Cuatro Principios Fundamentales
Core Principles v2.0Version 2.0 · · Governance 2.0 public evidence surface
Governance 2.0 Overview
This page is part of the starnum public Governance 2.0 surface and uses the same evidence layer as the system card, data governance, transparency report, use policy, and security policy.
Governance Summary
This page states the operating principles that govern product, content, AI assistance, and public disclosure.
Scope
Cultural respect, autonomy, transparency, privacy, safety, accessibility, and evidence-backed release discipline.
Implementation Status
Version 2.0 turns the principles into a navigation hub connected to the same evidence layer as the policy pages.
Este es el marco operativo de starnum.com.tw. Cada principio se corresponde con una implementación técnica concreta, no solo una declaración.
Última actualización:
Implementaciones técnicas realizadas
- ✓Página de metodología (10 idiomas) — documentación completa de fuentes de conocimiento, motor de cartas y flujo de calidad
- ✓Tarjeta de sistema (Model Card) — alcance aplicable/no aplicable y límites conocidos de Starnum Logic Engine v5.0
- ✓Benchmark de calidad — resultados de evaluación sobre un conjunto fijo de 37 cartas de prueba, re-ejecutado periódicamente para comparación pública
- ✓CHANGELOG — registro detallado de cada actualización del sistema, siguiendo el formato Keep a Changelog
- ✓Declaración explícita de escuela — todo el sitio usa la escuela de 陸斌兆 (Zhongzhou); sin mezcla, claramente marcado en la tarjeta de sistema
- ✓Declaración explícita de limitaciones — los dominios prohibidos (predicción de muerte, diagnóstico médico, figuras políticas) se publican en la página de uso aceptable
- ✓Sistema Claim-Evidence — cada afirmación metafísica en cada artículo se etiqueta a una fuente de la base de conocimiento; ninguna afirmación salida de la nada
- ✓Política de divulgación de seguridad — estándar RFC 9116, con cronogramas públicos de remediación por niveles 30/60/90 días
Implementaciones técnicas realizadas
- ✓Hash de integridad de contenido SHA256 — cada artículo incrusta un valor SHA256 inyectado en el campo
hasHashdel JSON-LD, detectando cualquier cambio de contenido - ✓Motor de cartas iztro de código abierto — la lógica de cálculo de cartas es totalmente abierta; cualquier investigador puede verificar los resultados de forma independiente
- ✓Schema JSON-LD legible por máquina — el Schema de cada artículo es validado por automatización y cumple con schema.org
- ✓Conjunto de benchmark público (eval-set) — análisis de referencia para 37 cartas de prueba fijas, reproducibles y verificables
- ✓Historial de versiones Git — todo cambio de contenido se conserva en el control de versiones Git mantiene el historial completo de cambios, totalmente trazable
- ✓Validación automatizada de 117 reglas metafísicas estrictas — aplicada antes de la publicación; cualquier violación bloquea la publicación
- ✓Validación cruzada multimodelo — la lógica metafísica es revisada en paralelo por 4 herramientas de IA; cualquier anomalía marca el artículo para re-revisión
- ✓Análisis de vulnerabilidades de dependencias — herramientas locales escanean periódicamente las dependencias npm para garantizar la seguridad de paquetes de terceros
Implementaciones técnicas realizadas
- ✓Base de conocimiento de Lu Binzhao (陸斌兆) — 2.758 archivos / 1.537.711+ líneas de texto metafísico estructurado, contrastadas con 8 fuentes para construir una base documental fiable
- ✓Declaración de consistencia de escuela — todo el sitio usa la tabla de Cuatro Transformaciones de Zhongzhou (陸斌兆); sin mezclar escuelas por conveniencia editorial
- ✓Citas de literatura clásica — las afirmaciones importantes se atribuyen explícitamente a obras nombradas como la serie Zi Wei Dou Shu Quan Shu
- ✓Auditoría conjunta de 4 IA — Anthropic / OpenAI / Google Gemini governance benchmarks revisan la lógica metafísica en paralelo; las correcciones se deciden por voto
- ✓117 reglas metafísicas estrictas — reglas fundamentales como eventos imposibles de las Cuatro Transformaciones y condiciones para evaluar patrones se aplican automáticamente
- ✓Grafo de conocimiento GraphRAG — 343 nodos de entidades / 679 relaciones, que ancla cada afirmación en una posición estructural coherente
- ✓Credenciales del autor — trayectoria de investigación metafísica y justificación del sistema de conocimiento publicados en la página about
- ✓22 bloques de análisis estándar — cada lectura de carta sigue una estructura fija, asegurando completitud y consistencia
Implementaciones técnicas realizadas
- ✓Flujos de trabajo de calidad automatizados — controles de calidad, actualización de sitemap, monitorización de caducidad de credenciales, etc., totalmente automatizados
- ✓Gestión del ciclo de vida de reglas — reglas sin activarse durante 90 días se proponen automáticamente para retiro, evitando el crecimiento ilimitado de la base de reglas
- ✓Evolución impulsada por fallos — cuando una clase de problema de calidad ocurre 3 veces, se propone automáticamente una nueva regla; los errores nunca se repiten
- ✓Bucle cerrado de calidad de seis capas (L1-L6) — defensas automatizadas desde la producción del artículo hasta la estrategia, cada capa reduciendo la intervención manual
- ✓Seguimiento de frescura de contenido — los artículos obsoletos se detectan automáticamente y se ponen en cola para actualización, manteniendo la validez a largo plazo
- ✓Protección de límite de recursos — el lockfile de GPU evita fallos por falta de memoria, asegurando una operación estable de larga duración
- ✓Seguimiento de caducidad de credenciales — las claves de API y credenciales de servicios activan alertas antes de caducar, evitando cortes de servicio
- ✓Diseño de bajo coste de computación — hosting estático Cloudflare Pages más cómputo en el borde con Workers; los costes operativos se mantienen controlados
Cómo resolvemos los conflictos entre principios
Cuando los cuatro principios entran en conflicto, priorizamos en este orden:
P3 Autoridad > P1 Transparencia pública > P2 Verificabilidad > P4 Sostenibilidad
Es decir: cualquier función que reduzca la precisión del contenido (P3) no se lanza, aunque mejore la transparencia (P1) o la eficiencia (P4).
