สี่หลักการแกนกลาง
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.
นี่คือกรอบการดำเนินงานของ starnum.com.tw แต่ละหลักการเชื่อมโยงกับการปฏิบัติทางเทคนิคที่เป็นรูปธรรม ไม่ใช่เพียงคำประกาศ
อัปเดตล่าสุด:
การปฏิบัติทางเทคนิคที่ดำเนินการแล้ว
- ✓หน้า methodology (10 ภาษา) — เอกสารประกอบครบถ้วนของแหล่งความรู้ เครื่องคำนวณดวง และขั้นตอนคุณภาพ
- ✓System Card (Model Card) — ขอบเขตที่เหมาะสม/ไม่เหมาะสมและข้อจำกัดที่ทราบของ Starnum Logic Engine v5.0
- ✓Quality benchmark — ผลการประเมินบนชุดทดสอบดวงคงที่ 37 ดวง ดำเนินการซ้ำเป็นระยะเพื่อการเปรียบเทียบสาธารณะ
- ✓CHANGELOG — บันทึกโดยละเอียดของการอัปเดตระบบแต่ละครั้ง ตามรูปแบบ Keep a Changelog
- ✓การประกาศสำนักอย่างชัดเจน — ทั้งเว็บใช้สำนัก 陸斌兆 (จงโจว); ไม่ปะปน ระบุชัดเจนบน system card
- ✓การประกาศข้อจำกัดอย่างชัดเจน — โดเมนที่ห้าม (การทำนายการเสียชีวิต การวินิจฉัยทางการแพทย์ บุคคลทางการเมือง) เผยแพร่ที่หน้า acceptable-use
- ✓ระบบ Claim-Evidence — ทุกข้อกล่าวอ้างทางอภิปรัชญาในทุกบทความถูกผูกกับแหล่งฐานความรู้ ไม่มีการกล่าวอ้างลอยๆ
- ✓นโยบายการเปิดเผยความปลอดภัย — มาตรฐาน RFC 9116 พร้อมกำหนดเวลาแก้ไขแบบหลายระดับ 30/60/90 วันที่เผยแพร่สาธารณะ
การปฏิบัติทางเทคนิคที่ดำเนินการแล้ว
- ✓SHA256 content-integrity hash — แต่ละบทความฝังค่า SHA256 ในช่อง
hasHashของ JSON-LD สามารถตรวจพบการเปลี่ยนแปลงเนื้อหาได้ - ✓เครื่องคำนวณดวง iztro แบบโอเพนซอร์ส — ตรรกะการคำนวณดวงเปิดเผยเต็มรูปแบบ นักวิจัยสามารถตรวจสอบผลดวงได้อย่างอิสระ
- ✓JSON-LD Schema อ่านได้ด้วยเครื่อง — Schema ของแต่ละบทความถูกตรวจสอบโดยอัตโนมัติ สอดคล้องกับ schema.org
- ✓ชุด benchmark สาธารณะ (eval-set) — การวิเคราะห์อ้างอิงสำหรับดวงทดสอบคงที่ 37 ดวง ทำซ้ำและตรวจสอบได้
- ✓ประวัติเวอร์ชัน Git — การเปลี่ยนแปลงเนื้อหาทั้งหมดเก็บรักษาในคลัง GitHub สาธารณะ สืบย้อนได้ครบถ้วน
- ✓การตรวจสอบอัตโนมัติของกฎเข้มทางอภิปรัชญา 117 ข้อ — บังคับใช้ก่อนเผยแพร่ การฝ่าฝืนใดๆ จะขัดขวางการปล่อย
- ✓การตรวจสอบข้าม multi-model — ตรรกะอภิปรัชญาถูกทบทวนขนานโดยเครื่องมือ AI 4 ตัว ความผิดปกติใดๆ จะทำเครื่องหมายบทความเพื่อทบทวนซ้ำ
