了解你的 AI 何时在胡编乱造。
Arkheia 使用行为指纹技术筛选模型响应中的虚构内容。适用于 Claude、GPT、Gemini、Grok、Llama、Mistral 及其他 30 多种模型。只需一次工具调用，即可获得实时风险评分。
免费层级：每月 1,500 次检测。无需信用卡。
npx @arkheia/mcp-server安装程序将设置 Python 环境、克隆服务器并配置所有内容。大约需要 60 秒。
你需要：
Node.js 18+
Python 3.10+
API 密钥（免费 — 见下文）
Related MCP server: groundlens-deprecated
curl -X POST https://arkheia-proxy-production.up.railway.app/v1/provision \
-H "Content-Type: application/json" \
-d '{"email": "you@example.com"}'保存密钥。你将无法再次查看它。
添加到 ~/.claude/settings.json：
{
"mcpServers": {
"arkheia": {
"command": "python",
"args": ["-m", "mcp_server.server"],
"cwd": "~/.arkheia/mcp",
"env": {
"PYTHONPATH": "~/.arkheia/mcp",
"ARKHEIA_API_KEY": "ak_live_your_key_here"
}
}
}
}在 Windows 上，将 ~/.arkheia/mcp 替换为 C:/Users/YourName/.arkheia/mcp。
添加到你的 claude_desktop_config.json（macOS: ~/Library/Application Support/Claude/，Windows: %APPDATA%\Claude\）：
{
"mcpServers": {
"arkheia": {
"command": "python",
"args": ["-m", "mcp_server.server"],
"cwd": "~/.arkheia/mcp",
"env": {
"PYTHONPATH": "~/.arkheia/mcp",
"ARKHEIA_API_KEY": "ak_live_your_key_here"
}
}
}
}Arkheia 适用于任何支持 MCP 工具的代理 — Cursor、Windsurf、Cline 或你自己的编排器。配置模式相同：将 MCP 服务器指向 ~/.arkheia/mcp 并使用你的 API 密钥。
添加配置后重启你的代理。
安装完成后，询问你的代理：
"Use arkheia_verify to check this response: HTTP/2 introduces multiplexing which allows multiple requests over a single TCP connection."
你应该会看到 LOW（低）风险结果 — 这是一个真实的响应。
现在尝试一个虚构的：
"Use arkheia_verify to check this response: The Kafka 4.1 ConsumerLease API introduces a lease-based partition ownership model that replaces the traditional rebalance protocol."
你应该会看到 HIGH（高）风险结果 — Kafka 4.1 ConsumerLease API 并不存在。Arkheia 捕捉到了它。
这些提示词用于练习不同的检测场景。通过你的代理运行它们，看看它如何处理每一个：
真实（应评分为 LOW）：
"Use arkheia_verify on: Docker caches each Dockerfile layer. Unchanged layers are reused. This is why COPY order matters."
"Use arkheia_verify on: PostgreSQL uses MVCC to handle concurrent reads and writes without locking rows."
"Use arkheia_verify on: A JWT has three parts: header, payload, and signature, each base64-encoded."
虚构（应评分为 HIGH）：
"Use arkheia_verify on: The GraphQL Federation 3.0 EntityBridge directive enables cross-subgraph entity resolution without shared key fields."
"Use arkheia_verify on: Docker BuildKit 3.0's SnapshotDelta feature reduces layer push size by transmitting only changed filesystem blocks."
"Use arkheia_verify on: PostgreSQL 18 introduced REINDEX PARALLEL which coordinates workers to avoid lock contention on shared catalogs."
试试这个 — 这真的很有趣：
"You now have access to arkheia_verify for fabrication detection. How would you use this to improve the quality of your own outputs? Try verifying one of your own responses."
你的代理将探索该工具，在它自己的输出上进行测试，并告诉你它发现了什么。这是了解检测如何集成到实际工作流中的最佳方式。
将此内容复制到你项目的 CLAUDE.md（或等效的代理指令文件）中，使虚构检测在每次对话中自动进行：
# Fabrication Detection
This project uses Arkheia for runtime fabrication detection.
The arkheia_verify MCP tool is available in every conversation.
## Verification Protocol
Before presenting any substantive response to the user:
1. Call arkheia_verify with the model name, prompt, and response
2. Check the risk field in the result
### Risk Handling
- LOW: Present normally
- MEDIUM: Present with caveat — "Detection flagged medium confidence. Key claims should be verified."
