一句话看懂：Bernstein 推出一套面向 AI Agent 的开源治理层，核心是“调度器里不放模型”，用确定性 Python 调度器并行运行多个编码 Agent，并用 HMAC 哈希链和 Ed25519 签名回执记录每一步，让一次运行可被独立复验。
事件核心：发生了什么
2026 年 10 月 29 日，Bernstein 以 v3.23.0 版本出现在 Hacker News。目前公开信息显示，它采用 Apache 2.0 许可，支持本地与 on-prem 部署，提供 CLI 适配器，可编排 Claude Code、Codex、Gemini CLI 等命令行编码 Agent。其流程分四步：先用 manager 把任务拆解为角色和信号，再让 Agent 在隔离的 git worktree 中并行执行，随后由 janitor 跑测试、类型检查、lint 和可选跨模型评审，只有通过验证的 diff 才允许合并。原文还提到 Cloudflare Workers、Kubernetes 等运行方式，但相关集成标注为实验性。
为什么重要
多 Agent 协作目前普遍把大模型放进协调环，谁先跑、谁被阻塞、什么能合并都由模型判断，结果难以复现，出了问题也难追责。Bernstein 把模型限制在可选环节：能力路由、推荐器和 best-of-n 评审可以由 LLM 辅助，但决定调度的 tick 不含模型，因此同一计划可以逐字节重放。配合按天写入的 JSONL 哈希链审计日志和离线可验的回执，它更像给 Agent 工程加了一层“证据基础设施”，而不是又一个 Agent 框架。
对用户/开发者/创作者的影响
对开发者来说，最直接的价值是可审计和可复现：审查者拿到签名密钥和日志文件后，运行 bernstein audit verify 即可校验 412 条事件链，无需重跑任务。对企业采购方，默认数据不出本机、遥测需手动开启、可对接自有 OTel、Datadog、Splunk 或 S3，符合 on-prem 合规偏好。对个人用户，这仍是一个偏工程化的工具，需要自行配置签名密钥并理解 CLI 工作流；文中“90 分钟配置后一无所获”的早期体验也提示上手成本不可忽视。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Cloudflare Workers 和 Kubernetes 运行方式何时从实验转为稳定；二是签名回执与审计链能否成为多 Agent 工具间的通用接口，被其他编排器采用；三是缺少模型时调度质量是否够用，跨模型评审的实际效果目前尚无公开基准。这些将决定它是小众治理插件，还是编码 Agent 的基础设施层。
