# Scbkr – an owner-signed responsibility-chain workbench for local LLMs > Source: > Published: 2026-06-25 02:12:51+00:00 **Local AI responsibility-chain control layer with owner-signed Workbench, Data Center, and four-store evidence reuse.** [一、產品定位](#%E4%B8%80%E7%94%A2%E5%93%81%E5%AE%9A%E4%BD%8D)[二、SCBKR 不是什麼](#%E4%BA%8Cscbkr-%E4%B8%8D%E6%98%AF%E4%BB%80%E9%BA%BC)[三、SCBKR 解決什麼問題](#%E4%B8%89scbkr-%E8%A7%A3%E6%B1%BA%E4%BB%80%E9%BA%BC%E5%95%8F%E9%A1%8C)[四、核心閉環](#%E5%9B%9B%E6%A0%B8%E5%BF%83%E9%96%89%E7%92%B0)[五、SCBKR 五維責任鏈](#%E4%BA%94scbkr-%E4%BA%94%E7%B6%AD%E8%B2%AC%E4%BB%BB%E9%8F%88)[六、模型角色與行動邊界](#%E5%85%AD%E6%A8%A1%E5%9E%8B%E8%A7%92%E8%89%B2%E8%88%87%E8%A1%8C%E5%8B%95%E9%82%8A%E7%95%8C)[七、Chat 與 Workbench](#%E4%B8%83chat-%E8%88%87-workbench)[八、Owner Signature Gate｜使用者簽名閘門](#%E5%85%ABowner-signature-gate%E4%BD%BF%E7%94%A8%E8%80%85%E7%B0%BD%E5%90%8D%E9%96%98%E9%96%80)[九、Data Center 與四庫](#%E4%B9%9Ddata-center-%E8%88%87%E5%9B%9B%E5%BA%AB)[十、Evidence Relation Gate｜證據關係判準](#%E5%8D%81evidence-relation-gate%E8%AD%89%E6%93%9A%E9%97%9C%E4%BF%82%E5%88%A4%E6%BA%96)[十一、為什麼 SCBKR 不依賴無限聊天上下文](#%E5%8D%81%E4%B8%80%E7%82%BA%E4%BB%80%E9%BA%BC-scbkr-%E4%B8%8D%E4%BE%9D%E8%B3%B4%E7%84%A1%E9%99%90%E8%81%8A%E5%A4%A9%E4%B8%8A%E4%B8%8B%E6%96%87)[十二、權限與安全邊界](#%E5%8D%81%E4%BA%8C%E6%AC%8A%E9%99%90%E8%88%87%E5%AE%89%E5%85%A8%E9%82%8A%E7%95%8C)[十三、系統架構](#%E5%8D%81%E4%B8%89%E7%B3%BB%E7%B5%B1%E6%9E%B6%E6%A7%8B)[十四、目前版本進度](#%E5%8D%81%E5%9B%9B%E7%9B%AE%E5%89%8D%E7%89%88%E6%9C%AC%E9%80%B2%E5%BA%A6)[十五、P15-Q 尚未完成的收束項](#%E5%8D%81%E4%BA%94p15-q-%E5%B0%9A%E6%9C%AA%E5%AE%8C%E6%88%90%E7%9A%84%E6%94%B6%E6%9D%9F%E9%A0%85)[十六、目前可跑能力](#%E5%8D%81%E5%85%AD%E7%9B%AE%E5%89%8D%E5%8F%AF%E8%B7%91%E8%83%BD%E5%8A%9B)[十七、使用方式｜Desktop App 與開發者模式](#%E5%8D%81%E4%B8%83%E4%BD%BF%E7%94%A8%E6%96%B9%E5%BC%8Fdesktop-app-%E8%88%87%E9%96%8B%E7%99%BC%E8%80%85%E6%A8%A1%E5%BC%8F)[十八、常用測試](#%E5%8D%81%E5%85%AB%E5%B8%B8%E7%94%A8%E6%B8%AC%E8%A9%A6)[十九、模型接入](#%E5%8D%81%E4%B9%9D%E6%A8%A1%E5%9E%8B%E6%8E%A5%E5%85%A5)[二十、手機與遠端自接入使用](#%E4%BA%8C%E5%8D%81%E6%89%8B%E6%A9%9F%E8%88%87%E9%81%A0%E7%AB%AF%E8%87%AA%E6%8E%A5%E5%85%A5%E4%BD%BF%E7%94%A8)[二十一、GitHub Topics 建議](#%E4%BA%8C%E5%8D%81%E4%B8%80github-topics-%E5%BB%BA%E8%AD%B0)[二十二、English Summary](#%E4%BA%8C%E5%8D%81%E4%BA%8Cenglish-summary)[二十三、產品原則](#%E4%BA%8C%E5%8D%81%E4%B8%89%E7%94%A2%E5%93%81%E5%8E%9F%E5%89%87)[二十四、簽名](#%E4%BA%8C%E5%8D%81%E5%9B%9B%E7%B0%BD%E5%90%8D) **SCBKR 本地責任鏈模型** 是一套本地 AI 責任鏈控制系統。 它的核心不是讓模型立刻回答，而是讓模型在生成之前，先進入可確認、可簽名、可驗收、可入庫、可回放的責任鏈流程。 