groundlens
OfficialGroundlens: ein Korrekturleser für RAG-Antworten

So funktioniert es · Installation · Schnellstart · MCP-Server · Einschränkungen · Reproduzierbarkeit
Groundlens ist ein Korrekturleser für das, was Ihr Modell schreibt. Es markiert die Wörter, die Ihre Quellen nicht stützen – und zeigt Ihnen, was jedes einzelne hätte sagen sollen. Es prüft RAG-Antworten auf Grounding und Faithfulness gegenüber den abgerufenen Quellen – die Aufgabe, für die Menschen zu Halluzinationserkennung, Zitierprüfung oder RAG-Evaluierung greifen – und unterscheidet sich darin, dass es einer prüfenden Person Markierungen und Belege liefert statt eines Urteils oder eines Scores, den man mit einem Schwellwert abgleicht.
QUESTION What is the invoice total?
SOURCE ...the total amount due is 10,000 dollars, payable within 30 days...
ANSWER The invoice total is 1,000 dollars, due in 30 days.
GROUNDLENS 1,000 nothing supports this. Closest in invoice.pdf#p1: '10,000'Es sagt Ihnen nie, dass die Antwort falsch ist. Es sagt Ihnen, welches Wort Sie sich ansehen und welches Dokument Sie öffnen sollen. Dreißig Sekunden menschlicher Aufmerksamkeit statt fünf Minuten.
Funktionsweise

Groundlens vergleicht Wörter und Zahlen auf zwei verschiedene Arten:
Wörter | Zahlen |
Wörter werden über die Bedeutung verankert. Die Unterstützung eines Wortes ist die höchste Kosinus-Ähnlichkeit, die es gegen irgendein Wort der Quellen erreicht, mit einem eingefrorenen Standard-Encoder – derselben Art, die Ihr Retrieval bereits verwendet. | Zahlen werden über die Arithmetik verankert. Die Zahl wird mit normalisierter Formatierung zu einem Wert geparst – |
Groundlens liefert den niedrigsten Wert als Ausgabe, nicht den Durchschnitt. Jede Token-Ähnlichkeitsmetrik aggregiert über den Mittelwert, und der Mittelwert ist der Ort, an dem Einzel-Token-Fehler sterben.
Ein praktisches Beispiel: zehn ist nicht hundert
Ein abgerufenes Dokument besagt, dass der Gesamtbetrag 10.000 Dollar beträgt. Die Antwort sagt 1.000 Dollar. Ein Mensch erkennt das sofort, ohne Finanzstudium.
Embedding-Ähnlichkeit erkennt es nicht. Der Kosinus zwischen der richtigen und der falschen Antwort liegt bei etwa 0,99 – der Fehler löst sich im Vektor auf, wie ein Tintentropfen in einem Becken. Ein LLM-Judge auch nicht: Er liest auf Plausibilität, und „der Gesamtbetrag beträgt 1.000 Dollar“ ist ein völlig plausibler Satz über eine Rechnung. Ein trainierter Span-Detektor auch nicht, weil Einzelziffern-Substitutionen in seinen Trainingslabels selten sind.
Satz-Encoder organisieren Text nach Vokabular, Thema und Struktur. Nie nach Wahrheit. Eine falsche Zahl in einem korrekten Satz ist für einen Paraphrase-kollabierenden Encoder beinahe eine Paraphrase.
Auf dieser Rechnung beträgt die mittlere Unterstützung der falschen Antwort 0,79 – was gut aussieht. Der schwächste Anker ist 0,00 – das ist eine Markierung am Rand.
Betrieblicher Schwellwert
Diese Bibliothek hat keinen Standard-Schwellwert. Ein Schwellwert ist eine Eigenschaft einer Bereitstellung, nicht einer Methode. Er hängt vom Encoder, von Ihren Daten und davon ab, was ein falsch Positives im Vergleich zu einem falsch Negativen kostet. Nichts davon ist hier bekannt.
Hinter der Regel steht eine Messung. Über das von uns durchlaufene Betriebspunkt-Raster lag die beste Falsch-Positiv-Rate bei 95 Prozent Recall bei 0,65, für jeden von uns getesteten Single-Pass-Detektor, einschließlich dieses. Bei dem Recall, den eine regulierte Prüfung tatsächlich braucht, ist kein fester Schnitt in diesem Raster brauchbar. Einen auszuliefern hieße, eine Zahl auszuliefern, von der wir bereits wissen, dass sie nicht hält.

Was groundlens bietet:
Einen Unterstützungswert pro Wort, wobei niedriger bedeutet, dass die Quellen es weniger stützen.
Markierungen mit Beleg: das Wort, seine Spanne, seine Unterstützung und der nächste Belegsatz, damit eine prüfende Person jede Markierung in Sekunden überprüfen kann.
Eine Funktion
calibrate(), die einen Schnitt auf Ihren eigenen gelabelten Daten anpasst. Sie weigert sich, mit weniger als 200 gelabelten Beispielen zu laufen, weil der Schnitt darunter Rauschen ist.
