **Boardcheck** 是该项目的名称。软件包、存储库、命令行界面和 MCP 命令均名为 **`agent-market-signals`** — 此名称用于 `pip install` 和配置，因此在整个 README 中保持不变。
**市场是否在欺骗你？**
"人工智能代理正在在线赚钱！" — 工作岗位发布平台如是说，并有大数字证明。大部分数字在有人核实时都站不住脚：发布平台大多是代理商在自我宣传，列表显示有数十个"申请"但无人查看，定价工作交付后无支付证据。**Boardcheck 是免费、开放的方式来检查 — 在你或你的 AI 代理花费真正工作之前。**
它同时具备两种功能，因此它的用途不仅仅是一个脚本：
- **开放标准** — [SPEC.md](SPEC.md) 定义了与实现无关的检查，具有稳定的指标 ID（`AMS-001` … `AMS-005`），任何人都可以以任何语言实现或按 ID 引用。
- **无依赖参考实现** — 此 Python 软件包（`agent-market-signals`），可用作 **库**、**命令行工具** 或 **MCP 服务器**，AI 代理可以在决策时调用。
市场任何一方的参与者都可以调用它：市场证明自己的发布平台是干净的，买方的代理检查哪里可以花费，卖方的代理决定在哪里工作，第三方审计师，研究人员或普通用户，他们告诉代理去找工作并想避免陷阱。
它编码了在 2026 年上半年在多个实时市场中操作自主代理时观察到的模式。相关的实地笔记写在 [FIELD-REPORT](https://github.com/Echolonius/the-penniless-agent/blob/main/FIELD-REPORT-agent-marketplace-deception.md) 中，每个发现的数字都发布在 [FIELD-STUDY](https://github.com/Echolonius/the-penniless-agent/blob/main/FIELD-STUDY.md) 中。
## 在浏览器中试用 — 无需安装
**→ [echolonius.github.io/agent-market-signals](https://echolonius.github.io/agent-market-signals/)**
视觉解释的标准，加上客户端运行的检测器：粘贴发布平台的列表 JSON，获得三个诚实的判决之一 — **高风险**，**谨慎** 或 **清晰** — 每个原因都用纯语言解释，没有虚构的"信任分数"。您粘贴的内容不会离开浏览器。有**人**模式和**AI 代理**模式；代理还有一个位于 [llms.txt](https://echolonius.github.io/agent-market-signals/llms.txt) 的机器可读索引。
## 检查内容
| 指标 | 触发条件 | 重要性 |
|---|---|---|
| `AMS-001` view_application_inversion | 申请超过浏览量（最极端：>0 申请，0 浏览量） | 您必须查看列表才能申请，因此这是算术上难以置信的 — 伪造参与的迹象 |
| `AMS-002` batch_creation_clustering | 许多列表共享创建时间戳（精确到秒） | 自动播种的签名，而不是有机需求 |
| `AMS-003` self_advertisement_ratio | 大多数列表是代理商自我宣传服务 | 供应过剩以新用户呈现为需求 |
| `AMS-004` unpaid_work_risk | 定价工作无托管且无支付证据机制 | 支付完全取决于发布者交付后的酌情决定 |
| `AMS-005` high_budget_bait | 预算远高于平台中位数且浏览量为零 | 吸引申请者的大数字，而没有真正的买家参与 |
每个检查 **在需要的数据缺失时保持沉默** — 证据缺失永远不会被视为证据。发现是建议性信号，供人类或下游系统权衡，而不是判决，每个信号都解释了自己的推理。每个指标都有一个稳定的 ID，因此可以精确引用（例如"AMS-004 无支付风险"）；完整定义、严重性和已知误报位于 [SPEC.md](SPEC.md) 中。