SCBKR 的定位是： ``` Chat 是自然語言入口。 Workbench 是責任鏈確認台。 S / C / B / K / R 是任務責任語法。 Data Center 是可回放資料中心。 四庫是可索引規則層。 模型是草案與編譯助手。 使用者是最終簽名者。 ``` SCBKR 允許使用者在自己的電腦上接入： - LM Studio - Ollama - OpenAI-compatible API - 自訂模型 endpoint - Sandbox 模式 SCBKR 不靠無限堆疊聊天上下文維持記憶，而是靠： - SCBKR 五維確認單 - 使用者簽名 - 驗收 gate - 二次確認入庫 - Data Center - 四庫索引 - ledger / hash / replay - owner-signed evidence reuse 核心句： 模型可以參與，但模型不能越權。 模型可以生成草案，但規則必須由使用者簽名才成立。 模型可以引用資料，但只能引用已簽名、已驗收、未撤銷的資料。 SCBKR 不是一般聊天機器人。 SCBKR 不是單純 RAG。 SCBKR 不是大模型公司。 SCBKR 不是讓模型替使用者直接決定答案的工具。 SCBKR 不是把所有歷史聊天硬塞進上下文的長對話產品。 SCBKR 不是讓模型自動記憶一切的黑箱記憶系統。 SCBKR 不是讓模型自由代理使用者行動的 agent 外殼。 SCBKR 是一套 **Local AI Responsibility Chain Control Layer**： 讓模型在使用者簽名規則與可回放資料中心中工作。 讓模型能輔助，但不能越權。 讓規則能累積，但必須經過使用者簽名、驗收與二次確認入庫。 一般 AI 產品常見問題： - 使用者一輸入，模型立刻生成。 - 任務目的不清楚，模型仍然硬答。 - 權限、資料來源、風格、驗收條件沒有先確認。 - 模型生成錯誤後，使用者只能反覆重問。 - 每次任務都從零開始，無法累積有效判準。 - 聊天上下文越來越長，最後只能換視窗或重新整理背景。 - 記憶黑箱，不知道模型引用了什麼。 - 錯誤答案容易污染未來任務。 - 模型可能把「像」當成「是」，把候選資料當正式依據。 SCBKR 的解法： ``` 使用者輸入 → 系統判斷 intent → 建立確認單 → 查詢 Data Center / 四庫 → Evidence Relation Gate 判斷引用關係 → 模型產生 Task Understanding → 系統編譯 S / C / B / K / R → Workbench 顯示草案 → 使用者修改 / 要求模型修改 → 使用者簽名 → 模型生成 → 使用者驗收 → 入庫建議 → 使用者二次確認寫入 → 四庫索引 → Data Center 回放 → 後續任務引用已簽名規則 ``` SCBKR 的重點不是讓模型更自由，而是讓模型在明確的責任鏈中工作。 SCBKR 的核心閉環： ``` Chat → Workbench → S / C / B / K / R → Owner Signature → Model Generation → User Review → Second Confirm Storage → Data Center → Four Stores → Evidence Reuse → New Task Context ``` 這個閉環的重點是： - 一般聊天可以存在，但不能直接成立規則。 - 模型可以生成草案，但不能自動確認。 - 使用者簽名後，責任鏈才成立。 - 使用者驗收後，結果才可進入入庫流程。 - 使用者二次確認後，資料才可 physical write。 - 後續任務只引用 owner-signed、review-passed、未失效的 evidence。 每個正式任務都會被轉成 SCBKR 五維確認單。 定義： - 任務名稱 - 使用者原始指令 - 任務主體 - 輸出形式 - 操作介面 S 不是普通標題。 S 是任務是否成立的主體入口。 定義： - 流程步驟 - 執行順序 - 資料流 - 依賴條件 - 測試條件 - 核心因果鏈 C 不是普通步驟清單。 C 要說明任務為什麼可以被執行、如何執行、錯在哪裡會中斷。 定義： - 可讀範圍 - 可寫範圍 - 可呼叫服務 - 停止條件 - 入庫限制 - 禁止行為 B 是模型行動邊界。 模型不得自行確認。 模型不得自行簽名。 模型不得自行驗收。 模型不得自行入庫。 模型不得自行修改或刪除 Data Center。 定義： - 使用者原始輸入 - 已採用引用 - 類似語法 - 類似邏輯 - 候選但未採用 - 衝突 / 待確認 - 來源可信度 - 風格設定 K 不是把所有搜尋結果都塞給模型。 SCBKR 必須先判斷 evidence relation，再決定是否能採用。 定義： - 預期輸出 - 驗收條件 - 回放要求 - 入庫選項 - 使用者簽名狀態 - 審計資料 R 是閉環層。 沒有使用者簽名，SCBKR 不成立。 沒有驗收通過，不能入庫。 沒有二次確認，不能 physical write。 SCBKR 不是禁止模型，而是鎖定模型權限。 模型可以： - 理解使用者任務 - 產生 Task Understanding - 協助生成 SCBKR 草案 - 協助修改 S / C / B / K / R - 協助生成正式結果 - 協助整理入庫建議 - 協助查詢 Data Center - 協助建立更改 / 刪除確認單 - 協助引用已簽名四庫資料 模型不能： - 自行確認責任鏈 - 自行簽名 - 自行驗收 - 自行入庫 - 自行修改 Data Center - 自行刪除 Data Center - 把候選資料當作已引用 - 把未簽名資料當成規則 - 把類似語法當成正式依據 - 繞過使用者確認 模型在 SCBKR 裡的角色是： ``` describe_compile_only ``` 也就是： 模型只能描述、理解、拆解、編譯草案。 