Wenn Sie einen Schwellwert in Ihrer Pipeline benötigen, führen Sie calibrate() auf Ihren gelabelten Daten aus:
from groundlens import calibrate
point = calibrate(labelled, target_recall=0.95)
print(point.threshold, point.fpr, point.fpr_ci95) # read the fpr first
calibrate()benötigt mindestens 200 gelabelte Beispiele, weil darunter ein 95%-Recall-Schwellwert aus einer Handvoll Punkten geschätzt wird.
Related MCP server: Sentry MCP
Installation
pip install groundlens # zero runtime dependencies. Not numpy, not torch
pip install "groundlens[encoder]" # + the reference sentence encoder
pip install "groundlens[encoder,mcp]" # + the MCP server, for Claude Desktop and friendsDie Kerninstallation zieht überhaupt kein Paket nach sich, und ein CI-Job lässt den Build fehlschlagen, falls sich das jemals ändert. Die vorherige Version installierte etwa zwei Gigabyte Deep-Learning-Stack, bevor man irgendetwas getan hatte.
Schnellstart
from groundlens import proofread, SentenceTransformerEncoder
answer = "The invoice total is 4.75% payable within 45 days."
sources = [("policy.pdf#p3", "The rate stated in the policy is 3.90% and the term is 30 days.")]
marks = proofread(answer, sources, encoder=SentenceTransformerEncoder(), k=2)
print(marks.report())
# 4.75% support 0.00 nearest in policy.pdf#p3: '3.90%'
# 45 support 0.00 nearest in policy.pdf#p3: '30'Jede Markierung trägt ihren Beleg:
for anchor in marks.weakest:
anchor.text # '4.75%' the word in the answer
anchor.span # (21, 26) where it sits
anchor.kind # 'numeral' checked by arithmetic, not meaning
anchor.support # 0.0 absent from the sources
anchor.evidence_id # 'policy.pdf#p3' which document to open
anchor.evidence_text # '3.90%' what it should have matchedAus der Shell:
groundlens read --answer answer.txt --context policy.pdf#p3=policy.txtMCP-Server
Derselbe Korrekturleser, in Ihrem Assistenten. Groundlens bringt einen MCP-Server mit, sodass Claude Desktop, Claude Code, Cursor, VS Code oder jeder andere MCP-Client eine Antwort gegen ihre Quellen prüfen kann, ohne das Gespräch zu verlassen. Er läuft lokal über stdio. Kein Text verlässt das System.
pip install "groundlens[encoder,mcp]"
python -m groundlens.mcpDann richten Sie Ihren Client darauf aus. In claude_desktop_config.json – oder der entsprechenden mcp.json in Cursor und VS Code:
{
"mcpServers": {
"groundlens": {
"command": "python",
"args": ["-m", "groundlens.mcp"]
}
}
}Verwenden Sie den absoluten Pfad zu dem Python, auf dem Groundlens installiert ist, falls es nicht das auf Ihrem PATH ist: /path/to/venv/bin/python.
Das eine Tool
find_unsupported_words(answer, sources, k=4, locale="und")
| die zu prüfende Modellausgabe |
|
|
| wie viele der schwächsten Anker zurückgegeben werden sollen |
| wie diese Dokumente Zahlen schreiben. |
Es gibt die schwächsten Anker mit ihren Belegen zurück, den Boden, die Encoder-ID und einen sha256 des Befunds:
{
"weakest_anchors": [
{
"word": "4.75%",
"support": 0.0,
"checked_by": "arithmetic",
"closest_in_sources": "3.90%",
"source_id": "policy.pdf#p3",
"notes": []
}
],
"floor": 0.0,
"n_marked": 12,
"encoder_id": "all-mpnet-base-v2@<revision-sha>",
"sha256": "..."
}Ein Tool, absichtlich. Der vorherige Server bewarb drei, und so wird aus einem Produkt drei Geschichten, bevor es jemand installiert hat.
Es gibt kein Urteil und keinen Schwellwert, hier wie überall sonst in dieser Bibliothek. Ein support von 0,00 bei einer Zahl bedeutet, dass dieser Wert in den Quellen fehlt. Bei einem Wort bedeutet es, dass kein lexikalischer Anker gefunden wurde, was in einer treuen Paraphrase normal ist. Der Server meldet die Markierungen; die Leserin entscheidet.
Der Encoder lädt beim ersten Aufruf, nicht beim Start, und das Modell wird einmal heruntergeladen (etwa 420 MB), wenn es zum ersten Mal verwendet wird.
Einschränkungen
Es kann berechnete Werte nicht verifizieren – „der Umsatz hat sich verdreifacht“ gegen eine Quelle, die sagt „der Umsatz stieg von 5 Mio. auf 15 Mio.“.
Der Wortkanal prüft, ob ein Wort von den Quellen unterstützt wird. Er prüft nicht, ob es am richtigen Ort hängt. Wenn eine Antwort „zahlbar in 30 Tagen“ über Rechnung A sagt und die 30 Tage woanders im selben Kontext zu Rechnung B gehören, ist das Wort unterstützt und es erscheint keine Markierung.
