amaru-source

该数据集是 `szl-holdings/amaru` GitHub 仓库在特定提交（SHA: 779a0d7e4e695d52a56f8f698383bba12c7a43a2）时间点的源代码快照镜像，于 2026-05-28T22:54:00Z 获取。数据集的核心内容是 Amaru 项目的完整源代码树，该项目是一个基于 Cardano 区块链的治理收据铸造与 Shor 编码溯源系统，旨在为 SZL Holdings 提供不可变的审计追踪层。数据集排除了 `.git/` 版本控制内部文件、`node_modules/` 依赖项以及大于 50 MB 的二进制文件（如视频或归档文件）。该数据集的主要用途是提供源代码的静态、可发现的快照，便于审查和验证，而非用于部署或机器学习训练。数据集的规范来源是 GitHub 仓库，本数据集是其镜像。许可证为专有（Proprietary）。

This dataset is a snapshot mirror of the `szl-holdings/amaru` GitHub repository at a specific commit (SHA: 779a0d7e4e695d52a56f8f698383bba12c7a43a2), captured on 2026-05-28T22:54:00Z. The core content is the complete source code tree of the Amaru project, which is a governance receipt minting and Shor encoding traceability system based on the Cardano blockchain, designed to provide an immutable audit trail layer for SZL Holdings. The dataset excludes `.git/` version control internal files, `node_modules/` dependencies, and binary files larger than 50 MB (such as videos or archives). Its primary purpose is to provide a static, discoverable snapshot of the source code for review and verification, rather than for deployment or machine learning training. The canonical source is the GitHub repository, and this dataset is its mirror. The license is proprietary.

原始信息汇总

数据集概述：amaru — Cardano-Anchored Governance Receipt Minting

该数据集/项目是一个基于Cardano锚定的治理收据铸造系统，专注于AI决策的可审计性和透明性。其核心功能是通过一个7轮脉（Chakra）调度器，将AI决策编码并生成字节完全一致、锚定于Cardano区块链的收据，满足IETF SCITT多收据透明性要求以及SZL Holdings Doctrine v6审计标准。

核心特性

• 治理与合规：面向AI治理，满足Doctrine v6审计要求。
• 形式化验证与安全：集成SLSA 3级、SBOM生成、CodeQL静态分析，并强制DCO（开发者原创证书）签署。
• 技术栈：基于Python开发，包含45个Python模块、2,883行Python源代码、7个脉轮内核模块。
• 引用与标识：拥有Zenodo DOI（10.5281/zenodo.20434276）和ORCID（0009-0001-0110-4173）。

架构

系统采用7轮脉架构，通过YAWAR事件总线（重放缓冲区·审计光纤）通信，流程如下：

1. C1-KALLPA (Root · Sense capacity) — 感知输入事件
2. C2-YACHAY (Sacral · Retrieve context) — 检索上下文
3. C3-RIMAY (Solar · Propose actions) — 提议动作
4. C4-YUYAY (Heart · Score via 9 AXES) — 通过9轴评分
5. C5-RUWAY (Throat · Execute) — 执行
6. C6-NAWI (Third-eye · Correlate tool calls) — 关联工具调用
7. C7-HATUN (Crown · Mint SHA-256 receipt) — 铸造SHA-256收据并锚定到Cardano

使用方式

• 克隆与安装：git clone https://github.com/szl-holdings/amaru.git
• 启动Sidecar收据API：在sidecar目录下安装并运行python -m amaru.overwatch
• 运行脉轮流水线：执行python src/amaru_scheduler.py
• 运行测试：使用python -m pytest tests/ sidecar/tests/ -v

非功能说明

• 非区块链L1或验证器集，仅在Cardano上写入收据哈希，不实现共识。
• 非代币或DeFi协议，不铸造代币或提供经济激励。
• 未针对高量级生产环境进行硬化，需额外限流和认证加固。
• 非通用审计日志，收据承载特定于治理AI决策的YUYAY 9轴评分和脉轮溯源。

相关仓库

• a11oy-platform：受控代理执行框架，调用amaru进行收据铸造。
• sentra：威胁遥测适配器，发布到Yawar总线。
• rosie：Khipu收据DAG，生成amaru锚定的字节串。
• vsp-otel：Lambda签名的OTel跨度，在amaru链中注册收据哈希。
• agi-forecast：AI安全度量，通过amaru锚定基准收据。
• szl-cookbook：模式与配方，amaru TypeScript绑定的参考实现。

引用与许可

• 引用格式：请参考README中的bibtex格式，DOI为10.5281/zenodo.20434276。
• 许可协议：Apache License 2.0。
• 贡献要求：所有提交需通过DCO（开发者原创证书）签名（git commit -s）。

