Aurora

嘿 Product Hunt 的朋友们！

我开发 Aurora 源于一个一直困扰我的问题：我把数据集交给大语言模型，它会自信地给出一堆数字和结论，但我根本没法分辨哪些是真的，哪些是它编出来的。对于真正重要的工作来说，这是完全不可接受的——而且更大的模型也解决不了这个问题。

所以 Aurora 重构了架构。实际计算工作由经典统计方法完成，包括变点检测、隐马尔可夫模型状态划分、异常一致性检验、格兰杰因果分析、预测等超过 17 种方法。本地大语言模型只负责把结果自然语言化，而且它只能说那些可以追溯到对应计算方法的内容。每个结论都附带了使用方法、显著性和数据来源。「零编造」不是营销口号——它是可审计的，也是这个工具的核心意义所在。

它 100% 在你的本地机器运行——不需要云服务，不需要 API 密钥，你的数据永远不会离开你的设备。它包含一个供人使用的工作台，还提供了 MCP 服务器和 Python SDK，因此 AI 代理（Claude Desktop、Cursor、自定义代理）在需要真实计算而非瞎猜的时候，可以调用它。

它是开源项目（Apache 2.0 许可证），说实话目前还有很多不完善的地方——我公开更新变更日志，包括那些还不能正常工作的功能。

我真诚希望能得到关于以下问题的反馈：计算与叙述分离的架构经得起推敲吗？对于处理重要数据的 AI 工具，你需要做到哪些点才会信任它？

感谢大家关注——我今天全天都会在这里回答所有问题。