Brevet

网站 · 文档 · 论文 · PyPI · CHAP

AI Agent 现在会在工作过程中改变自身行为。它们会保存记忆、编写新技能，还会编辑自己的指令。这些变化中有很多确实有帮助。然而，这些变化都没有经过组织在有人改变工作方式时所期望的流程。没有人记录变更，没有人批准变更，而且一旦发现变更有误，也没有旧版本可供回退。

Brevet 为此引入了这些流程。它是一个本地优先的 Python 运行时，负责封装你已有的 Agent，并将其学习过程作为受治理的演进循环来运行。专家纠正 Agent 的草稿时，Brevet 会将这项纠正及其原因记录为一条覆盖记录。在离线的 dream 周期中，反复出现的覆盖记录会成为候选能力：它们是拟议的规则和其他学习到的行为，不具备任何权限。在 dawn 审核关卡，指定的人类或任务组（承担问责责任的评审委员会）会决定晋升哪些候选项。随后，这些覆盖记录会作为 eval 重放，而保守关卡会阻止任何导致其中一半以上结果变差的发布。晋升的能力会随附带签名的发布版本一起交付，并列在 capabilities.lock 中；如果某项能力被证实有误，可以将其召回，并标记所有包含它的发布版本。每个步骤都会记录在哈希链式的证据链上。

Agent 提出变更；证据负责测试；人类负责晋升； 运行时只会执行带签名的版本。

一个具体示例

某制药厂的质量审核员会检查 Agent 对每个设备问题的严重程度评级。Agent 将清洁期间水泵的振动评为轻微。她每次都会将其改为严重，因为这种振动是密封件磨损的早期迹象。经过四次覆盖后，梦境周期提出了一条候选规则。黎明时，她所在的任务组将其提升，该规则随 0.2.0 版本一同发布，并写入其 capabilities.lock。几个月后，工程师发现振动是由传感器故障导致的，于是任务组撤回该规则，Brevet 将 0.2.0 版本标记出来。

import brevet

agent = brevet.wrap(triage_agent)          # wrap the agent you already have

# Work and override: the agent drafts; the reviewer corrects the draft and says why.
result = agent.run("Pump P-301: vibration high during cleaning",
                   task_family="equipment_triage")
agent.record_final(result.task_id, "severity: major",
                   participant="human:[email protected]",
                   rationale="Vibration during cleaning is an early sign of seal wear.",
                   tags=["vibration-during-cleaning"])

# Dream: once the same override keeps recurring, it becomes a candidate.
agent.dream()
candidates = agent.dawn()                   # the dawn queue
rule = next(c for c in candidates if c.kind == "prompt_rule")

# Dawn: a named mission group promotes the rule and the eval cases compiled
# with it. A dream:* approver is rejected.
for cap in candidates:
    agent.dawn(decide=(cap.capability_id, "promote"),
               approver="mission_group:quality_team")

# Evals: replay the overrides as tests, on the current release and on the next.
before = agent.evaluate(baseline=True)
#    ...the agent now receives the promoted rule with each task...
after = agent.evaluate()

# Release: bound to those two runs, and refused unless the conservative gate passes.
agent.release(to_version="0.2.0", channel="trial",
              approver="mission_group:quality_team", evals=(before, after))

# Recall: the rule proves wrong. Then verify the whole evidence chain.
agent.recall(rule.capability_id, reason="The vibration came from a faulty sensor.",
             issued_by="mission_group:quality_team")
agent.verify()

快速入门

pip install brevet
brevet demo                  # the whole loop as one command
brevet playground            # step through the loop in your browser

所有操作都在你自己的机器上运行，无需模型或网络连接。要运行上面的示例，请安装 Brevet、克隆仓库，然后运行 python examples/pump_vibration.py。要浏览可点击的引导演示，请在浏览器中打开克隆仓库里的 docs/demo.html。

兼容你已有的 Agent

brevet.wrap() 可识别使用 LangGraph、Claude Agent SDK、 DeepAgents、AutoGen、LlamaIndex、Pydantic AI、Google Agent Development Kit、 CrewAI 和 OpenAI Agents SDK 构建的 Agent，也接受任何 Python 函数。你的 框架仍负责运行 Agent；Brevet 会在每项任务中提供受治理的规则，并在框架提供工具接口的情况下，根据版本声明的层级检查每次工具调用。uvx brevet mcp 可向任何 MCP 客户端提供采集、 审核、发布和撤回功能 （ABOUT.md 展示了配置方法），而 examples/claude-cowork 则利用它治理 Claude 自身的学习内容。

专为生产环境打造

每项决策都可以要求审批者签名，并根据允许签名者文件或 GitHub 检查其密钥。版本与支撑其指标的评估运行记录绑定，且任何版本都可以回滚。被撤回的规则不会提供给运行中的 Agent，并要求 Agent 留下确认记录。工具代理会根据清单授予的层级检查 Agent 的工具调用；证据链锚定在工作区之外，因此即使证据链被重写，也能被发现。ABOUT.md 展示了如何启用每项功能：参见 签名审批和 在生产环境中运行。

了解更多

• ABOUT.md：七个阶段、权限阶梯、支持的框架、MCP 服务和命令、Brevet 与 CHAP 和 Metis 的关系，以及仓库的组织方式。
• GLOSSARY.md：所有术语，并优先给出通俗释义。
• SPEC.md：所有实现都必须遵循的规则。
• BENCHMARK.md：受治理的适应性基准测试；brevet benchmark 会根据四个维度为工作区评分。

引用

如果在研究中使用 Brevet，请按照 CITATION.cff 中的说明引用。配套论文为 Brevet: Change Control for What Self-Evolving AI Agents Learn（Shahid、Suttie 和 Black，2026 年）。

许可证

Apache-2.0。请参阅 LICENSE。Brevet 是 Brightbeam 项目。