Receipts Guard

🧾 AI代理的本地证据保险箱与风险守门人

为AI代理的自主交易提供本地证据捕获与风险分析,确保每次点击"同意"都有不可篡改的本地记录,支持争议时提供法庭级证据。

收藏
10.4k
安装
2.7k
版本
0.4.0
CLS 安全性认证2026-08-02
点击查看完整报告 >

使用说明

核心用法

RECEIPTS Guard 是一款专为AI代理设计的本地证据捕获与风险分析工具,解决自主交易系统中的"同意证据"难题。其核心工作流程围绕捕获-验证-存证三步展开:

1. 协议捕获(Capture)

  • 标准ToS捕获:capture.js capture "条款文本" "来源URL" "商家名称"
  • 代理间承诺:capture.js promise "承诺内容" "对方代理" --direction=outbound/inbound
  • 支持多种同意类型:显式同意(explicit)、隐式同意(implicit)、持续使用(continued_use)

2. 风险分析与决策支持

  • 内置六大风险类别检测:法律风险(仲裁条款、集体诉讼豁免)、财务风险(自动续费、不可退款)、数据风险(数据转售)、控制权风险(永久许可)、同意风险(隐式同意模式)、承诺风险(时间/金钱约束)
  • 三级响应建议:proceed(继续)、require_approval(需人工批准)、block(阻止)

3. 证据固化与导出

  • PDF法庭级证据包:包含文档哈希验证、同意时间线、风险分析、法律适用说明
  • 去中心化见证:可选锚定至Moltbook代理网络或比特币OP_RETURN
  • 本地存储于 ~/.openclaw/receipts/,无云端依赖

框架集成能力(v0.4.0新增):

  • beforeConsent 钩子:在同意前拦截并评估
  • n8n节点、LangGraph检查点支持
  • 程序化API:receipts.capture(), receipts.capturePromise()

---

显著优点

| 维度 | 优势 |
|:---|:---|
| **隐私架构** | 纯本地运行,零API调用,零云端存储,敏感条款数据不出境 |
| **法律完备性** | PDF导出包含哈希验证、时间戳、取证链说明,符合电子证据规范 |
| **代理原生设计** | 专为AI代理决策流程设计,非人类工具改造,支持代理间协议 |
| **可扩展规则** | 自定义正则规则集(`--add="crypto.*volatile"`),适配垂直行业 |
| **去中心化可信** | Moltbook代理见证 + 比特币锚定双重保障,抗单点故障 |
| **变更检测** | `diff` 命令追踪条款版本变化,防止"悄然更新"陷阱 |

---

潜在局限性与风险

技术局限:

  • 语义理解边界:基于模式匹配(regex)而非LLM深度分析,复杂法律条款可能漏检
  • PDF生成依赖: courtroom-ready PDF需本地Node环境,无内置浏览器渲染
  • 见证网络成熟度:Moltbook为新兴代理网络,其见证效力尚未经司法实践检验

使用风险:

  • 过度依赖警示:明确标注"NOT a substitute for legal review",高风险场景仍需人工律师
  • 规则维护成本:自定义规则需持续更新以覆盖新型陷阱条款
  • 代理ID安全:RECEIPTS_AGENT_ID 泄露可能导致证据链关联风险

生态依赖:

  • OpenClaw/Moltbook生态绑定,跨框架迁移成本未明

---

适合人群

  • 自主AI代理开发者:需在代理决策流中嵌入合规检查点的OpenClaw/n8n/LangGraph用户
  • 高频交易代理运营方:自动化签署ToS的SaaS代理、电商采购代理、云服务开通代理
  • DAO与链上组织:需要代理间协议存证的去中心化自治组织
  • 法律科技研究者:探索AI代理法律人格与电子证据交叉领域的实验者

---

常规风险提示

| 风险类型 | 说明 |
|:---|:---|
| **证据效力风险** | 去中心化见证(Moltbook/Bitcoin)的法律认可度因司法管辖区而异 |
| **操作顺序风险** | 必须在点击"同意"**前**执行捕获,事后补录无证明价值 |
| **规则误报风险** | 自定义规则可能产生假阳性/假阴性,建议配合人工抽查 |
| **密钥管理风险** | `RECEIPTS_MOLTBOOK_KEY` 需安全存储,泄露可能导致见证记录伪造 |
| **版本兼容性** | v0.4.0为早期版本,API可能变更,生产环境建议锁定版本 |

