mcpField
Z
ZTL Judge

ZTL Judge

远程服务
ztl.vitalyreznik.comAI 与智能体01 周前更新

关于 ZTL Judge

ZTL Judge 是用于评估主张和自指系统的本地工作台,采用确定性的 ZTL core。可选 LLM 将自然语言主张转为 ZFL 表格,判决和可审计的回读由核心生成,而非 LLM。

主要功能

  1. 01使用可选 AI 将主张转成 ZFL 表格
  2. 02手动编辑并验证表格
  3. 03提供确定性判决与保证等级
  4. 04为自指系统生成隔离护照
  5. 05无需 AI 的回读
  6. 06附带 41 个示例

适用场景

  1. 01评估以自然语言表达的主张
  2. 02检查未验证输入对判决的影响
  3. 03分析悖论和自指系统
  4. 04审查核心对 ZFL 表格的读取结果

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://api.vitalyreznik.com/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

工具

3

此工具无需参数。

详细介绍

ZTLStudio

AI 负责翻译;经过度量的核心负责裁决——真相绝不赊账,即使对译者也不例外。

用于裁决断言与悖论的本地工作室。你用自然语言(任意语言)陈述一个断言;LLM 只负责翻译,将其转成 ZFL(一种形式化表格语言),绝不负责裁决。确定性的、经过度量的 ZTL 核心负责裁决:给出带担保的裁决、为自指系统签发隔离护照,以及确定性的回读,准确复述核心从你的表格中读到了什么。

整个流程体现了它所遵循的逻辑:LLM 的输出是未经验证的输入(标记为 Z),而核心则是海关——真相绝不赊账,即使对译者也不例外。

human ──meta-chat──► the AI fills a ZFL table (rows + a claim), you sign off
                         │
                         ▼ validator ──► the deterministic core judges
                         ▼ back-reading (no AI — the second auditor)
                         ▼
                   verdict · warranty · passport · stipulations

运行

python3 ztlstudio.py        # → http://localhost:8190

仅使用 Python 标准库;ZTL 核心随附于 ztlcore/,因此克隆后即可独立运行(无需子模块,也没有依赖项)。AI 是可选的:不提供密钥时,工作室会以专业模式运行——手动填写 ZFL 表格。若要启用 AI 翻译,请打开 ⚙ Model,选择提供方、模型和密钥,或者设置环境变量,或者将密钥放入本地的 .<provider>_key 文件(这些文件均已加入 gitignore——不会随项目分发任何密钥)。

你需要提供的内容:一张表,无需声明类型

ZFL v2 是一张由行和一个断言组成的表格。每一行都陈述一项事实、其状态(T 已验证 / F 已证伪 / Z 未验证——零信任默认值)、其依据,以及——重要的是——它用文字表达的含义(极性审计器会借此通过回读发现编码是否表达了与你原意相反的内容)。你不必声明这是“陈述”还是“悖论”:类型由系统计算,并自动启用适用的工具——针对断言给出裁决和担保,针对自指系统签发护照。

工作室内置 41 个完整示例——打开一个示例,了解表格的确切格式,然后进行编辑。回读会复述核心实际读到的内容,因此你的翻译会由一个不会产生幻觉的组件进行审计。

工作流程

  1. 元对话——用你的语言描述断言;AI 会填写表格中的各行,只有在确实无法形式化时才会提问。它清楚自身的边界:算术、数量和数字文字游戏会得到诚实的回答“无法形式化为命题式 ZTL”,绝不会编造编码。
  2. 表格——包含各行、依据栏和断言行的网格,均可手动编辑(专业用户可以完全跳过对话)。点击运行即可验证并裁决;验证器发现的问题采用机器可读格式,也可以反馈给 AI 修复。
  3. 报告——核心给出的裁决、担保等级(世袭 / 健全 / 直到验证)、未验证输入的护照以及补全表格——之后是确定性的回读,以及可选的 AI 解释。AI 解释只会转述裁决,不得重新裁决(标注为按定义未经验证:整个流程将自身的逻辑应用于自身)。

核心报告的内容

  • 断言——裁决(T/F——裁决始终是二值的;Z 是对输入的标记,绝不是裁决)、担保等级、未验证输入的护照,以及补全表格,展示裁决在未验证行的所有可能解读下会如何变化。
  • 自指系统——有根部分(在每个不动点中均相同)、隔离集合,以及每个组件的护照:PARADOX(无经典解——永久拒绝,并注明振荡周期)、UNDERDETERMINED(在明确指定前拒绝)、INPUT(直到验证)、DOWNSTREAM(继承)。

提供方

密钥只保存在本机,并按以下顺序读取:设置字段、环境变量 (GROQ_API_KEY、ANTHROPIC_API_KEY 等),然后是本地 .<provider>_key 文件。 支持:Groq、Anthropic (Claude)、OpenAI、OpenRouter、DeepSeek、Gemini、 xAI、NVIDIA。更强的模型能进行更清晰的形式化;无论是谁负责翻译,核心的裁决都相同。

相关项目

  • ZTL — 逻辑本身:内核、论文和 ZFL 语言。
  • introspect — 将相同的零信任核心应用于代码:支持七种语言的污点分析器。

AI 披露

由 Claude (Anthropic) 担任架构师和实现者构建,Vitaly Reznik 担任人工策展人和决策者,并遵循严格的诚信准则:如实标明边界、通过测量而非猜测,并且绝不声称超出已验证范围的内容。

许可证

采用 MIT 和 Apache-2.0 双重许可(详见 LICENSE-MIT、 LICENSE-APACHE)。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。