- ✓การสแกนช่องโหว่ของ dependencies — เครื่องมือในเครื่องสแกน dependencies ของ npm เป็นระยะเพื่อรักษาความปลอดภัยของแพ็กเกจจากบุคคลที่สาม
การปฏิบัติทางเทคนิคที่ดำเนินการแล้ว
- ✓ฐานความรู้สำนัก 陸斌兆 — 2,758 ไฟล์ / 1,537,711+ บรรทัดของข้อความอภิปรัชญาที่มีโครงสร้าง อ้างอิงข้าม 8 แหล่งเพื่อสร้างฐานวรรณกรรมที่น่าเชื่อถือ
- ✓การประกาศความสอดคล้องของสำนัก — ทั้งเว็บใช้ตารางซื่อฮั่วของสำนักจงโจว (陸斌兆) ไม่ปะปนสำนักเพื่อความสะดวกของเลย์เอาต์
- ✓การอ้างอิงวรรณกรรมคลาสสิก — ข้อกล่าวอ้างสำคัญถูกระบุอย่างชัดเจนว่ามาจากผลงานที่มีชื่อเช่นซีรีส์ Zi Wei Dou Shu Quan Shu
- ✓การตรวจสอบร่วมโดย AI 4 ตัว — Anthropic / OpenAI / Google Gemini governance benchmarks ทบทวนตรรกะอภิปรัชญาขนานกัน การแก้ไขตัดสินใจโดยการลงคะแนน
- ✓กฎเข้มทางอภิปรัชญา 117 ข้อ — กฎแกนกลางเช่นเหตุการณ์ที่เป็นไปไม่ได้ของซื่อฮั่วและเงื่อนไขการตัดสินรูปแบบถูกบังคับโดยเครื่อง
- ✓กราฟความรู้ GraphRAG — 343 โหนดเอนทิตี / 679 ความสัมพันธ์ ยึดทุกข้อกล่าวอ้างในตำแหน่งโครงสร้างที่สอดคล้องกัน
- ✓คุณวุฒิของผู้เขียน — ภูมิหลังการวิจัยอภิปรัชญาและเหตุผลการเลือกระบบความรู้เผยแพร่ที่หน้า about
- ✓บล็อกการวิเคราะห์มาตรฐาน 22 บล็อก — การอ่านดวงแต่ละครั้งเป็นไปตามโครงสร้างคงที่ รับประกันความสมบูรณ์และความสอดคล้อง
การปฏิบัติทางเทคนิคที่ดำเนินการแล้ว
- ✓เวิร์กโฟลว์คุณภาพอัตโนมัติ — การตรวจสอบคุณภาพ การอัปเดตแผนผังเว็บ การเฝ้าติดตามการหมดอายุของใบรับรอง และอื่นๆ เป็นอัตโนมัติทั้งหมด
- ✓การจัดการวงจรชีวิตของกฎ — กฎที่ไม่ถูกเรียกใช้งาน 90 วันจะถูกเสนอปลดอัตโนมัติ ป้องกันการเติบโตของฐานกฎที่ไม่จำกัด
- ✓วิวัฒนาการที่ขับเคลื่อนด้วยความล้มเหลว — เมื่อปัญหาคุณภาพระดับเดียวกันเกิดขึ้น 3 ครั้ง กฎใหม่จะถูกเสนออัตโนมัติ ข้อผิดพลาดไม่เกิดซ้ำ
- ✓วงปิดคุณภาพหกชั้น (L1-L6) — การป้องกันอัตโนมัติตั้งแต่การผลิตบทความถึงระดับกลยุทธ์ แต่ละชั้นลดการแทรกแซงของมนุษย์
- ✓การติดตามความสดของเนื้อหา — บทความที่ล้าสมัยตรวจพบโดยอัตโนมัติและเข้าคิวสำหรับการรีเฟรช รักษาความถูกต้องระยะยาว