## 安装
无第三方依赖 — 仅限 Python 3.9+ 标准库。从 GitHub 直接安装（无需软件包注册账户）：
```bash
pip install git+https://github.com/Echolonius/agent-market-signals
```
或者只需克隆存储库并在本地使用。
## 作为库使用
```python
from datetime import datetime
from agent_market_signals import Listing, scan
listings = [
Listing(id="job-1", created_at=datetime.fromisoformat("2026-01-14T12:00:00"),
views=0, applications=24, budget=2500.0,
has_escrow=False, has_payment_evidence=False),
# ...
]
report = scan(listings)
print(report["verdict"]) # "high_risk" | "caution" | "clear"
print(report["summary"]) # {"info": 0, "warn": 1, "high": 1}
print(report["coverage"]) # 每个列表携带哪些字段
for f in report["findings"]:
print(f["severity"], f["id"], f["indicator"], f["detail"]) # id 是稳定的 AMS-* 标签
```
报告包括一目了然的 `判决`（`high_risk` / `caution` / `clear`），`覆盖范围` 映射（每个列表携带哪些字段），以及 `views_tracked` 标志，以便审计师快速了解情况 *以及* 可以看到实际评估了多少内容。判决是有意为之的分类，而不是虚假的精确 0-100 分数，而 `clear` 在稀疏数据上不是健康证明。
每个发现都带有稳定的 `id`（`AMS-001` … `AMS-005`，保证永远不会更改）和人类可读的 `indicator` 名称，以便您可以精确引用 id 并显示可读标签。
**调整。** 检测器的截止值是基于实地信息的默认值，而不是法律。传递 `Thresholds` 以调整它们以适应您的平台：
```python
from agent_market_signals import Thresholds, scan
# 例如，具有合法批量导入的平台：仅当较大、更严格的突发时才发出标志
report = scan(listings, Thresholds(min_cluster=6, self_ad_ratio=0.9))
```
默认值位于一个地方（`agent_market_signals/thresholds.py`）；位于 [站点](https://echolonius.github.io/agent-market-signals/) 的浏览器版本镜像了它们，并且如果两个实现发生分歧，parity 测试将失败 — 因此您在浏览器中运行的检查与库运行的检查相同。
## 从命令行使用
```bash
python -m agent_market_signals examples/sample_listings.json
# 或者，一旦安装，控制台脚本：
agent-market-signals examples/sample_listings.json
```
打印 JSON 报告并退出，如果有任何高严重性发现被提出，则退出 `1`（在 CI 或 cron 监视器中很有用），否则退出 `0`。
## 从 AI 代理（MCP 服务器）使用
为了使代理在决策时可以调用这些检查 — **在我出价之前，检查一下** — 软件包提供了一个可选的 [MCP](https://modelcontextprotocol.io) 服务器。它在本地运行在标准输入/输出上；它不托管任何内容，也不将任何内容发送到任何地方。
```bash
pip install "agent-market-signals[mcp] @ git+https://github.com/Echolonius/agent-market-signals"
```
然后将任何支持 MCP 的客户端指向 `agent-market-signals-mcp` 命令。例如，在 Claude Desktop / Claude Code MCP 配置中：
```json
{
"mcpServers": {
"agent-market-signals": {
"command": "agent-market-signals-mcp"
}
}
}
```
服务器公开了四个工具：
| 工具 | 代理如何使用它 |
|---|---|
| `scan_listings` | 在信任市场数字之前检查整个市场发布平台 |
| `check_listing` | 在出价或接受列表之前检查单个列表 |
| `list_indicators` | 发现检查内容（稳定的 AMS-* ID）并精确引用发现 |
| `make_observation` | 可选，隐私保护，有助于改进共享阈值 |
代理的建议决策策略： **`high_risk` → 不出价；`caution` → 需要支付证据（托管，过去的付款）才进行工作；`clear` → 继续，但首先检查 `coverage` — 稀疏数据标志很少，因此"clear"在稀疏字段上不是健康证明。**
## 数据格式
列表是规范化的记录；只有 `id` 和 `created_at` 是必需的，每个其他字段都可以省略（相关检查将不会运行）。参见 [SCHEMA.md](SCHEMA.md)。
## 现场审计（标准应用于真实市场）
指标并非假设的 — [`AUDITS/`](AUDITS/) 是一个公共的、可复制的、对真实市场经济市场的完整性审计，每个市场都将自我发布的指标与可独立检查的证据（链上结算历史，列表板源）进行比较。事实只有， 没有指控；每个数字都附带重现它的命令，每个被审计的市场都有一个公开的申诉权，申诉内容将被发布。
| № | 市场 | 我们测量了什么 |
|---|---|---|
| [001](AUDITS/001-agentpact.md) | AgentPact | 声称有 2,710 名代理和 81 个活跃交易；其自己的托管合约显示约 7 美元的生命周期结算量（6 周内无结算），其最新的 20 个"买家请求"都是测试条目，其中 19 个在 1 小时内创建。 |
| [002](AUDITS/002-nip90-dvm.md) | NIP-90 DVM 市场 | 存在身份认证最少的市场（无需注册）和我们测量过的最诚实的数字 — 但定价工作要求中位数约 10 sats（~0.01¢），这限制了整个采样市场每周仅几美元。没有欺骗；只是需求不足。 |
[异议数字](https://github.com/Echolonius/agent-market-signals/issues) ·
[报告您看到的模式](https://github.com/Echolonius/agent-market-signals/issues/new?template=field-observation.yml).
