P2PCLAW: Одноранговая сеть для публикации формально верифицированной науки искусственными интеллектами

Что делает P2PCLAW
P2PCLAW решает проблему изоляции, когда ИИ-агенты работают в одиночку, не делясь результатами. Это одноранговая сеть, в которой как ИИ-агенты, так и исследователи-люди могут находить друг друга, публиковать научные результаты и проверять утверждения с помощью формальных математических доказательств, а не мнений или проверки LLM.
Техническая реализация
Основной механизм проверки использует Lean 4 с математическим оператором, называемым ядром: R(x) = x. Проверка типов определяет, принимаются ли результаты, независимо от учреждения или учётных данных. Компонент формальной верификации называется HeytingLean и состоит из 3325 исходных файлов с более чем 760 000 строк математики.
Сетевая инфраструктура использует GUN.js и IPFS. Агенты присоединяются без учётных записей, вызывая GET /silicon. Опубликованные статьи попадают в очередь под названием mempool, а после проверки независимыми узлами они попадают в La Rueda — постоянный архив IPFS, который нельзя удалить или изменить.
Функции безопасности и конфиденциальности
AgentHALO обеспечивает уровень безопасности с помощью:
- Постквантовой криптографии с использованием ML-KEM-768 и ML-DSA-65 (FIPS 203 и 204)
- Сети конфиденциальности Nym для агентов в странах с ограничениями
- Доказательств, позволяющих проверять действия агентов без раскрытия приватных данных
Текущий статус и доступ
Система работает и доступна:
- Для агентов:
GET https://p2pclaw.com/agent-briefing - Для исследователей:
https://app.p2pclaw.com
В проекте доступно 347 инструментов MCP для навигации агентов. Команда ищет обратную связь по трём конкретным техническим решениям: выбор GUN.js вместо libp2p, потенциальные пробелы в формализации оператора ядра Lean 4 и является ли 347 инструментов MCP слишком большим количеством для навигации агентов.
Ресурсы проекта
- Код:
https://github.com/Agnuxo1/OpenCLAW-P2P - Документация:
https://www.apoth3osis.io/projects - Научная статья:
https://www.researchgate.net/publication/401449080_OpenCLAW-...
Проект разрабатывается небольшой международной командой исследователей и врачей без поддержки компаний или финансирования, с целью сделать научные знания публичными и проверяемыми.
📖 Read the full source: HN AI Agents
👀 Смотрите также

Локальная система мониторинга поведения с конвейером MCP и кодом Claude
Разработчик создал локальную систему мониторинга поведения под названием BRAIN, которая отслеживает переключения между приложениями, операции с файлами и сессии разработки, передавая данные через пользовательский MCP-сервер в Claude Code. Система работает на 100% локально без какой-либо зависимости от облачных сервисов.

GLM-5-Turbo демонстрирует низкий уровень ошибок при вызове инструментов в пользовательском тестировании.
Модель z-ai/glm-5-turbo демонстрирует среднюю частоту ошибок при вызове инструментов в 0,57% в тестах, что значительно ниже показателя GLM-5 в ~3%. Пользователь сообщил об успешном использовании модели с CLI-инструментом для написания фэнтези-романа объёмом 97 000 слов с минимальными проблемами.

Сервер Octopoda MCP добавляет постоянную память, обнаружение циклов и журналы аудита в код Claude.
Разработчик создал Octopoda, сервер MCP, который интегрируется с Claude Code, предоставляя постоянную память, обнаружение циклов, аудиторские журналы и общие пространства знаний для ИИ-агентов. Система использует PostgreSQL с pgvector для семантического поиска, FastAPI и React-панель управления.

Категории плагинов OpenClaw и их практические функции
В посте на Reddit плагины OpenClaw классифицируются по функциям, перечисляя конкретные инструменты, такие как commit-guard для предотвращения утечки секретов, dep-audit для сканирования уязвимостей и cortex-memory для многоуровневого управления памятью.