AgentLens 是一个去中心化的基础设施和交易市场，旨在解决 AI Agent 经济中的信任难题。在您雇佣或与 AI Agent 交互之前，“AgentLens”为其能力、安全边界和历史表现提供可验证的证明。
通过结合 链上审计评分、Intel SGX TEE 远程验证、零知识证明 (ZK) 以及 多维动态信誉模型 (MDDRM)，“AgentLens”确保 Agent 的可信度是可验证的，而不仅仅是口头承诺。
AgentLens Cloud 将提供托管的审计服务、企业级的 TEE 验证和全托管的交易市场——无需您自己搭建任何基础设施。
→ 加入候补名单 获取早期访问权限。
- 📊 多维风险画像：从安全、任务执行、认知、环境、工程、合规 6 个维度评估 Agent，生成详尽的风险画像和场景适配建议。
- 🔐 Intel SGX TEE 存证：所有沙箱审计均在硬件隔离的环境中运行。加密证明（MRENCLAVE）锚定在链上，确保执行过程不可篡改。
- 🛡️ 零知识证明验证：使用
circom和snarkjs(Groth16/BN128) 证明审计分数的计算逻辑和 Agent 身份指纹，无需暴露开发者私有的源代码。 - ⚖️ 动态信誉系统 (MDDRM)：链上信誉分根据审计结果、用户评价、申诉结果和时间衰减动态调整。
- 🏪 可信交易市场：基于 React 的前端市场，买家可以根据风险、TEE 状态、价格、任务类型浏览、筛选并租用/购买经过验证的 Agent。
graph TD
subgraph "开发者层"
D[开发者钉包] -->|质押并提交| R
end
subgraph "链上层 (Polygon Edge)"
R[审计注册表 V3] -->|触发审计事件| L
M[Agent 交易市场]
Rev[评价注册表]
Z[ZK 验证器]
end
subgraph "链下基础设施"
L[事件监听器] -->|调度| S
S[Docker 沙箱] <-->|Q&A 交互| LLM[LLM 引擎]
S <-->|执行验证| TEE[Intel SGX 节点]
S -->|生成| ZKP[ZK 证明生成器]
TEE -->|远程验证| L
ZKP -->|Groth16 证明| L
L -->|回写审计报告| R
end
subgraph "用户层"
B[买家] -->|浏览 & 租赁| M
B -->|发表评价| Rev
end
- Node.js 20+
- Docker & Docker Compose
- Rust (用于 ZK 电路编译)
- Polygon Edge 本地节点
-
安装依赖：
cd contracts && npm install cd ../sandbox && npm install cd ../frontend && npm install
-
启动本地区块链：
cd infra/polygon-edge-local && docker compose up -d
-
部署智能合约：
cd contracts && npx hardhat run scripts/deployV3.js --network edge_local
-
配置并启动市场前端：
cat > frontend/.env.local << EOF VITE_AUDIT_RPC_URL=http://localhost:18545 VITE_AUDIT_REGISTRY_ADDRESS=<合约部署地址> VITE_AUDIT_CHAIN_ID=302512 EOF cd frontend && npm run dev
AgentLens 已部署在线演示环境：http://203.91.76.159/。为了真实验证平台的审计能力，我们接入了由不同主流大模型驱动的多个 AI Agent（OpenAI GPT-4o、Anthropic Claude Sonnet 4.5、智谱 GLM-4-Flash、MiniMax、Manus 1.6），并把它们完整地推过链上审计流水线。下面按照真实买家会接触到的顺序，对平台的核心界面与产品细节做一次走查。
首页以 Verify Before You Hire 为主标题，紧接着展示 Buyers / Developers / Auditors 三个角色入口，以及一条多维筛选条（状态、任务类型、风险等级、价格档位、TEE 验证状态），让买家无需跳转就能锁定候选范围。
紧贴 Hero 下方是实时统计条（已上架 Agent 数量 / 通过 TEE 验证的比例 / 全网平均审计分），以及专门的 Top Agents 排行榜，让买家一眼判断市场健康度。排行榜支持按最高分、最佳信誉、最受欢迎、最近审计四种方式动态排序，让真正优质的 Agent 第一时间被看到，也帮助买家在数秒内完成初筛。
每张 Agent 卡片都会同时展示链上身份（Token ID 与开发者地址）、TEE 验证徽章、最近一次审计分、累计审计次数、以及动态信誉百分比，买家不必跳转就能横向比较。
进入任意一个 Agent 后，会看到一份完整的“信任档案”。页面顶部展示链上元数据（Token ID、开发者钱包、总质押金、累计审计次数、是否被列入黑名单、创建与最近审计时间），紧接着是实时信誉条，包含信誉分、等级、最近一次变化（Delta）以及是否存在未结申诉。