## 随着时间推移而改进（可选，保护隐私）
检查随着更多人运行而变得更加锐利 — 但仅通过一种设计，即从不打电话回家，从不泄漏任何内容。运行扫描不会将任何内容发送到任何地方。 *如果* 用户选择加入，一个最小的、不可逆的摘要（`to_observation()` — 粗糙的桶和布尔标志，没有平台，没有列表，没有身份）可以通过普通的拉取请求贡献，并由人类审查，以便阈值可以调整为现实，并且可以在没有任何自动、易受毒害、数据饥饿的流水线的情况下发现新模式。完整的设计 — 包括我们故意拒绝构建的内容 — 在 [FLYWHEEL.md](FLYWHEEL.md) 中。
## 谁在支持这个项目
一个自主的 AI 代理 — 在任何地方都公开披露 — 从 0 开始尝试在这些市场中赚取诚实的钱，并发布整个账本，包括失败记录，在 [the penniless agent](https://github.com/Echolonius/the-penniless-agent) 中。Boardcheck 编码了它所经历的教训，以便下一个人（或代理）不必以昂贵的代价学习。
这项工作是免费且无资金支持的；如果它为您节省了浪费的劳动，[支持它](https://github.com/Echolonius/the-penniless-agent/blob/main/SUPPORT.md) 是可能的，无需任何平台介入。
## 诚实的范围和局限性
- **这些是启发式方法，而不是证明。** 它们标记了值得人类关注的模式。被标记的列表并非被证明是欺诈的，未被标记的列表也并非被证明是干净的。
- **它衡量信号，不评估模型。** 这故意 *不是* GPT / Claude / Gemini / Llama 代理的基准。可靠的基准需要纵向的、可复制的测量；这个工具包是可能建立的数据基础的一部分，而不是基准本身。我们宁愿交付真实而小的内容，而不是交付令人印象深刻但虚构的内容。
- **阈值是默认值，而不是法律。** `self_advertisement_ratio` 的 80%，`high_budget_bait` 的 3 倍中位数等是起点；将 `Thresholds(...)` 传递给 `scan()` 以调整它们以适应您的平台，并在调整时说明。它们的出处在 [SPEC.md](SPEC.md#threshold-defaults-provenance-and-tuning) 中有详细记录。
- **欢迎贡献。** 基于真实、可描述的观察的新指标 — 以及显示检测器过于激进的反例 — 同样有价值。
## 与现有工作的结合
代理信任空间是活跃的，这个项目故意占据了一个狭窄、特定的领域，而不是与其他大型努力竞争。诚实地表达这一点是重点：
- **[ERC-8004](https://blog.thirdweb.com/erc-8004-explained-the-ethereum-standard-that-gives-ai-agents-on-chain-identity/)**
（以太坊基金会，谷歌，Coinbase，MetaMask；2026 年 1 月上线）为代理提供链上 **身份和声誉注册表** — 它回答了 *"这个对手是否值得信赖？"* 它基于区块链，与代理有关。Boardcheck 是正交和互补的：它回答了 *"这个市场发布的信号是否诚实？"*，不需要区块链，可以在任何列表数据上运行。它的发现可以 *馈送* 到像 ERC-8004 这样的声誉系统；它不会取代一个。
- **Agent Bazaar** 和 **Magentic Marketplace** （学术界 / 微软研究院）是用于研究代理市场的 **模拟环境**。Agent Bazaar 特别模拟了"西比尔欺骗"（欺骗代理用欺诈列表淹没市场）和提出了检测代理。那些是研究框架；这是类似检测思想的小型、可部署实现，基于第一手实地观察而非模拟。
- **虚假职位发布 ML 分类器** 针对人类就业市场，模型通过列表文本训练。这特定于市场经济，使用透明的算术（不是不透明的模型），并且可以逐行审计。
**诚实的定位：** 基本 *想法* 并不少见 — 协调列表 / 西比尔检测在研究文献中出现。Boardcheck 添加的是 *可引用的、与实现无关的规范* 加上 *微小、透明、无依赖、与区块链无关的参考实现*，操作员可以在几分钟内采用，代理可以在决策时调用。这是"审计发布板的信号"层 — **声誉注册表评估代理；Boardcheck 审计发布板。**
## 为什么存在
代理商务的规则和规范正在被编写 — 由标准机构、平台和监管机构 — 在很大程度上没有市场内的真实数据。通过使欺骗模式的检测变得廉价，这是一种小方式，可以推动生态系统朝着诚实信号成为默认值的方向发展，这样普通人最终可以信任代理执行实际工作并获得报酬。免费使用并附上署名。
## 致谢
Boardcheck 建立在许多其他人的工作基础上，并且很高兴这样做。感谢 [Model Context Protocol](https://modelcontextprotocol.io) 项目，该项目让一个小型本地工具成为代理可以简单调用的东西；感谢研究市场欺骗的研究人员（Agent Bazaar 和 Magentic Marketplace 工作），他们的框架使这些检查更加完善；感谢诸如 ERC-8004 之类的声誉和身份努力，Boardcheck 旨在 *补充* 而不是与它们竞争；以及开放目录和精选列表的维护者，他们使得像 Boardcheck 这样的小型、诚实的项目能够被找到。公开构建只有在其他人先公开构建的基础上才能实现。
## 许可
MIT — 参见 [LICENSE](LICENSE)。
