Escepine

大家好，

我们打造 Escepine，是因为大语言模型虽然擅长推理，却不适合作为生产环境中可靠的控制平面。如果你构建过超过 10 个步骤的智能体工作流，很可能已经见识过 Lusser 定律如何摧毁运行可靠性——错误不断累积，上下文膨胀，智能体陷入无限循环，一夜之间耗尽 API 预算。

传统护栏内置于提示词中，这意味着提示词消失时，护栏也会随之失效。

Escepine 引入了解耦式范式：模型只专注于一项工作（规划和推理），其余十项任务则由我们的智能体执行引擎负责，包括状态、模式、安全、边界和路由。无论你使用的是 LangGraph、Temporal、LiteLLM 还是 E2B，我们都能接入现有技术栈，利用确定性机制处理非确定性输入，确保输出结果稳定可预测。

我们如何在执行层实施运行时管控：

• 执行边界：运行时强制设置迭代次数上限和超时时间，在 API 调用量激增并导致费用飙升之前终止失控的调用循环。

• 上下文剪枝：自动回收较早的工具输出 token，防止指令偏移。

• 不可变状态账本：完整记录每一步的证据，以便即时回放并调试无提示的步骤跳过或幻觉级联问题。

• 临时沙箱：提供相互隔离的临时容器，并为每个容器配置加密身份；运行结束的瞬间，系统便会撤销其访问权限。

我们目前正在接入首批团队。非常希望听到各位工程师的见解：当你们的智能体链从预发布环境迁移到生产环境时，最大的故障诱因是什么？让我们一起探讨架构！