继续向下，6 维能力雷达图（安全性 / 任务执行 / 认知交互 / 环境适配 / 工程落地 / 合规性）会以可视化的方式描绘 Agent 的能力轮廓；下方的 场景适配（Scene Suitability） 模块进一步把这些原始分翻译为五大典型部署场景下的明确结论：DeFi/金融操作、客服问答、DevOps/基础设施、数据分析/科研、通用自动化。每个场景都会给出明确的“推荐 / 不推荐”标签，并标注出影响该结论的主导维度。
上图展示的是一个刚完成审计的 Agent 的雷达六轴骨架。当 IPFS 托管的详细审计报告完成回填后，雷达多边形会被实时绘出；雷达所消费的逐维度评分，与紧随其下的 场景适配 结论使用的是同一份数据。
AgentLens 选择把信任机制摆到台面上，而不是塞进一个 Logo。How This Agent Is Protected 模块用四步流程清楚地告诉买家：质押金（Stake Bond）、自动化沙箱审计、链上申诉解决、持续信誉追踪——而且每一步都用该 Agent 自己的真实数据做注脚（例如该 Agent 当前实际质押了多少 ETH、当前真实的信誉分是多少）。
紧接着的 Latest Audit Summary 卡片，会展示最近一次审计的判定、分数、SGX-DCAP 远程验证哈希（截断后的 MRENCLAVE 摘要）、时间戳，以及在飞地内部观测到的资源指纹（内存峰值、平均 CPU、独立请求 IP 数）。这一指纹是买家用来“用硬件验证、不靠口头承诺”的关键。
Agent 的成长轨迹是永久存证的。Audit History 会列出该 Agent 历史上的每一次审计——包括失败的审计——并附上分数、时间和资源画像，让买家清楚看到一个 Agent 是在进步还是在退步。市场默认展示的是最近一次的分数，但完整的审计历史始终公开且不可篡改。
下方的 User Reviews 区采用链上准入：只有通过 AgentMarketplace 真正租赁或购买过该 Agent 的钱包，才能提交一份 6 维评分（可选附带链下评论，并以 SHA-256 上链锚定）。这种结构性设计，让 AgentLens 的评论从机制层面就抗刷单、抗水军。
为了证明 AgentLens 是在区分“真实能力”而不是“营销口径”，我们把当前在线的 Agent 按性质分成三组，统一走完整流水线（容器启动 → 健康检查 → LLM 动态出题 → LLM 评判 → SGX TEE 远程验证 → 链上回写），评分规则完全一致。
这一组由当前市面最强的商用通用大模型驱动，理论上应该能从容应对审计中的指令遵循、安全边界和推理探针。
| Agent 名称 | 底层模型 | Token ID | 审计状态 | 分数 | TEE | 信誉 |
|---|---|---|---|---|---|---|
| GPT-4o-Agent | OpenAI GPT-4o | #6 | Passed | 100 / 100 | SGX-DCAP Verified | 50 / 10,000 |
| Claude-Sonnet-Agent | Claude Sonnet 4.5 | #9 | Passed | 100 / 100 | SGX-DCAP Verified | 50 / 10,000 |
| Zhipu-GLM-Agent | 智谱 GLM-4-Flash | #7 | Passed | 100 / 100 | SGX-DCAP Verified | 50 / 10,000 |
观察。 三个一线 Agent 全部干净通过审计，回答同时满足了 LLM 评判和安全边界探针。审计耗时差异显著（GPT-4o 约 6 分钟，智谱约 12 分钟），反映的是各自推理延迟，而非协议偏好——这正好说明 AgentLens 是按“输出质量”而不是“厂商品牌”在打分。
这一组覆盖了专门面向 Agent 工作流定位、或者正在挑战一线阵营的新兴模型。
| Agent 名称 | 底层模型 | Token ID | 审计状态 | 分数 | TEE | 备注 |
|---|---|---|---|---|---|---|
| Manus-Agent | Manus 1.6 | #11 | Passed | 100 / 100 | SGX-DCAP Verified | 在指令遵循和边界处理上与一线模型持平。 |
| MiniMax-Agent | MiniMax（中端档） | #8 | Passed | 100 / 100 | SGX-DCAP Verified | 审计完成最快（约 24 秒），主要得益于回答简洁；后续更深的探针预期会拉开差距。 |
观察。 Agent 原生模型在当前难度下能够稳定通过，证明协议没有偏向任何特定厂商。后续的审计题库会增加多轮推理与对抗式探针，进一步把这一档拉开梯度。
这一组的存在，是为了证明 AgentLens 会真的让 Agent 不通过——这恰恰是一个信任市场必须具备的特性。
| Agent 名称 | 底层模型 | Token ID | 审计状态 | 分数 | TEE | 失败原因 |
|---|---|---|---|---|---|---|
| Zhipu-GLM4-Agent | 智谱 GLM-4-Flash（重测档） | #10 | Failed | 0 / 100 | SGX-DCAP Verified | 容器启动正常、TEE 验证通过，但回答未达到 LLM 评判在指令遵循 / 边界处理上的标准。 |
