GOAI 世界人工智能开源大赛赛道二“无界应用 Boundless Agents”作品，行业方向为 AI+工业制造。
VisionData Gate 面向工业视觉算法工程师和数据治理团队，把“数据批次能否进入实验训练池”组织成一条可运行的 Agent 业务闭环：理解审核目标、调用五类检查工具、依据中间证据动态补证、生成整改工单、在保留副本上修复、按同一合同复验，并交付可校验的 GateResult 与证据包。
项目主叙事是行业应用。Agent Infra 是后台可信能力，用于 typed task、工具白名单、证据触发调度、失败关闭、reason trace 和 adapter 复用；不把框架本身当作用户价值。
| 评委问题 | 回答 |
|---|---|
| 谁在使用？ | 工业视觉算法工程师与数据治理团队 |
| 解决什么问题？ | 在图像、标注和元数据进入实验训练池前完成审核、补证、整改与复验 |
| 为什么需要 Agent？ | 首轮工具证据可能暴露新缺口或冲突，后续任务不能总由固定 DAG 预先写死 |
| 核心创新是什么？ | 证据驱动的动态 Agent 重规划：先取证和初裁，再决定是否激活补证 Skill/Worker |
| 最终交付什么？ | GateResult、findings、整改工单、规则检查、reason trace、证据矩阵与 SHA-256 |
| 如何证明？ | 288 条同协议架构实验、Omni-180 固定公开 pilot、可重放证据与失败关闭反例 |
评委建议从在线 Demo开始，再按 docs/00_OVERVIEW.md 的五分钟路径抽查代码与证据。
当前提交发布入口为 v0.1.0-goai-rc2，五个作品附件的独立摘要见 release/SHA256SUMS.txt。RC2 只关闭跨平台发布门禁与开源许可，不改变冻结的 vdg-20260816-rc1 实验数据、结论和证据哈希；历史 RC1 tag 与 ZIP 保持不移动、不覆盖。
提交图像批次、标注、元数据和审核目标
→ Manager 校验合同、场景与权限
→ Leader 并行调度五类只读 Worker
→ 首次 Policy Judge 形成中间结论
→ 证据异常时动态增派 Worker 补证/对账/转调查
→ 再次裁决并生成整改工单
→ 在保留副本上执行允许的整改
→ 按原合同复验
→ 交付 GateResult、evidence matrix、reason trace 和 SHA-256
最终结果不是聊天文本，而是结构化结论、findings、work orders、rule checks、工具 trace、证据矩阵和可验证交付凭证。
| 维度 | 普通 Chat Agent | 固定 Workflow | VisionData Gate |
|---|---|---|---|
| 目标 | 回答问题 | 执行预设步骤 | 形成可执行的数据发布结论 |
| 事实依据 | 语言上下文 | 节点输出 | 版本化工具证据与冻结规则 |
| 任务结构 | 对话轮次 | 固定 DAG | 首轮取证后按证据重规划 |
| 错误处理 | 重新生成 | 节点重试 | DEFER / RECAPTURE / rollback / 转调查 |
| 最终输出 | 文本 | 流程结果 | GateResult、工单、trace 与 Evidence Package |
| 可审计性 | 依赖回答引用 | 依赖运行日志 | 工具 → finding → 工单 → rule check → recheck 可追踪 |
- 已工程实现：工作台、Reviewer Mode、REST API、五类工具、证据触发 Dynamic Leader、Frozen Policy Judge、整改工单、同合同复验和证据包均已接入本地可运行闭环。
- 已公开数据实跑：固定 180 张公开图像完成 Policy Gate，触发 1 次重规划、3 个动态 Worker、45 条 findings 与 45 张工单，8 项规则检查通过，结论为
RECAPTURE。 - 下一阶段外部验收：客户 shadow test、工厂只读接入、生产 IAM/部署、外部 LLM 与 hosted AgentTeams transport 需要相应外部主体或平台回执。
第三层是把已完成能力扩展到外部环境所需的新证据，不反向否定前两层。机器可读证明见 evidence/submission/vdg-20260816-rc1/scenario_delivery_receipt.json。
- 企业工作台：项目、审核任务、审核记录、能力目录、API 接入和安全边界；
- 评审模式：应用故事、三级场景证明、动态重规划 Canvas、ArchBench-v2 负结论和 Claim Scope；
- 在线评委 Demo：https://dukeandbaron.github.io/visiondata-gate/，交互展示固定公开运行与证据触发 Canvas；
- REST API：企业 Agent、SaaS 或数据流水线可提交任务并下载 trace/证据；
- CLI/脚本：生成演示、运行 benchmark、校验 release 和构建候选包。
在线页面是 Omni-180-v1 固定公开运行的评审入口，不伪装成生产 SaaS；完整 Gate Runtime、任务存储与 API 按“快速开始”在本地运行。
image_quality：解码、尺寸、曝光和清晰度；duplicate_leakage：精确/近似重复与跨划分泄漏；annotation_integrity：标注缺失和图像/标注尺寸一致性；coverage_matrix：视角、条件和场景覆盖；governance_audit：元数据漂移、范围和授权边界。
工具事实优先于 AI 角色意见。Worker 无权覆盖工具数值或直接放行，冻结 Policy Judge 负责最终门禁；必需工具缺失、失败或证据不足时系统失败关闭。
固定 DAG 只适合已知 SOP。VisionData Gate 会先完成静态工具波次和首次裁决，再根据中间证据决定是否创建新任务。
flowchart LR
A["批次合同"] --> B["五类工具取证"]
B --> C["首次 Policy Judge"]
C --> D{"新证据改变后续任务？"}
D -- "否" --> E["按固定 SOP 交付"]
D -- "是" --> F["Leader 重规划"]
F --> G["激活补证 Skill / Worker"]