規則是否成立，由使用者簽名決定。 SCBKR 的 Chat 不是單純聊天框。 Chat 是自然語言入口。 使用者可以在 Chat 輸入： - 我要生成一個商業文案確認單 - 幫我做責任鏈 - 幫我建確認單 - 幫我把這段規則寫進工作台 - 幫我查某天的資料中心紀錄 - 幫我修改某條記憶庫規則 - 幫我封存某筆資料 系統會先判斷 intent。 如果只是一般聊天，走 Chat。 如果適合生成確認單，顯示建議卡。 如果使用者明確要求生成確認單，進入 Workbench。 Workbench 負責： - 顯示任務摘要 - 顯示草案來源 - 顯示 S / C / B / K / R 五卡 - 顯示引用證據 - 支援模型修改工作台 - 支援使用者簽名 - 支援生成 - 支援驗收 - 支援入庫建議 - 支援二次確認寫入 Chat 不負責直接成立規則。 Workbench 才是責任鏈確認台。 Owner Signature Gate 是 SCBKR 的核心。 規則成立必須經過使用者簽名。 模型不能簽名。 模型不能用 `assistant` 、`system` 、`model` 、`user` 這類假字串代替簽名。 空簽名不得 confirmed。 修改草案後必須重新簽名。 任何 SCBKR 草案內容變更後，都必須清空前端簽名並回到等待使用者簽名狀態。 包含： - 手動修改欄位 - 儲存欄位修改 - 套用模型修改草案 - 重新生成模型草案 - 退回修改 - 複製成新任務 - 建立下一張確認單 修改後下游結果必須作廢： ``` confirmed = false signature_status = waiting_owner_signature generation_result 作廢 review_result 作廢 storage_request / storage_plan / storage_result 作廢 ``` 這是為了確保： 每一次規則成立，都來自使用者當下明確簽名，而不是沿用舊簽名或模型假簽名。 SCBKR 的 Data Center 不是展示頁，而是模型未來工作的規則來源層。 四庫包含： 用途： - 相似任務檢索 - 已驗收任務索引 - 降低重複推理 - 提供未來任務的候選引用 用途： - 保存使用者確認過的原始資料 - 保存外部文件 - 保存對話樣本 - 避免模型憑空編造來源 用途： - 保存流程規則 - 保存判斷條件 - 保存停止條件 - 保存行動邊界 - 保存產品邏輯 - 保存可重用工作流 用途： - 保存使用者長期判準 - 保存禁止規則 - 保存偏好 - 保存已簽名主體判斷 - 防止模型反覆犯同樣錯誤 後續任務引用四庫時，不是單純關鍵字比對。 資料要被採用，必須符合： ``` signature_status = owner_signed review_passed = true status 不得為 revoked / archived / superseded relation 必須是 direct_match / same_domain / similar_logic / style_reference 不得只靠泛詞命中 ``` SCBKR 會區分： ``` direct_match 可作為正式依據 same_domain 可作為同領域依據 similar_logic 可作為邏輯參考 style_reference 可作為風格參考 similar_grammar 只能參考語法，不得作為正式依據 candidate_only 候選但不採用 irrelevant 不相關 conflict 衝突，需使用者確認 ``` 引用範例： - 只有「文案」相同，不可採用。 - 只有「規則」相同，不可採用。 - UI 工作台規則不可被餐飲文案任務採用。 - 未簽名資料不可採用。 - 驗收未通過資料不可採用。 - revoked / archived / superseded 資料不可採用。 - similar_grammar 只能作為語法參考，不得作為正式依據。 引用必須顯示 evidence： - 來源庫 - relation - adoption_scope - relation_reason - task_id - storage_item_id - signature_status - hash / content_hash - review_passed - rule_confirmed - adopted true / false 一般 AI 產品容易遇到： - 對話太長 - 上下文爆掉 - 模型忘記前面規則 - 必須換視窗 - 使用者反覆貼背景 - token 成本持續上升 SCBKR 的設計不是把所有聊天內容一直塞給模型。 SCBKR 將有價值的內容轉成： ``` 已簽名確認單 已驗收結果 已入庫規則 可回放 Data Center 紀錄 可索引四庫資料 ``` 下一次任務不需要吃完整聊天歷史，只需要： - 當前使用者輸入 - 當前 task 狀態 - SCBKR Grammar Pack - 採用的四庫 evidence - 必要的 Workbench 草案資料 這樣可以降低： - 無效 token - 重複推理 - 背景重貼 - 長上下文漂移 - 錯誤記憶污染 SCBKR 的核心安全原則： ``` 工具未啟用，不得宣稱已執行。 模型未測通，不得宣稱可用。 使用者未簽名，不得 confirmed。 責任鏈未確認，不得生成。 驗收未通過，不得入庫。 未二次確認，不得 physical write。 失敗輸出不得污染記憶。 