Es kann keine Schlussfolgerungen prüfen. Das gehört zu Entailment-Modellen.
Es erbt Ihr Retrieval. Wenn die Passage falsch ist, ist auch das Grounding der Antwort falsch.
Die Segmentierung setzt Leerzeichen-getrennte Schriften voraus und warnt eher, als dass sie so tut, als ob der Text überwiegend CJK oder Thai wäre.
Reproduzierbarkeit
Der Zahlenkanal ist exakt. Dezimalvergleich, fester Arithmetik-Kontext, Locale aus einem Argument und nie aus
LC_ALL. Byte-für-Byte identisch auf jeder Maschine – CI beweist es auf zehn OS × Python-Kombinationen unterPYTHONHASHSEED=randomund einer türkischen Locale.Der lexikalische Kanal ist ein float32-Kosinus aus einer festgepinnten Encoder-Revision – nicht einem Modellnamen, weil ein stilles Neu-Upload jede Zahl ändern würde, die Sie je veröffentlicht haben. Er reproduziert auf 1e-6 über Plattformen hinweg, und die Reihenfolge der schwächsten Anker ist stabil. Er ist nicht bit-identisch zwischen x86 und Apple Silicon, und wir behaupten das auch nicht.
marks.sha256deckt die Struktur und die Zahlenunterstützungen exakt ab und rundet lexikalische Unterstützungen auf sechs Dezimalstellen. Den Hash zu reproduzieren reproduziert den Befund, nicht die letzten Bits der Arithmetik.
groundlens.dev · PyPI · Retractions · Contributing · Apache-2.0
Available Tools
3 toolsverify_answerA
Check an answer against the passages it was written from, before you send it.
Every figure must be in the passages or follow from figures that are; no model
is used. Returns PASS, REVIEW or FAIL with the reasons, and the signed record.
sources: (id, text) pairs, {"id","text","provenance"} dicts, or bare strings.
policy: a built-in name (e.g. "eu_ai_act_high_risk_v1"), a path, or YAML.
scope: what the request is about, e.g. {"entity": "UPS"}; a figure taken
from a source whose provenance is another entity fails.
risk_class: the request's risk class, when the policy defines them.
Returns the decision (PASS/REVIEW/FAIL), the evidence, the regulatory
mapping and the record with its content hash.
Inputs: answer (required), sources (required), scope, locale, +3 more. Returns: object
verify_recordsA
Verify a log of records offline: every hash, every link, every signature.
records: the JSON Lines text of an answer-record or run-record log.
Returns {"ok", "verified", "kind"}; fails if any record or link was altered.
Inputs: records (required). Returns: object
verify_runA
Verify an MCP execution trace under an execution policy and return the run record.
trace: the MCP session as JSON-RPC messages (JSON Lines).
policy: the execution policy, as YAML/JSON text or a path.
Returns the gate (ALLOW/REVIEW/DENY), any breaches, and the signed run record.
Inputs: trace (required), policy (required), run_id (required), system (required), +2 more. Returns: object
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 3 tools
Each tool takes a clearly different input shape: a JSON-RPC session trace, answer passages, and a JSON Lines record log. There is mild overlap because verify_records can validate run records that verify_run also produces/validates, which could cause a brief hesitation, but the described inputs keep them separable.
All three tools follow a strict verb_noun pattern (verify_run, verify_answer, verify_records), with the same verb used consistently for the same conceptual action.
Three tools is on the lean side but each covers a distinct verification target (run trace, answer grounding, record log), so nothing feels redundant or padded.
The core verification lifecycle (verify runs, verify answers, verify logs offline) is covered, and records are produced by the verify calls themselves. A minor gap is that no tool enumerates available built-in policies (e.g. 'eu_ai_act_high_risk_v1'), though agents can work around this by passing policy text or a path.
Maintenance
Related MCP Connectors
Fact-checks generated content against your sources of truth showing what to trust, change, & verify.
Check AI-written drafts against your source documents, with the passage behind every verdict.
Real-time fact-check, citation verification, and source-freshness for AI agents.
DraftCheck: flags AI-writing patterns in prose with fix hints. Deterministic linter, not a detector.
Related MCP Servers
AlicenseBqualityFmaintenanceAn MCP server that provides a comprehensive interface to Semgrep, enabling users to scan code for security vulnerabilities, create custom rules, and analyze scan results through the Model Context Protocol.61,203 PyPI689MIT
Sentry MCPofficial
AlicenseAqualityBmaintenanceA remote Model Context Protocol server acting as middleware to the Sentry API, allowing AI assistants like Claude to access Sentry data and functionality through natural language interfaces.74973Functional Source , Version 1.1, ALv2 Future- Apache 2.0

Arkheia Hallucinationofficial
AlicenseNot gradedqualityCmaintenanceDetect fabrication and hallucination in any LLM output. Score responses from GPT-4o, Claude, Gemini, Llama and 30+ models. Free tier included.MIT