HallucC — Hallucination & Safety Guardian

智能体冰墙（童锁/保险丝）：agent 每执行一步前调用一次，做单步幻觉护栏 + 会话级风险累积熔断。响应的 action 字段是唯一需要看的：allow/warn 放行、block 本步拦截、frozen=整场立即停机（风险累积超阈值或命中捏造工具等零容忍项，冻结期间任何动作都不应执行）。熔断条件：block=3分/warn=1分累积 ≥10、连续 3 次 block、或一次命中捏造工具/参数 Schema 违规；冷却 5 分钟自动解冻，或用户手动 reset。session_id 由你在整个 agent 任务内自定复用（状态在云端账号下，本地零安装零存储）。传入 tool_schemas 工具注册表可启用捏造工具/参数校验（强烈建议）。耗额度。与 check_cua_actions（CUA 桌面动作分级）正交：本工具管 LLM agent 的幻觉失控。

Computer-Use Agent 动作风险分级。提交动作轨迹 → 逐步返回 L0(放行)/L1(放行+记录)/L2(需确认)/L3(阻断)/takeover(凭据场景挂起等用户亲手输入) 裁决、matched_rules、outcome，及 L0-L3 汇总计数；响应含 ruleset_version（规则库版本）与 disclaimer（本结果仅为分级参考，未执行实际拦截）。覆盖：敏感路径/破坏性命令/不可逆元素语义、域名分级（未知域导航 L2、黑名单域与敏感粘贴到未知域 L3、支付金额超阈值 L3）、凭据词表与支付/登录域 takeover、task_scope 任务意图偏离（越界升一级，只能收窄）、多智能体委托链字段（每条动作可选 chain_id/agent_id/parent_agent_id/delegation_depth，给了则服务端追加链级跨跳污点分析：跨 agent 传播时聚合级别抬到 L3 并置 risk_diluted，返回在 chain_trace 字段；未给则零影响）。纯规则判定，不调 LLM、不耗额度。用于在 agent 执行前/后做安全自检。

CUA 代码审计：静态分析 Agent 源码，检测危险导入（subprocess/os.system 等）、权限边界（eval/exec）、注入面（字符串拼接 shell）、危险默认值、沙箱缺失。纯规则扫描，不调 LLM、不耗额度。支持单文件或多文件扫描。

AI 安全网关检测。对 prompt + output 跑 OWASP LLM Top 10 三层检测：40+ 特征规则引擎（注入/越狱/有害内容/敏感信息泄露/欺诈）+ 可选 LLM 深度分析 + 可选幻觉检测。返回 passed、risk_score、risk_level、threats[]（category/severity/match_context/recommendation）、quota。fast=true 走纯规则 <10ms 模式。耗 detect 额度（fast 亦计入）。

手动解冻被冰墙冻结的 agent 会话（用户确认安全后调用）。was_frozen=false 表示该会话本就没冻结（幂等）。解冻后风险分归零。

Agent 输出与轨迹自检。对最终回答跑逐声明幻觉核验，并对执行轨迹做六维结构化评估（事实性/来源/指令合规/工具声明一致/任务完成/反思）。返回 main.claims、steps[].checks、quota。耗 detect 额度。

逐声明幻觉核验。输入文本 → 提取声明 → 逐声明验证（supported/refuted/unverified）+ 来源引用。返回红/黄/绿汇总、每条声明的状态/置信度/理由/来源、citations、quota。耗 detect 额度（与 Web 端同源）。