非本機模型網址不得假裝成本地模型。 ``` 目前權限鎖包含： - model_generate - external_api - dangerous_operation_confirmed - storage_write - ledger_write - sqlite_runtime - chromadb_runtime - embedding_create - memory_write 外部 API / hybrid 模式必須通過： ``` external_api = true dangerous_operation_confirmed = true ``` 否則不得呼叫外部 API。 本機模型 URL： - 127.0.0.1 - localhost - [::1] 非 loopback URL，例如： - 192.168.x.x - 區網另一台電腦 - 公網 API - tunnel URL - reverse proxy URL - 遠端 OpenAI-compatible endpoint 即使 provider 顯示為 LM Studio / Ollama / local mode，也必須視為外部模型呼叫，必須經過 external_api 授權。 SCBKR 架構由以下層組成： - Chat - Workbench - Data Center UI - React + Vite Web UI - Tauri Desktop Shell - State & UX Controls - activeBackendUrl routing - FastAPI Backend - Chat Intent Router - SCBKR Draft Compiler - Task Manager - Review / Acceptance Gate - Storage Confirm Gate - Audit Timeline Builder - Data Center Query / Update API - Evidence Relation Classifier - Task Understanding - SCBKR Grammar Pack - Permission Guards - Output Constraints - LM Studio - Ollama - OpenAI-compatible API - Custom Endpoint - SQLite Task Store - JSONL Ledger - Physical Storage - Data Center Runtime - Vector Store - Corpus Store - Logic Store - Memory Store 目前版本定位： ``` SCBKR 本地責任鏈模型｜Release Candidate 收束中 SCBKR Local Responsibility Chain Model｜Release Candidate Alignment ``` 目前技術階段： ``` P15-P 核心閉環已完成 P15-Q Release Candidate 收束尚未完成 ``` P15-P 已完成重點： - Chat intent routing - Chat-to-Workbench 確認單建立 - SCBKR Grammar Pack - Task Understanding - Understanding Compiler - model_assisted_structured / scbkr_base_logic / draft_failed 草案來源 - 主流程移除 fallback 草案語意 - Evidence Relation Classifier - Owner Signature Gate - 使用者簽名確認 - 模型不能簽名 - 修改後重簽機制 - confirmed gate - generation gate - review gate - storage_confirm gate - second_confirm gate - 四庫寫入 payload metadata - Data Center 分類讀取 - owner_signed evidence 後續引用 - external_api guard - activeBackendUrl routing - Model Settings - API key masking - LM Studio / Ollama / OpenAI-compatible API 接入 - Windows desktop preview build 基礎 - sidecar API build 基礎 - GitHub README 產品定位重寫 - docs/images 門面圖與流程圖初步加入 P15-Q 尚未完成。 這不是產品概念缺口，而是 Release Candidate 發行與上線前收束項。 P15-Q 必須處理： 目前已知問題： ``` 舊 smoke script 在 storage-confirm payload 缺少 second_confirm=true。 P15-P 後端 storage_confirm gate 已變嚴格，因此舊 smoke 會被正確擋下。 ``` P15-Q 需要修： ``` storage_confirmed = true second_confirm = true confirmed_by = "user" signature = 明確測試用 owner signature ``` 不得為了測試通過而降低後端 gate。 