搜集汇总

数据集介绍

构建方式

amaru-source 数据集构建于 SZL 解剖学架构之中，作为“大脑”（yuyay）角色，核心围绕 Cardano 区块链锚定的内存证明机制。其构建方式依托于七脉轮蛇形调度器（7-chakra serpentine scheduler）进行内存输入的分层调度，通过 Shor 编码器对内存数据进行编码，随后锚定至 Cardano 区块链，最终生成 DSSE 签名的收据。这一流水线式架构（Memory Input → Scheduler → Shor Encoder → Cardano Anchor → DSSE Receipt）确保了数据来源在链上的可验证性与不可篡改性，同时为后续的 uds-mesh 与 rosie 平台提供了结构化的治理溯源基础。

特点

该数据集的核心特点在于其创新的多层次治理溯源机制：采用七脉轮蛇形调度器实现时间维度的序列化控制，结合 Shor 编码对内存来源进行量子安全的溯源标记。Cardano 区块链的锚定使得每一次内存证明都具备分布式账本的不可篡改特性，而 DSSE 签名格式则进一步确保了收据的完整性与身份验证。数据集还体现了与形式化验证（Lean4）和智能体 AI 治理的深度关联，其跨平台链接（如 demo、platform、anatomy map）展示了从数据到应用的完整生态闭环，从而为去中心化 AI 治理提供了可审计的信任锚点。

使用方法

数据集的使用方法围绕其架构中的关键组件展开：开发者可通过访问 HuggingFace 上的镜像仓库（hub.szl-holdings.com/amaru-source）获取原始数据，或通过 GitHub 官方源（github.com/szl-holdings/amaru）进行代码级集成。数据集适用于需要 Cardano 锚定内存证明的场景，例如智能体 AI 的治理日志记录、DSSC 合规性验证以及 Shor 编码溯源分析。用户可结合官方提供的实时演示（amaru-memory-attestation 和 amaru-platform）进行交互式验证，并通过 BibTeX 引用文献（DOI: 10.5281/zenodo.20434276）在学术研究中引用该工作。需注意当前许可证为专有协议（LicenseRef-SZL-Proprietary），未来可能过渡至 Apache-2.0。

背景与挑战

背景概述

在去中心化治理与人工智能系统可信性日益交织的背景下，由Stephen P. Lutar主导、SZLHOLDINGS机构于2026年发布的amaru-source数据集，旨在为代理型AI治理提供一种可形式化验证的内存证明机制。该数据集以Cardano区块链为锚点，整合了七脉轮蛇形调度器与Shor编码溯源技术，构建了由DSSE签名的收据链体系。其核心研究问题聚焦于如何通过区块链锚定与形式化验证（依托Lean4）确保AI代理行为的可审计性与不可篡改性，在Ouroboros形式化验证框架的支撑下，该数据集对去中心化智能治理领域产生了范式级影响。

当前挑战

该数据集所应对的领域挑战在于，现有代理型AI系统缺乏统一且可验证的治理基础设施，导致决策过程不透明、责任归属模糊。具体而言，amaru-source通过Cardano锚定与Shor编码实现了内存级证明的可溯源审计，但构建过程中面临多重困难：其一，蛇形调度器与七脉轮架构的集成需同步处理时序约束与状态一致性；其二，DSSE收据格式的兼容性在跨链交互中易产生歧义；其三，当前专有许可（LicenseRef-SZL-Proprietary）限制阻碍了开源社区的协作验证，而向Apache-2.0迁移的决策悬而未决，进一步延缓了形式化证明的社区审查进程。

常用场景

经典使用场景

amaru-source数据集旨在为基于Cardano锚定的内存证明机制提供可验证的源数据支持，其核心应用场景在于构建去中心化治理中的可信记忆层。该数据集将内存状态通过七脉轮蛇形调度器进行结构化处理，并经由Shor编码实现来源追踪，最终锚定至Cardano区块链，生成DSSE签名的治理收据。这一流程使得amaru成为Agentic AI治理体系中的关键组件，为形式化验证与AI决策的可追溯性提供了坚实的数据基础。

衍生相关工作

基于amaru-source数据集，衍生了一系列开创性工作。Ouroboros项目（Lutar, 2026）利用该数据集对Agentic AI治理进行了形式化验证，并提出了v18.0版本的完整公理体系。此外，SZLHOLDINGS团队开发的amaru-memory-attestation交互式演示和amaru-platform平台，展示了七脉轮调度器在实际模拟环境中的调度逻辑。anatomy项目则进一步将amaru-source整合进SZL体系结构图谱，探索脑机接口治理与多代理记忆共享机制，拓展了区块链锚定治理的理念边界。

数据集最近研究

最新研究方向

在区块链治理与人工智能安全交叉的前沿领域，amaru-source数据集所代表的Cardano锚定内存认证技术正引领着去中心化治理凭证的可信铸造方向。该研究聚焦于运用七脉轮蛇形调度器与Shor编码溯源机制，构建基于DSSE签名的治理收据链，为智能体AI的形式化验证提供了新的锚点。结合SLSA供应链安全与形式化验证（如Lean4）的融合趋势，这一方向在2025-2026年间与可验证计算和去中心化身份的热点事件紧密交织，旨在解决AI治理中内存状态的不可篡改性与来源可追溯性难题，其意义在于为可信代理系统确立一个不可伪造的、基于区块链的硬件级信任根。