RECEIPTS

Die Beschreibung besagt, dass RECEIPTS ein Auditor für KI-Coding-Agenten ist, der entwickelt wurde, um nach dem Ende einer Sitzung getätigte Behauptungen zu validieren. Es funktioniert wie folgt:

• Normalisierung von Transkripten verschiedener Agenten (z. B. Codex, Claude Code, OpenHands).
• Extraktion expliziter und impliziter Behauptungen anhand eines Schemas.
• Ausführung jeder Behauptung in einer abgesicherten Docker-Sandbox.
• Erstellung einer Bewertung: VERIFIED / REFUTED / UNVERIFIABLE.
• Aufbau eines Evidence Graph, der jede Bewertung auf ihre Quelle zurückverfolgt.
• Berechnung eines Trust Score auf Basis dieser Verifizierungen.

Es bearbeitet keinen Code und blockiert keine Merges und vermeidet es, Behauptungen ohne beigefügte Belege zu widerlegen.

Schlussfolgerung Das Tool scheint eine Verifizierungsschicht zu sein, keine Ersetzung für Agenten oder ein Tool für den Entwicklungsworkflow. Es ist als unabhängige Prüfung des Agentenverhaltens nach der Sitzung positioniert.

Die Beschreibung besagt, dass RECEIPTS ein häufiges Versagensmuster im KI-Coding adressiert: Agenten, die selbstbewusste, aber unwahre Behauptungen aufstellen. Der Autor rahmt dies als ein Problem des Vertrauens – nicht nur im Code, sondern in den eigenen Aussagen des Agenten.

Schlussfolgerung Die Positionierung ist die einer Vertrauensebene für KI-Agenten, gerichtet an Entwickler, die Gewissheit darüber haben möchten, dass von Agenten generierte Arbeit genau und überprüfbar ist. Das Tool ist als Sanity-Check-Mechanismus positioniert, nicht als Ersetzung oder Erweiterung des Agenten selbst.

Die Beschreibung nennt keine spezifischen Kunden oder Personas. Sie impliziert jedoch:

• Entwickler, die mit KI-Coding-Agenten arbeiten.
• Teams oder Einzelpersonen, die sich auf von Agenten generierten Code verlassen und dessen Korrektheit validieren möchten.
• Nutzer von Tools wie Codex, Claude Code, OpenHands usw., die sich über falsche Behauptungen Sorgen machen.

Schlussfolgerung Die ICP sind wahrscheinlich Entwickler oder Engineering-Teams, die KI-Agenten nutzen, insbesondere solche, die sich in der frühen Phase der Adoption oder im Experimentieren mit agentenbasierten Workflows befinden. Das Tool wird nicht als auf Unternehmenskunden oder großflächige Implementierung ausgerichtet beschrieben.

In der Beschreibung werden keine Belege für Preise, Monetarisierung oder Geschäftsmodell angegeben.

Schlussfolgerung Das Projekt ist derzeit ein Hackathon-Prototyp, und es wurde kein kommerzielles Modell beschrieben. Es ist unklar, ob es als SaaS-Produkt, Open-Source-Tool oder internes Utility angeboten wird.

Der Autor gibt an, dass RECEIPTS mit Folgendem erstellt wurde:

• Tools: Codex, GPT-5.6, Docker, FastAPI, React, SQLite, TypeScript, Python.
• Architektur: ADRs (Architectural Decision Records), Plugin-SDK, sandboxed verifiers, Evidence Graph, Trust Score computation.
• Verifiers: Enthält pytest-Ausführung, AST-basierten Test-Tamper-Detektor, file-stat, scope-check, build/lint.
• Kern-Technologie: GPT-5.6 ist tragend für die Claim-Extraktion; gpt-5.6-sol und gpt-5.6-terra für verschiedene Aufgaben.

Schlussfolgerung Das Tool wurde mit einer modularen, erweiterbaren Architektur entwickelt, mit klarer Trennung zwischen Agent-Normalisierung, Claim-Extraktion, Verifizierung und Berichterstattung. Es nutzt deterministisches Sandboxing und schema-basierte Beurteilung.

Die Beschreibung lautet:

• Das Tool wurde in einer Woche während eines Hackathons entwickelt.
• Es verfügt über 114/114 grüne Backend-Tests.
• Es verfügt über 8 funktionierende Session-Adapter.
• Es erzielte 100 % Präzision bei golden fixtures (REFUTED-precision = 1.000).
• Es enthält einen echten, digest-pinned Docker-Sandbox.

Schlussfolgerung Das Tool befindet sich in einem frühen Prototyp-Stadium und wird wahrscheinlich noch nicht im Produktivbetrieb eingesetzt. Der Autor betont seine Korrektheit und Reproduzierbarkeit, berichtet aber keine Nutzung über die Entwicklungsumgebung oder Nutzerfeedback hinaus.

In der Projektdokumentation werden keine direkten Wettbewerber benannt oder beschrieben.

Schlussfolgerung RECEIPTS scheint ein neuartiges Konzept im Bereich der KI-Agenten zu sein, das eine Lücke im Bereich Vertrauen und Verifizierung adressiert. Es könnte mit Tools konkurrieren, die darauf abzielen, die Zuverlässigkeit von Agenten zu verbessern oder von Agenten generierten Code zu auditieren, aber es werden keine solchen Tools erwähnt.

• Keine reale Nutzung: Das Tool wird als Hackathon-Prototyp beschrieben, ohne Hinweise auf eine Adoption.
• Hohe Abhängigkeit von GPT-5.6: Das System ist stark von einem Modell für die Claim-Extraktion abhängig – ein einzelner Ausfall- oder Begrenzungspunkt.
• Begrenzte Adapter-Unterstützung: Es werden nur 8 Adapter erwähnt, und die nächsten Schritte umfassen das Hinzufügen weiterer (Tier-2).
• Keine Monetarisierungsstrategie: Keine Hinweise darauf, wie es verkauft oder im großen Maßstab genutzt werden könnte.

1. Wie ist der aktuelle Stand des Tools über den Hackathon-Prototyp hinaus?
2. Wurde es mit echten Nutzern oder Teams getestet, die KI-Agenten im Produktivbetrieb einsetzen?
3. Wie behandelt es Grenzfälle, wie z. B. von Agenten generierten Code, der nicht leicht testbar ist?
4. Gibt es einen Plan, das Tool als Open Source bereitzustellen oder es für eine breitere Nutzung verfügbar zu machen?
5. Welche Auswirkungen auf Skalierbarkeit und Leistung hat das Ausführen von Verifiern in Docker-Sandboxes im großen Maßstab?