Arbor

Arbor 是一套面向新加坡中小企业的开源人力资源信息系统，作为 PACT 与 Kailash 代理栈在受监管领域中的参考实现而构建。它不是：拼接在薪资数据库之上的聊天机器人。确定性的 HR 引擎与 AI 顾问引擎是被治理线划分开的两个系统，且每一条顾问回复都附带一份 EATP 信任证明，可回溯到生成该回复的知识库状态与代理版本。

它的存在是为了回答一个具体问题：在一个真正处理钱款、法定申报与雇佣法的产品内部，治理线能否守得住？Arbor 就是人力资源领域的可运行答案。

两个引擎，一条治理线

Arbor 将”必须确定”的部分与”受益于判断”的部分区分开来。

线之上（确定性，零 LLM）。 薪资按毛额到净额逐步计算，含公积金（CPF）、技能发展税（SDL）、外籍劳工税（FWL）与自助团体（SHG）缴款，随后生成法定文件（CPF e-Submit、IR8A、IR21）。休假涵盖十三种假别，具备按性别区分的应享额度、按服务年限递进、按比例折算与结转。理赔、考勤、排班，以及完整的员工生命周期（入职、试用、转正、离职、工作准证跟踪）均以工作流逻辑运行，相同输入始终产生相同输出。

线之下（自主，已证明）。 一个 AI 合规顾问回答雇佣法问题，依据新加坡法规并附带条文级的来源引用。它运行一条十三步安全链（查询分析、知识检索、合规闸门、回复合成、引用校验），并路由到六位领域专家：雇佣法令、公积金、外籍人力、TAFEP、工作场所安全与卫生（WSH）、以及税务/IRAS。顾问返回的每一条回答都以一份 EATP 信任记录签名。

治理标准在代码中的体现

机制	在 Arbor 中的体现
EATP 信任谱系	GenesisRecord 将每次顾问会话锚定到知识库状态与代理版本；AgentAttestation 记录每位专家的贡献并记录约束违规
约束包络	代理的领域限制与置信声明受包络约束，因此顾问无法在其获许领域之外作答
Delegate（TAOD 循环）	顾问代理以”思考、行动、观察、决定”推理，每个动作都经过治理闸门，工具注册表含 200 多个 HR 工具
DataFlow 模型	95 个受治理的数据模型支撑 HR 套件，其 CRUD 与迁移为生成而非手写
MCP 集成层	横跨五个 MCP 服务器的 38 个连接器，触达政府、会计、银行、通信与监管系统

项目信息

许可证	Apache 2.0
版本	0.4.9（Alpha）
源代码	github.com/terrene-foundation/arbor
安装	git clone 仓库后执行 pip install -e ".[dev]"
领域	新加坡中小企业人力资源
Python 模块	214
API 路由器	31
DataFlow 模型	95
测试文件	104
构建于	kailash、kailash-nexus、kailash-dataflow、kailash-kaizen、kailash-pact、kailash-mcp、kaizen-agents

Arbor 处于 Alpha 阶段。该成熟度标签反映的是项目的发布状态，而非实现的深度：HR 引擎与顾问链已完整并经过测试。请将其视为可阅读、可运行、可学习的参考，而非用于你自家薪资的生产部署。

它对架构意味着什么

Arbor 证明了治理线并非图示上的概念。薪资与法定申报位于线之上，那里确定性是强制性的，一次错误的公积金计算就是一次法律失败。顾问位于线之下，那里自然语言推理正是其用途所在，审计轨迹记录下说了什么、依据何种授权。两者从不混淆。这与约束型组织所描述的分离是同一回事，只是表达在一个中小企业真正用得上的产品里。

关于这一模式在金融服务领域的对应实现，参见 Astra。