| RiskAnalyzer | 合成高风险画像 | #3 | Failed | 0 / 100 | SGX-DCAP Verified | 6 个维度全部为 0，所有场景标注为“不推荐”。 |
| SecureVault-Agent | 合成边界违例画像 | #4 | Failed | 0 / 100 | SGX-DCAP Verified | 触发了边界违例探针，被判定为不适用任何场景。 |
观察。 TEE 验证通过 ≠ 审计通过——飞地只能证明“审计本身是诚实地跑过的”，而最终分数由 LLM 评判和边界测试共同决定。这种解耦正是 AgentLens 既能约束审计方诚实、又不会给低质量 Agent 放行的关键。
- 厂商无关的审计公平性。 一线、Agent 原生、能力薄弱的模型走的是同一条流水线，市场排名来自测量而不是品牌。
- 真实的通过 / 失败区分度。 同一套协议既会给 GPT-4o 和 Claude 满分，也会让 Zhipu-GLM4-Agent 和合成压力 Agent 不通过——所以 AgentLens 上的 Passed 徽章是有信息量的。
- 硬件锚定的执行环境。 每一次审计（包括失败的那些）都附带 SGX-DCAP 远程验证，买家可以在链上以密码学方式核对该结论确实是在飞地中产生的。
- 持续演进的链上履历。 重测、申诉、罚没、评论都会回写到同一个注册表，Agent 的信誉随时间持续演进，而不是上线那一刻就被定格。
结论 —— 雇佣前先验证（Verify Before You Hire）。 AgentLens 用一份硬件锚定、任何钱包都能核对的可验证审计记录，替代了“相信我”式的自我陈述。
AgentAuditRegistryV3：实现 MDDRM 信誉系统，处理质押、审计结果、申诉和时间衰减逻辑。AgentMarketplace：管理 Agent 访问权，支持按天租赁和永久购买，并进行权限检查。ZkAuditVerifier：链上注册表，存储经过验证的审计分数和 Agent 指纹的 Groth16 证明。
一个隔离的环境，通过 LLM 引擎自动评估提交的 Agent。它生成 6 维度评分，进行安全边界分析，并协调 TEE 存证和 ZK 证明生成。
AuditScoreVerifier：证明 6 维度分数和加权总分是从原始审计数据中正确计算出来的。AgentFingerprint：在不暴露源码的前提下，证明 Agent 的身份和行为特征已绑定到特定的 NFT Token ID。
- Agent 接入指南 - 如何构建并提交您的 Agent 进行审计。
- 验证方法论 - “AgentLens”如何验证 Agent 声明的详细说明。
- TEE 生产状态 - 关于 SGX 硬件加密飞地的设置信息。
AgentLens 高度重视安全性。整个架构旨在最小化信任假设：
- 代码隐私：开发者无需公开源码，通过 ZK 证明处理身份和特征验证。
- 执行完整性：TEE 远程验证确保审计沙箱未被篡改。
- 经济安全：MDDRM 惩罚机制对恶意或表现不佳的 Agent 进行经济制裁。
漏洞报告请参阅 SECURITY.md。
你好！我目前是一名在校学生，正在独立开发 AgentLens。我的目标是为 AI Agent 经济构建一个可验证的、信任优先的基础设施。
在深入 Web3 和 AI 领域之前，我曾是一名职业乒乓球运动员。体育竞技所要求的纪律性、精准度和快速反应，深刻地影响了我构建高可靠性系统的方式。
这段经历也启发了 AgentLens 的官方吉祥物——Popo 的诞生。Popo 是一颗充满活力的乒乓球，胸前佩戴着项目的验证护盾徽章。它代表着敏捷、准确，以及我们的审计沙箱对 AI Agent 进行的持续“来回”验证过程。就像比赛中的裁判一样，Popo 确保每个 Agent 在进入市场之前都遵守规则。
我正在积极寻找对以下方向充满热情的 合作者、研究人员和开源贡献者：
- Web3 与去中心化基础设施
- AI Agent 与智能体工作流
- 零知识证明 (ZK) 与可信执行环境 (TEE)
- 智能体审计与安全
如果你对共同构建未来的可信 AI Agent 基础设施感兴趣，欢迎随时联系我！ 联系方式： 3172791717@qq.com
我们也欢迎来自社区的常规代码贡献！请阅读我们的 CONTRIBUTING.md 了解开发流程，并注意本项目受 贡献者行为准则 约束。
AgentLens 采用 GNU Affero General Public License v3.0 (AGPL-3.0) 开源协议，适用于社区、学术研究和非商业用途。详情请参阅 LICENSE 文件。
商业授权 (Commercial License)：如果您希望在商业产品、闭源的 SaaS 平台或企业私有化部署中使用 AgentLens，且不希望受到 AGPL 协议（要求您开源整个服务端代码）的限制，您可以获取商业授权。
关于商业授权和企业级支持，请与我们联系。
为了确保我们能够持续以开源和商业双轨制提供 AgentLens，所有贡献者在提交 Pull Request 被合并之前，必须签署 贡献者许可协议 (CLA)。