前端不得使用： ``` owner-signature-required storage-owner-signature signature: "user" assistant / model / system 假簽名 ``` storageRequest / storageConfirm 前必須檢查： ``` ownerSignature.trim() 不可為空 ``` 空簽名必須提示使用者輸入簽名，不得補假字串。 以下動作後必須清空 ownerSignature： - updateField - saveFields - applyPatch - regenerateDraft - returnToRevision - duplicateTask - createTask - createConfirmationFromChat - acceptSuggestion - resetWorkbench 並提示： ``` 草案已修改，請重新輸入使用者簽名後再確認責任鏈。 ``` 目前 repo 仍可能殘留 preview / skeleton / MVP / unsigned / not production 語意。 P15-Q 需要收束： - 根 `package.json` `apps/desktop/package.json` `apps/desktop/src-tauri/tauri.conf.json` `apps/desktop/src-tauri/Cargo.toml` `apps/desktop/src-tauri/src/main.rs` - Windows build script - Windows smoke script - README / release metadata 目標版本語意： ``` 0.15.0-rc.1 P15-Q Release Candidate ``` P15-Q 需要新增或對齊： `scripts/build_desktop_release_windows.ps1` `scripts/smoke_desktop_release_windows.ps1` Release smoke 必須覆蓋： ``` health desktop status sandbox model test create task create SCBKR draft confirm with owner signature enable model_generate generate review pass storage-request storage-confirm with second_confirm=true Data Center section read complete ``` P15-Q 修完後，必須跑完整實機流程： ``` Chat → 生成確認單 → Workbench 草案 → 模型修改一層 → 使用者重新簽名 → 確認責任鏈 → 模型生成 → 使用者驗收 → 入庫建議 → 使用者二次確認寫入 → Data Center 可查 → 後續任務引用 owner-signed evidence ``` 目前系統已支援： - 本地 FastAPI API - React + Vite + TypeScript Web UI - Windows Desktop / Tauri preview build - FastAPI sidecar build - Sandbox 模式 - 模型 Provider 設定 - LM Studio / Ollama / OpenAI-compatible API 設定 - API key 遮罩與清除 - 模型連線測試 - 一般 Chat 入口 - Chat intent routing - Chat-to-Workbench 建議卡 - 任務建立 - SCBKR 五維草案生成 - 模型 Task Understanding - 系統編譯 S / C / B / K / R - 使用者修改 / 模型修改工作台 - 使用者簽名確認 - confirmed 後才可 generate - 模型正式生成 - 驗收 pass / fail / rollback - 入庫建議 - 使用者二次確認入庫 - Data Center 讀回 - ledger / hash / audit - 四庫引用 context - owner_signed evidence reuse - activeBackendUrl routing - external_api guard - 非 loopback model URL 安全阻擋 - 手機 / 遠端裝置連回自有 SCBKR backend 的設計基礎 SCBKR 的目標使用方式不是只靠開發伺服器啟動，而是提供本地桌面入口，讓使用者在自己的電腦上連接本地後端、模型與資料中心。 目前使用方式分為兩種： ``` 1. Desktop App / Installer 模式 2. Developer Mode / 開發者模式 ``` SCBKR 設計目標是以桌面應用程式方式運行。 桌面版負責： - 啟動本地 SCBKR 操作介面 - 連接本地 FastAPI sidecar - 管理 activeBackendUrl - 連接 LM Studio / Ollama / OpenAI-compatible API - 操作 Chat / Workbench / Data Center / Model Settings / Audit - 完成使用者簽名、驗收、二次確認入庫與四庫引用流程 目前桌面封裝已有 Windows / Tauri / sidecar build 基礎。 