# 项目简介

<div align="center"><img src="/files/m9kZsZ4p5c4uGeUzyqmm" alt="Aegis-Graph Banner" width="100%"></div>

欢迎阅读 **Aegis-Graph** 官方技术文档。Aegis-Graph 是一项主权级学术审计协议，旨在为全球教育体系提供去中心化的、高诚信度的验证方案。本手册将深入探讨驱动该协议的架构设计、多智能体框架及机构图谱证据模型。

***

## 🏛️ 执行摘要

**Aegis-Graph** 是一个专为检测学术造假及 AI 生成凭证篡改而设计的开源多智能体框架原型。该协议由 **AEGIS-GRAPH 全球治理委员会** 监管，并由 **亚特兰大文理学院 (ACLAS)** 提供核心支持。它利用 **智能体图谱 RAG (Agentic GraphRAG)** 技术处理证据，取代传统的人工验证流程。

## 🧩 文档核心板块

### [1. 核心架构设计](/atlanta-college-of-liberal-arts-and-sciences/zhong-wen-zh/chapter2.md)

探索其 **深度防御 (Defense-in-Depth)** 模型，包括数据摄取层、图谱 RAG 证据引擎及逻辑审计共识协议。

### [2. 多智能体推理群 (MARS)](/atlanta-college-of-liberal-arts-and-sciences/zhong-wen-zh/chapter3.md)

深入了解负责审计握手的专用 AI 智能体（视觉法证、图谱导航及逻辑审计）。

### [3. 机构证据模型 (SAG)](/atlanta-college-of-liberal-arts-and-sciences/zhong-wen-zh/chapter4.md)

详细披露我们的证据模型，该模型整合了本地机构索引以及可选的 ROR 和 OpenAlex 注册表证据。

### [4. 部署与集成指南](/atlanta-college-of-liberal-arts-and-sciences/zhong-wen-zh/chapter8.md)

关于启动本地节点、环境配置及管道集成的分步说明。

***

## 🛠️ 主权之路 (项目路线图)

| 阶段       | 里程碑             | 状态     |
| -------- | --------------- | ------ |
| **V1.0** | 机构索引集成          | ✅ 已完成  |
| **V2.0** | MARS 多智能体推理框架原型 | ✅ 已完成  |
| **V2.5** | 证据加权逻辑审计        | ✅ 已完成  |
| **V3.0** | 服务端签名的审计证书      | 🚧 进行中 |

***

> \[!TIP] 如需立即开始使用，建议阅读根目录下的 [快速启动指南](https://github.com/aclascollege/aegis-graph/blob/main/README.md#🛠️-快速启动)。

## 🏛️ 治理与权威

Aegis-Graph 协议由 **AEGIS-GRAPH 全球治理委员会** 监管，并由 [亚特兰大文理学院 (Atlanta College of Liberal Arts and Sciences - ACLAS)](https://aclas.college/) 提供核心技术支持与学术验证。

***

© 2026 [ACLAS College](https://aclas.college/). 保留所有权利。


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://atlanta-college-of-liberal-arts.gitbook.io/atlanta-college-of-liberal-arts-and-sciences/zhong-wen-zh/zh.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.