- ✓การป้องกันขีดจำกัดทรัพยากร — lockfile ของ GPU ป้องกันความล้มเหลว out-of-memory รับรองการทำงานต่อเนื่องที่เสถียร
- ✓การติดตามการหมดอายุของใบรับรอง — คีย์ API และใบรับรองบริการกระตุ้นการแจ้งเตือนก่อนหมดอายุ หลีกเลี่ยงการหยุดชะงัก
- ✓การออกแบบการประมวลผลต้นทุนต่ำ — Cloudflare Pages โฮสต์สแตติกบวก Workers edge compute ต้นทุนการดำเนินงานควบคุมได้
เราแก้ไขความขัดแย้งระหว่างหลักการอย่างไร
เมื่อสี่หลักการขัดแย้งกัน เราจัดลำดับความสำคัญตามนี้:
P3 มีอำนาจอ้างอิง > P1 โปร่งใสเปิดเผย > P2 ตรวจสอบได้ > P4 ยั่งยืน
กล่าวอีกนัยหนึ่ง: ฟีเจอร์ใดก็ตามที่ลดความถูกต้องของเนื้อหา (P3) จะไม่เปิดตัว แม้ว่าจะปรับปรุงความโปร่งใส (P1) หรือประสิทธิภาพ (P4)
ตัวอย่างการแก้ไข
- P4 vs P3: ฟีเจอร์อัตโนมัติเพิ่มประสิทธิภาพแต่อาจแนะนำข้อผิดพลาดตรรกะอภิปรัชญา → P3 ชนะ ฟีเจอร์ไม่เปิดตัวจนกว่าตรรกะจะได้รับการตรวจสอบ
- P1 vs P4: การเผยแพร่ข้อมูลภายในบางอย่างปรับปรุงความโปร่งใสแต่เพิ่มต้นทุนการบำรุงรักษา → P1 ชนะ เรารับผิดชอบต้นทุน
- P2 vs P4: การเพิ่มกลไกการตรวจสอบทำให้ระบบช้าลง → P2 ชนะ การตรวจสอบข้ามไม่ได้
เมทริกซ์ ฟีเจอร์ × หลักการ
ฟีเจอร์แกนกลางทุกตัวต้องเชื่อมโยงกับหลักการอย่างน้อย 2 ข้อ มิฉะนั้นจะประเมินความจำเป็นใหม่
| ฟีเจอร์ | P1 โปร่งใส | P2 ตรวจสอบ | P3 อ้างอิง | P4 ยั่งยืน |
|---|---|---|---|---|
| SHA256 content hash | ✓ | ✓ | — | ✓ |
| ระบบอ้างอิง Claim-Evidence | ✓ | ✓ | ✓ | — |
| การตรวจสอบธรรมาภิบาลหลายผู้ให้บริการ | ✓ | ✓ | ✓ | ✓ |
| ฐานความรู้สำนัก 陸斌兆 (KB) | ✓ | ✓ | ✓ | ✓ |
| กฎเข้มอภิปรัชญา 117 ข้อ | ✓ | ✓ | ✓ | ✓ |
| เครื่องคำนวณดวง iztro โอเพนซอร์ส | ✓ | ✓ | ✓ | — |
| เวิร์กโฟลว์คุณภาพอัตโนมัติ | — | ✓ | — | ✓ |
| Benchmark สาธารณะ (eval-set) | ✓ | ✓ | ✓ | — |
| การจัดการวงจรชีวิตของกฎ | — | — | ✓ | ✓ |
ทรัพยากรความโปร่งใสที่เกี่ยวข้อง
ทรัพยากรเหล่านี้แสดงว่าสี่หลักการถูกนำไปใช้ในแต่ละชั้นอย่างไร:
มาตรฐานภายนอกและแหล่งข้อมูลปฐมภูมิ
แหล่งข้อมูลปฐมภูมิเหล่านี้ใช้ประกอบการกำกับดูแลของหน้านี้ เป็นเกณฑ์อ้างอิง ไม่ใช่การรับรองเว็บไซต์โดยบุคคลที่สาม
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 |