Ejemplos de resolución
- P4 vs P3: Una función automatizada aumenta la eficiencia pero podría introducir errores de lógica metafísica → P3 gana, la función no se lanza hasta que la lógica se verifique
- P1 vs P4: Publicar ciertos datos internos mejora la transparencia pero añade coste de mantenimiento → P1 gana, asumimos el coste
- P2 vs P4: Añadir un mecanismo de validación ralentiza el sistema → P2 gana, la validación no se puede omitir
Matriz Función × Principio
Cada función principal debe corresponderse con al menos 2 principios; de lo contrario se reevalúa su necesidad.
| Función | P1 Transp. | P2 Verif. | P3 Autor. | P4 Sost. |
|---|---|---|---|---|
| Hash SHA256 de contenido | ✓ | ✓ | — | ✓ |
| Sistema de citas Claim-Evidence | ✓ | ✓ | ✓ | — |
| Auditoría conjunta de 4 IA | ✓ | ✓ | ✓ | ✓ |
| Base de conocimiento 陸斌兆 (KB) | ✓ | ✓ | ✓ | ✓ |
| 117 reglas metafísicas estrictas | ✓ | ✓ | ✓ | ✓ |
| Motor de cartas iztro (código abierto) | ✓ | ✓ | ✓ | — |
| Flujos de trabajo de calidad automatizados | — | ✓ | — | ✓ |
| Benchmark público (eval-set) | ✓ | ✓ | ✓ | — |
| Gestión de ciclo de vida de reglas | — | — | ✓ | ✓ |
Recursos de transparencia relacionados
Estos recursos muestran cómo se implementan los cuatro principios en cada capa:
Normas externas y fuentes primarias
Estas fuentes primarias orientan esta página. Son referencias comparativas, no avales de terceros al sitio.
Current Machine Audit Snapshot
This block uses only traceable local audit data. No unsupported metrics or model claims are added.
- data/state-machine/i18n-parity.json: 8,036 parent URLs, 7,976 articles.
- data/kb-machine-audit.json: 3,238 source files, 0 missing coverage, 0 orphan chunks.
- data/discovery-surface-audit.json: 0 errors, 0 warnings.
- data/sla-report.json: critical / 5 critical, 0 warnings.
Content Maintenance And Update Decision
This block makes governance-page content machine-checkable: every page must disclose its source artifacts, related pages, and the gate that reports update needs.
Update Decision
This is not static copy. When source artifacts, related policies, public metrics, or generators change, AI Ops reports evidence and an AI agent decides whether the page needs edits.
Human Boundary
Systems detect, report, and preserve machine-readable evidence. Codex/Claude agents perform final judgment and repair.
Verification Command
node scripts/verify-trust-pages.js --check
data/state-machine/trust-pages.jsondata/public-claim-registry.jsondata/sla-report.json- Related governance pages: Ethics Statement · Privacy Policy · AI Safety · Accessibility
- Update flow:
npm run update:trust-pages→npm run test:trust
Verifiable Evidence Layer
This block is not a narrative claim. Each core assertion has a claim id, source JSON, hash, and a repeatable verification command. Public pages disclose governance evidence without exposing source code, secrets, private data, or exploitable attack details.