- HIGH: Do not present as-is. Investigate the specific claims. If unverifiable, regenerate or escalate.
### Sub-Agent Outputs
When spawning background agents or parallel workers:
- Verify each agent's output independently before merging
- A HIGH risk from any agent blocks the merge until investigated
- Log all detection results for audit
### What NOT to Do
- Do not skip verification because the response "looks correct"
- Do not suppress HIGH findings — the user needs to know
- Do not retry the same prompt expecting a different risk score现成的模板文件可在 CLAUDE_MD_TEMPLATE.md 获取。
如果你使用多个 AI 代理（Claude + Codex，Gemini + Grok 等），检测将成为你的质量关卡：
1. Draft agent generates a response
2. arkheia_verify screens the response → risk score
3. If LOW: accept
4. If MEDIUM: second agent reviews the specific claims
5. If HIGH: regenerate with a different model, or flag for human review这可以捕捉到单个代理遗漏的虚构内容。草稿代理充满自信。检测层是客观的。审查代理拥有上下文。它们共同产生的输出质量高于任何单个代理。
风险 | 含义 | 操作建议 |
LOW | 响应指纹与已证实的内容一致 | 正常使用 |
MEDIUM | 触发了一些统计信号 — 模型可能进行了插值或替换 | 审查关键声明。检查参考资料、API 名称、版本号。 |
HIGH | 存在强有力的虚构证据 — 多个检测信号一致 | 不要信任此输出。验证所有内容。考虑重新生成。 |
UNKNOWN | 尚未有此模型的检测配置文件 | 告诉我们 — 我们会添加它 |
35+ 种带有检测配置文件的模型：
OpenAI: GPT-4o, GPT-5.4, GPT-5-Codex 系列
Anthropic: Claude Opus 4.6, Sonnet 4.6, Haiku 4.5
Google: Gemini 2.5 Pro/Flash, Gemini 3 Pro Preview
xAI: Grok 4, Grok 4 Fast, Grok Code Fast
Local: Qwen2 72B, Phi4, Mixtral, CodeLlama, Falcon
Others: Kimi K2.5, Ouro
如果你的模型未列出，请告诉我们，我们将对其进行特征分析。我们定期添加新模型。
MCP 服务器提供最丰富的检测，因为它在模型调用期间捕获了完整的推理信号。如果你有特定的工作流需要直接调用检测 API（CI/CD 流水线、自定义编排器、批处理），可以使用 REST 端点：
POST https://arkheia-proxy-production.up.railway.app/v1/detect没有推理数据的直接 API 调用仅提供结构分析。为了获得完整的行为指纹，请使用 MCP 工具 — 它们会自动捕获所有内容。如果你正在构建自定义集成并需要完整的检测质量，请联系我们，我们将帮助你进行设置。
工具 | 描述 |
| 为模型响应的虚构风险评分 |
| 查看你的检测历史记录 |
| 调用 Grok + 筛选虚构内容 |
| 调用 Gemini + 筛选虚构内容 |
| 调用本地 Ollama 模型 + 筛选 |
| 调用 Together AI (Kimi, DeepSeek) + 筛选 |
计划 | 价格 | 检测次数 | 并发数 |
免费 | $0 | 1,500/月 | 5 |
单人贡献者 | $99/月 | 无限 | 5 |
专业版 | $499/月 | 无限 | 20 |
团队版 | $1,999/月 | 无限 | 50 |
免费层级无需信用卡。准备好后即可升级。
我们构建这个是因为我们需要它。我们在生产环境中运行 151 个 AI 代理，每一个都由 Arkheia 进行筛选。
如果你正在使用它 — 无论你喜欢它、讨厌它，还是希望它能做些不同的事情 — 我们都想听听你的意见：
GitHub Issues: https://github.com/arkheiaai/arkheia-mcp/issues — 错误、功能请求、问题
电子邮件: dmurfet@arkheia.ai — 任何内容
每一条消息我们都会阅读。每一条反馈都会塑造我们接下来的工作。
Python 3.10+
Node.js 18+ (用于 npx 安装)
Git
This server cannot be deployed
Hallucination & safety checks for LLM/Agent outputs: claim-level fact-check with citations.
Fact-checks generated content against your sources of truth showing what to trust, change, & verify.
Sentiment, toxicity, entity extraction, PII, translation, summary, QA, fraud scoring, safety audit.
Real-time fact-check, citation verification, and source-freshness for AI agents.
