goal-anchor v0.1.0: integridad de objetivo para agentes multi-paso

Sensor contra Agent Goal Hijack: detecta desviación del objetivo acordado,

con ancla confirmada por humano y ampliación autorizada en medio del paso.

El problema

En tareas largas, un atacante puede redirigir al agente hacia un objetivo

distinto manteniendo apariencia de éxito (WebTrap). Hace falta una referencia

de objetivo que el humano confirma y que el agente no puede reescribir solo.

Qué hace

goal-anchor expone GoalAnchor, AnchorProposal y DriftMonitor.

• 
  Capa 1 (estructural, 0-LLM): señal acumulada de hitos reclamados fuera
  del ancla. Detecta deriva brusca (caso T3 del corpus).


• 
  Capa 2 (semántica): interfaz pluggable de embedder. El stub por defecto
  no es operacional a propósito — documentado como gap conocido.


• 
  confirm_amplification(): ampliación tardía validada (el ancla debe estar
  confirmada primero) que retrata cicatrices sin borrar el rastro.

Cómo funciona

from goal_anchor.anchor import GoalAnchor, AnchorProposal

ga = GoalAnchor("store.json", human_secret="h")

a = ga.propose(AnchorProposal("t1", "precios de vuelos a Madrid",

                              ["research_prices"]))

ga.confirm(a)                      # ancla fijada por humano

sig = ga.report_drift("t1", "iii_transitive", "otra_cosa")

print(sig.soft_score)              # 0.0..1.0, determinista

Resultados de la auditoría

• 18 tests en goal-anchor, todos verdes; ruff limpio.


• Auditado en clone fresco (rama main, commit 7b10ce2).

Limitaciones (honestamente)

La Capa 2 no cierra el vector WebTrap sutil (T1/T2/T4): redirecciones con

texto lexicalmente ortogonal al ancla. Lo verifiqué contra el corpus — ninguna

técnica léxica sin modelo (n-gramas, TF-IDF, edición) da señal sobre 0.00 ahí.

Quedó como gap documentado, no maquillado. El hook de ejecución real no está

desplegado.

Pruébalo

git clone --branch main https://github.com/amurlaniakea/goal-anchor.git

cd goal-anchor && python -m venv .venv && . .venv/bin/activate

pip install -e .

pytest tests/ -v

Links

• 
  Repo: https://github.com/amurlaniakea/goal-anchor
  

Licencia: AGPL-3.0-or-later. Autor: Pedro Sordo Martínez.