但截至目前進度： ``` P15-P 核心閉環已完成 P15-Q Release Candidate 收束尚未完成 ``` P15-Q 尚需完成： - Windows smoke script 對齊 P15-P second_confirm gate - release build script 正式化 - release smoke script 正式化 - desktop metadata 從 preview / skeleton 收束為 Release Candidate - installer / README / package version 統一到 Release Candidate 語意 因此目前 README 不將 installer 宣稱為最終 production installer。 正式 Release Candidate installer 會在 P15-Q 收束後標記。 開發者模式用於本地測試、開發、除錯與貢獻程式碼。 安裝 Python package： ``` python -m pip install -e . ``` 安裝前端依賴： ``` npm --prefix apps/web install --package-lock=false ``` 啟動後端： ``` python -m uvicorn apps.api.main:app --host 127.0.0.1 --port 8787 ``` 啟動前端： ``` npm --prefix apps/web run dev ``` 打開： ``` http://localhost:5500 ``` 開發者模式不是最終使用者唯一入口。 它是用來驗證 API、前端、模型連線、SCBKR 流程與 Data Center 的本地開發方式。 後端 API： ``` http://localhost:8787 ``` 前端 Web： ``` http://localhost:5500 ``` LM Studio 常見本機 endpoint： ``` http://localhost:1234/v1 ``` Ollama OpenAI-compatible endpoint： ``` http://localhost:11434/v1 ``` 後端與單元測試： ``` python -m pytest -q ``` 前端 build： ``` npm --prefix apps/web run build ``` Desktop skeleton / release check： ``` npm --prefix apps/desktop run check:skeleton ``` API title smoke： ``` python python - <<'PY' from apps.api.main import app print(app.title) PY ``` Windows desktop build / smoke 目前正在 P15-Q 收束中。 P15-Q 將對齊 P15-P 的 owner signature、review gate、second confirm storage gate。 P15-Q 預計新增或對齊： ``` powershell -ExecutionPolicy Bypass -File scripts/build_desktop_release_windows.ps1 powershell -ExecutionPolicy Bypass -File scripts/smoke_desktop_release_windows.ps1 ``` 使用者可自行接入： - Sandbox - LM Studio - Ollama - OpenAI-compatible API - 自訂 endpoint 模型設定包含： - Provider - Mode - Base URL - Model Name - API Key - Temperature - Max Tokens - Timeout API Key 在讀取設定時只會遮罩，不會明文回傳。 模型接入原則： ``` 本地 loopback endpoint 可視為本機模型。 非 loopback endpoint 必須視為外部模型連線。 外部模型連線必須經過 external_api / dangerous_operation_confirmed guard。 ``` SCBKR 的設計目標不是只能在同一台電腦上操作。 SCBKR 的目標是： ``` 使用者可以在自己的電腦上運行本地後端與本地模型， 並透過手機、平板或其他裝置連回自己的 SCBKR 工作環境。 ``` 手機不是內建 LLM。 手機端只是操作入口。 實際模型、資料中心、四庫、ledger、storage 仍然由使用者指定的本地後端 / desktop sidecar / API 負責。 若前端開發伺服器或桌面入口允許 LAN 存取，手機與電腦在同一個 Wi-Fi 下，可用手機打開： ``` http://{電腦區網IP}:5500 ``` 手機可以作為操作入口： - 聊天 - 打開 Workbench - 設定 Backend API URL - 設定模型 - 建立確認單 - 查看 S / C / B / K / R - 使用者簽名 - 生成 - 驗收 - 二次確認入庫 - 查看 Data Center LAN 模式適合： - 家中 - 工作室 - 同一辦公網路 - 本地測試 SCBKR 的長期目標是支援使用者在外部環境中，仍能安全連回自己的本地 SCBKR / 本地模型工作環境。 