| Claim ID | Verifiable value | Status | Owner | Source and verification |
|---|---|---|---|---|
| claim.public-url-manifest.indexable-count Public URL and canonical inventory |
38,965 indexable URLs | verified | sitewide | node scripts/generate-public-evidence-manifest.js --dry |
| claim.trust-pages.audit-pass-rate Trust page machine audit |
180/180 pass | verified | sitewide | node scripts/verify-trust-pages.js --check |
| claim.discovery-surface.zero-errors AI discovery surface audit |
{"errors":0,"warnings":0} | verified | sitewide | node scripts/verify-discovery-surface.js |
| claim.structured-data.jsonld-errors JSON-LD / structured data audit |
{"structured_data_invalid_files":0,"breadcrumb_count":28274,"faq_count":27506,"dataset_count":30,"article_count":27406} | verified | sitewide | node scripts/site-machine-audit.js |
| claim.status.sla-state Status page SLA source |
critical / 5 critical, 0 warnings | verified | sitewide | node scripts/generate-status-page.js |
| claim.provider-alignment.openai-anthropic-gemini OpenAI / Anthropic / Google Gemini benchmark alignment |
benchmark alignment only unless code/config evidence exists | verified | sitewide | node scripts/verify-public-evidence.js --check |
| claim.transparency-report.sha256 Transparency report SHA-256 anchor |
{"report":"transparency/report-2026-Q3.json","sha256":"47b09e2ca4e8b8fe9dffdfaccef3b11212de9ee3a8a14badca8044e2481203c5"} | verified | sitewide | node scripts/update-transparency-current-data.js |
| claim.release-integrity.gpg-signing GPG signing status |
GPG signing configured locally; GitHub verification pending | github_verification_pending | sitewide | gpg --list-secret-keys --keyid-format=long && git log -1 --show-signature |
System Card V2.0: Technical Transparency Layer
This layer publishes the technical governance evidence that can be safely disclosed: architecture, data sources, AI-use boundaries, quality gates, release integrity, and provider alignment. Source code, secrets, exploitable attack details, and private data remain out of scope.
Public architecture
Cloudflare Pages/Workers, R2/D1/KV/Pagefind, and local generation scripts form the public-site and governance publication chain. Public pages disclose behavior, state, and traceable sources, not secrets or internal permissions.
AI-use disclosure
AI-assisted workflows are used for knowledge-base retrieval, cross-checking, and error detection. Governance documents are benchmarked against OpenAI, Anthropic, and Google Gemini public frameworks. Production model usage is disclosed only when code/config evidence exists.
Quality and safety gates
Governance page audit 180/180 passing, JSON-LD errors 0, discovery-surface errors 0. Status pages report critical / 5 critical, 0 warnings as-is.
Data traceability
Knowledge base 32,724 chunks, TM 789,031 entries, AI answer-ready 7,976/7,976. Public metrics trace to data/state-machine/*, data/*audit*.json, and transparency reports.
| Governance area | OpenAI | Anthropic | Google Gemini | Starnum implementation evidence |
|---|---|---|---|---|
| Model/system-card disclosure | OpenAI models + safety docs | Claude model docs + system/model cards | Gemini model docs + safety settings | system-card, model-card, methodology, benchmark, transparency-log |
| Safety evaluation and use boundaries | Safety best practices / deployment checklist | Responsible Scaling / safety policy | Gemini safety controls / policy | AI safety, acceptable-use, ethics, risk-boundary copy, crawler policy audit |
| Data governance | Data controls / privacy controls | privacy and data handling docs | Gemini API data governance references | privacy, ai-data-governance, KB/TM source tracking, SHA-256 hashes |
| Monitoring and release | production checklist / eval discipline | system-card transparency discipline | model/version documentation discipline | deploy.js, status.html, SLA report, trust-pages-machine-audit, sitemap/hreflang audits |
- Sources: data/state-machine/model-card.json, public-bench.json, trust-pages.json, security-headers.json.
- Sources: data/trust-pages-machine-audit.json, data/discovery-surface-audit.json, data/ai-answer-readiness-audit.json.
- Sources: data/kb-machine-audit.json, data/tm/quality-audit-report.json, data/sla-report.json.
- Official benchmark docs checked: 2026-07-30; links are listed in the OpenAI / Anthropic / Google Gemini alignment table.
The V2.0 goal is not more claims; it separates implemented controls from planned controls. Production usage, benchmark alignment, status exceptions, GPG signing, and SLA breaches are disclosed from source data.
Release Integrity And GPG
GPG signing configured locally. signingkey=0934DFA0EDA6363A. GitHub verification pending until the public key upload and Verified badge are confirmed.
OpenAI / Anthropic / Google Gemini Alignment
The governance surface is benchmarked against the three public frameworks: model docs, system/model cards, safety evaluation, data governance, and use policies. This is benchmark alignment, not a claim that every provider is active in production inference. Official docs checked: 2026-07-30
| Provider | Governance focus | Starnum disclosure | Official source |
|---|---|---|---|
| OpenAI | Model documentation, latest model notes, safety best practices, and data controls. | No verifiable production model setting was found in the production code scan; providers are listed as governance benchmarks. | https://platform.openai.com/docs/models |
| Anthropic | Claude model documentation, system/model cards, Responsible Scaling, and safety policy. | No verifiable production model setting was found in the production code scan; providers are listed as governance benchmarks. | https://docs.anthropic.com/en/docs/about-claude/models |
| Google Gemini | Gemini API model documentation, safety settings, data governance, and platform policy. | No verifiable production model setting was found in the production code scan; providers are listed as governance benchmarks. | https://ai.google.dev/gemini-api/docs/models |