AI代码黑盒归因工具开源
brain0 被动构建代码库的决策图谱，将每次 commit 与背后的 agent 意图、读取上下文、单函数级别关联，提供风险评分和漂移检测。解决 AI 生成代码不可审计的核心痛点，适合需要合规审查或多人协作 agent 工作流的团队。
The black box for AI-written code. Passive decision graph linking every commit to the agent prompts behind it: drift detection, DLP audit of what agents read, evidence-driven risk, MCP memory for coding agents, signed provenance attestations. One command, offline by default.
目前主流方案是手动在 commit message 里标注 prompt 版本，或用 Langfuse 等 LLM 追踪工具看调用链，但这两者都断在应用层，无法映射到最终代码的哪个函数被改了。brain0 的差异化在于把 git blame 和 agent 上下文做双向绑定，相当于给代码库加了"因果层"。
跟 GitHub Copilot 的代码审查或 Sourcegraph 的代码智能不同，brain0 专注 AI 生成代码的溯源场景，且通过 MCP 协议接入而非侵入 agent 本身。如果你的团队已经在用 Claude Code、Cursor 或自研 agent 批量改代码，这个工具能补上审计闭环里最缺的一环：证明这段代码不是凭空出现的。
目前 131 star 且零 open issue，说明项目早期但维护积极，建议关注其 DLP 审计功能的实际覆盖范围——这是企业安全团队最可能卡住的采购点。
AI编码合规审计基础设施，连接LLM代理与代码溯源的中间层
独特价值：被动构建代码-意图关联图谱，离线优先的供应链安全审计