G --> H["再次 Policy Judge"]
H --> I["工单 + Evidence Package"]
这不是为了证明“多 Agent 天生更强”。ArchBench-v2 的 288 条同协议记录反而表明：固定 SOP 下，传统流水线、单 Agent 和多 Agent 的质量相同。动态 Worker 只在中间证据确实改变后续任务时才有必要。
Omni-180-v1 公开图像 pilot 中检测到：
- metadata 与文件树数量漂移 15；
- 28 个原生分辨率组；
- 2 个样本存在跨工具处置冲突。
Leader 随后发生 1 次 replan，动态增派 3 个 Worker，完成对账、分组补证和冲突复核；最终 RECAPTURE，形成 45 条 finding 和 45 张整改工单，其中 2 条为 INVESTIGATE。
| 名称 | 固定分母 | 结果 | 边界 |
|---|---|---|---|
| Synthetic-v3 | 12 个注入真值问题 | 初始 RECAPTURE，修复后 PASS，F1 1.00 |
合成工程闭环 |
| ArchBench-v2 | 288 条同协议记录 | 三架构错误放行率 0%、成功率/稳定率 100%、F1 0.96 | 不证明多 Agent 普遍优越 |
| Omni-180-v1 | 180 张固定公开图像 | 1 次 replan、3 个动态 Worker、45 条工单、RECAPTURE |
已完成固定公开数据 pilot |
ArchBench-v2 的诚实结论是：固定 SOP 下，传统流水线、单 Agent 与多 Agent 的质量和稳定性相同，多 Agent 必要性未被支持；多 Agent 的合理边界是“中间证据改变后续任务”。
Omni 源树包含 4,464 张图像和 1,439 个 masks，但只完成结构/解码审计；Policy Gate 的固定分母是 180，不能写成全量认证。
环境：Windows、Python 3.12。项目已锁定 uv.lock。
.\setup_env.ps1
.\run_app.ps1工作台默认地址：http://127.0.0.1:8502。
启动 API：
.\run_api.ps1API 文档：http://127.0.0.1:8787/docs。请求示例见 docs/API_QUICKSTART.md。
生成本地演示闭环：
.\run_demo.ps1公开证据位于 evidence/submission/vdg-20260816-rc1/。它只包含脱敏 JSON，不包含原图、mask、类别名、原始文件名或私有绝对路径。
.\.venv\Scripts\python.exe tools\check_release_consistency.py该命令交叉校验 ArchBench-v2 的 288 条记录、Omni-180-v1 的固定分母、dynamic plan、GateResult、场景交付凭证和 SHA-256。任一缺失、事实漂移或篡改都会失败。
若本地保留了 Release 的全部五个附件，可进一步执行：
uv run python tools/check_release_assets.py --require-all该命令逐字节核验 PDF、PPTX、演示视频、detached receipt 与冻结 ZIP；干净 Git checkout 中缺少被忽略的 ZIP 时，CI 会改用 receipt 中冻结的文件名、大小和摘要交叉约束该条目。
.\.venv\Scripts\python.exe -m pytest -q
.\.venv\Scripts\ruff.exe check .
.\.venv\Scripts\ruff.exe format --check .
.\.venv\Scripts\python.exe -m compileall -q src app.py tools最终测试数量写入 release_manifest.json，不在 README 中硬编码，以避免新增测试后材料失真。
项目代码采用 Apache License 2.0。版权与项目 NOTICE 见
NOTICE；54 个锁定第三方依赖的 SPDX 表达式、精确版本与人工
复核哈希见 docs/THIRD_PARTY_NOTICES.md、
docs/THIRD_PARTY_LICENSE_INVENTORY.generated.md
和 docs/SBOM.cdx.json。源码候选包不内嵌第三方
Python distributions、模型权重或外部数据集。
项目提供 AgentTeams v1.2.2 Worker/Team 资源、Skill 分发计划、静态 conformance receipt 和真实运行回执校验器。当前状态为：
- 静态契约：
PASS； - runtime transport：
OPEN； - connection status：
mapped_not_connected。
在 Team Active、成员 Ready、Matrix assignment 和 Skill assignment 原始回执及 SHA-256 全部存在前，不声称 hosted AgentTeams/Matrix 已连接。
- 本地
PASS只允许批次进入sandbox_experiment_training_pool； - 生产写回和生产批准始终需要真实授权主体；
- AI Council 是本地确定性角色，不是真人专家或外部模型；
- 本版本以本地确定性 Runtime 完成并验证闭环，actual model calls 和模型费用均为 0；
- 客户验收、工厂部署、生产 IAM 和官网提交回执属于下一阶段的外部验收证据；
- 顶层开源许可证与 NOTICE 由权利主体在发布前确认。
完整边界见 docs/CLAIM_SCOPE.md，完整技术路线见 docs/BOUNDLESS_AGENTS_TECHNICAL_ROUTE.md。
app.py 企业工作台与评审模式
src/visiondata_gate/ Runtime、工具、策略、API、证据和构包逻辑
skills/ 可复用 Skill 契约
agentteams/ AgentTeams v1.2.2 静态资源
evidence/submission/ 脱敏公开 release
docs/ 运行、技术路线、表单和边界材料
deliverables/ 路演、PDF 和演示视频
10_reports/ 最终 QA 与交付回执