例如： ``` 人在外面 → 手機或筆電開啟 SCBKR 前端 → 透過使用者自行設定的安全通道 → 連回家中 / 工作室電腦的 SCBKR backend → backend 再連接本地 LM Studio / Ollama / OpenAI-compatible API → 完成 Chat / Workbench / 簽名 / 驗收 / 入庫 / Data Center 查詢 ``` 遠端自接入可以透過使用者自行設定的方式實現，例如： - VPN - Tailscale / ZeroTier - Cloudflare Tunnel - reverse proxy - 自有網域 - 自建 HTTPS gateway - 其他安全通道 SCBKR 不會把遠端連線偽裝成本地模型。 只要不是 loopback URL，例如： - 192.168.x.x - 區網另一台電腦 - 公網 API - tunnel URL - reverse proxy URL - 遠端 OpenAI-compatible endpoint 即使 provider 顯示為 LM Studio / Ollama / local mode，也必須視為外部或非 loopback 模型連線，並經過 external_api / dangerous_operation_confirmed guard。 遠端自接入不代表模型可以越權。 即使使用者人在外面，SCBKR 仍維持： ``` 使用者未簽名，不得 confirmed。 責任鏈未確認，不得生成。 驗收未通過，不得入庫。 未二次確認，不得 physical write。 模型不得自行簽名。 模型不得自行驗收。 模型不得自行入庫。 ``` 手機端、遠端瀏覽器或外部裝置只是操作入口。 真正的責任鏈仍由： ``` Owner Signature Gate Review Gate Storage Confirm Gate Evidence Relation Gate Data Center / 四庫 ledger / hash / replay ``` 共同控制。 建議在 GitHub repo 右側 About → Topics 填入： ``` local-llm llm-agent ai-safety fastapi tauri desktop-app ollama lm-studio openai-compatible local-first ai-workbench workflow-automation agentic-workflow audit-log rag ``` 這些 topic 對應： - 本地 LLM - AI agent / workflow - AI safety - FastAPI - Tauri desktop - Ollama / LM Studio - local-first - AI workbench - audit log - RAG / evidence reuse SCBKR Local Responsibility Chain Model is a local AI responsibility-chain control system. It is not a general chatbot. It is not a simple RAG tool. It is not a model company. It does not allow the model to directly decide and act on behalf of the user. SCBKR makes the model enter a responsibility-chain workflow before generation. The system uses: - Chat as the natural-language entry - Workbench as the confirmation surface - S / C / B / K / R as the responsibility-chain grammar - Data Center as the replayable storage layer - Four stores as reusable indexed rule stores - Owner signature as the rule closure condition The model can assist, draft, describe, and compile. The model cannot confirm, sign, review, store, update, or delete by itself. A rule only becomes valid after owner signature. A result can only be stored after review and second confirmation. Future tasks can only reuse evidence that is owner-signed, review-passed, and not revoked / archived / superseded. Current stage: ``` P15-P core closure completed. P15-Q Release Candidate alignment pending. 模型不是先回答，而是先交代。 模型不是先生成，而是先確認。 模型可以參與，但不能越權。 規則不是模型成立，而是使用者簽名成立。 資料不是自動記憶，而是驗收後入庫。 引用不是關鍵字命中，而是 evidence relation。 聊天不是無限上下文，而是四庫索引與責任鏈回放。 遠端操作不是模型越權，而是使用者連回自己的責任鏈環境。 ``` 語意防火牆創辦人 許文耀 / 沈耀888π Founder of Semantic Firewall Wen-Yao Hsu / ShenYao888π