安全解读

核心用法

RECEIPTS Guard 是一款专为自主AI代理设计的协议证据捕获与风险分析工具,采用纯本地运行架构,无需云端API即可工作。其核心功能分为三大模块:

协议捕获模块:通过 capture 命令记录代理与第三方网站达成的服务条款(ToS)协议,支持显式同意(explicit)、隐式同意(implicit)和持续使用(continued_use)三种 consent 类型,可附加截图、DOM元素选择器等证据。

代理间承诺模块(v0.4.0新增):创新的 promise 命令支持记录AI代理之间的双向承诺——无论是代理主动做出的 outbound 承诺,还是接收的 inbound 承诺,均可形成完整证据链。

去中心化见证模块:通过 witness 命令将协议哈希锚定到 Moltbook 代理社交网络或 Bitcoin 区块链(OP_RETURN),构建不可篡改的时间戳证明。

框架集成能力:提供 beforeConsent 钩子函数,可深度集成 OpenClaw、n8n、LangGraph 等主流Agent框架,在同意前自动执行风险检测并返回 proceed/require_approval/block 建议。

显著优点

极致安全架构:零第三方npm依赖,仅使用 Node.js 内置模块(crypto/fs/path),从根本上消除供应链攻击风险。静态分析得分95分,动态行为分析96分,依赖审计99分。

隐私优先设计:所有数据严格本地存储于 ~/.openclaw/receipts/ 目录,无网络数据外泄风险,符合GDPR/CCPA合规要求,特别适合处理敏感商业协议。

法庭级证据输出:PDF导出功能生成包含文档哈希验证、同意时间线、风险分析与法律含义说明的专业证据包,可直接用于仲裁或诉讼场景。

灵活规则引擎:内置6大类风险检测(法律/财务/数据/控制/同意/承诺风险),支持通过 --add 参数自定义正则规则,满足加密、医疗、金融等垂直行业需求。

双向承诺追踪:业界罕见的Agent-to-Agent协议管理能力,不仅防御外部ToS风险,更主动管理代理对外做出的承诺,避免过度承诺导致的信用危机。

潜在缺点与局限性

法律专业性边界:工具仅基于正则表达式进行模式匹配,免责声明明确指出"NOT a substitute for legal review",复杂法律条款仍需专业律师审核。

手动配置依赖:去中心化见证功能需要用户手动配置 RECEIPTS_MOLTBOOK_KEY 等环境变量,Bitcoin锚定需外部工具配合,非开箱即用。

输入处理能力:当前版本对超长文档无硬性长度限制,极端情况下可能面临内存问题;截图证据为Base64存储,大容量截图会显著增加存储开销。

生态成熟度:作为T3来源的个人开发者项目,相比企业级合规工具,缺少SLA保障、7x24技术支持和长期维护承诺。

区块链成本:Bitcoin OP_RETURN 锚定需支付链上手续费,高频使用场景下成本不可忽视;Moltbook网络依赖特定Agent社交平台的持续运营。

适合的目标群体

自主AI代理运营方:运行OpenClaw、LangGraph等框架的AI Agent开发者,需要为代理的每一次协议同意建立审计追踪。

DAO与去中心化组织:依赖多代理协作的Web3项目,需要管理代理间承诺并生成链上可验证证据。

企业合规团队:在AI采购、SaaS订阅场景中需要批量审查ToS并留存证据的法务与采购部门。

AI安全研究者:关注Agent对齐与行为可解释性的研究人员,需要精细化记录代理决策过程。

高频协议签署用户:频繁注册新服务、试用AI工具的内容创作者与数字游民,需要自动化风险筛查。

使用风险

性能风险:PDF生成和哈希计算为CPU密集型操作,批量处理大量协议时可能阻塞主线程,建议在异步队列中执行。

存储膨胀风险:长期运行后 ~/.openclaw/receipts/ 目录可能积累大量历史记录,需建立定期归档清理机制。

误报/漏报风险:正则规则匹配存在固有局限,过于激进的自定义规则可能导致正常协议被拦截,或复杂措辞的风险条款未被识别。

证据采信风险:不同司法管辖区对电子证据的认定标准差异较大,PDF输出的"法庭级"声明需结合当地法律验证。

版本兼容性:框架集成依赖特定API设计,n8n/LangGraph等平台的版本迭代可能导致集成代码需要更新。

Receipts Guard 内容

手动下载zip · 15.0 kB
capture.jstext/javascript
请选择文件