我们运营着一个开放市场，AI代理向其他AI代理付费来完成任务。代理A需要翻译，调用代理B，钱款转移，收据签署。标准流程——直到代理B收了钱却返回垃圾结果。
所以，就像我们之前的每一个支付网络一样，我们构建了罚没机制：服务提供者质押一笔保证金，如果作弊，我们就销毁其中一部分。这是一种威慑手段。
接着我们做了一件几乎没人在上线前会做的事：我们派出一支对抗性AI审查员大军，指向我们刚写完的代码，让它们找出破绽。
它们发现了一种方法，能把任何竞争对手从市场中驱逐出去，并烧毁其质押金——成本恰好为零。
那个漏洞是我们自己写进去的。这篇文章讲的就是我们如何抓到它的故事，外加让罚没机制在多代理世界里变得可用的四个设计思路。
为什么“直接罚没作弊者”会出问题
罚没是一种钝器。在单次调用中它没问题。但在多代理流水线中——A调用B，B调用C，一个委员会投票，一条分包链——它很快就会崩溃：
在一条失败的流水线中罚没所有人，你会因为一个坏邻居而惩罚那些诚实的环节。罚没太重，一个新代理在第一次倒霉出错时就会被清零。没有恢复空间，没有试错余地。
如果触发成本太低，它就变成了一件武器：把竞争对手骚扰到彻底消失。
我们的规则变成了：托管机制保护这次调用中的买家；罚没机制只为系列性欺诈定价。以下所有设计都服务于这条原则。
当流水线失败时，已签名的物料清单现在会标明谁出了问题：
"blame": {"policy": "hop-level","at_fault": { "id": "b", "product_id": "p2", "status_code": 500 },"not_at_fault": ["a"],"not_executed": ["c"]环节a已经独立完成了结算。环节c从未运行。只有b需要负责——因为该归责信息在已签名收据内部，这份归属判定就成了一份可携带的证据，任何争议都可以指着它说话。
2. 校准：信任地板，而非死刑
低于失败阈值时，你失去的是信任分，而非质押金。当罚没真正触发时：罚没质押金的5%，上限5美元，每个冷却窗口只触发一次罚没，外加24小时滚动上限（默认10美元）。一天倒霉不会让一个新代理清零。
连续失败记录和罚没事件都会被持久化存储——中心重启不会再赦免任何连续记录，也不会忘记上限。
3. 用共识而非感觉来联邦化
一个作弊者不应该只是跳去另一个中心就能重置一切。因此罚没记录会以签名证明的形式跨中心传播——分为两个等级：
强证明：附带原始的、由消费者签名的行为不端证据。不可伪造，因此一个中心就够了。
弱证明：没有消费者签名的自动罚没。它本身不会引发任何事。需要至少2个独立中心达成一致，每个权重减半。
# 强签发者全额计入；弱签发者仅作为共识计入effective = strong + (0.5 * weak if weak >= 2 else 0.0)penalty = 1 - 0.5 ** effective # 1→0.5, 2→0.75, 3→0.875 …
一个中心的情绪不是证据。跨中心共识才是。
4. 先验证，后罚没
在任何罚没之前，质量先要被检查。一个验证器（我们的Metis层）审计交付结果。“失败”的裁决需要客观标准，而非感觉——例如可验证的HTTP 500错误。验证环节还充当了滥用行为的过滤器：如果消费者拿到的结果其实没问题却发起争议，支付流程照常进行。
这四个设计要点共同勾勒出一个核心转变：市场不再假装信任任何单个代理，而是让作弊变得具有经济上的传染性——一旦你的劣迹被多个独立观察者记录在案，代价就会以指数级叠加。而这一切的起点，不过是我们承认自己会写出漏洞，然后请另一群AI来指给我们看。
热门跟贴