用途
freshprobe 用于对 AI 智能体所使用的数据源进行新鲜度验证，防止智能体基于过期数据做出决策或行动。它位于智能体与外部世界之间，充当数据新鲜度的检查关口。
与导致告警的崩溃不同，过期数据往往会产生自信、格式良好但完全错误的响应。在多智能体管道中串联几个这样的错误，每个组件都可能报告正常，而最终输出却是灾难性错误的。freshprobe 正是为解决这一问题而设计。
主要能力
根据官方资料，freshprobe 提供六种验证信号和三种部署模式。具体信号种类和部署模式细节在提供的资料中未完整列出，暂未提供。
它能探测端点，检查以下方面：
- 缓存过期情况（cache staleness）
- 延迟（latency）
- TLS 健康状况（TLS health）
- 内容变更（content changes）
探测结果以确定性的 JSON 判定返回，取值为 FRESH、STALE 或 UNKNOWN 之一。
使用方式
安装
推荐使用 Go install 安装。也可从 GitHub Releases 下载适用于 Linux、macOS 和 Windows 的预构建二进制文件（资料未提供具体命令与链接）。
三种部署模式
- CLI 命令行工具
- MCP 服务器（面向 AI 智能体）
- HTTP 微服务/API
MCP 服务器
可将 freshprobe 添加到 AI 工具配置中。资料展示了在 .cursor/mcp.json 和 .vscode/mcp.json 中配置的示例（具体配置内容暂未提供）。配置后向 AI 智能体暴露三个工具（工具名称暂未提供）。
策略（新鲜度即代码）
可通过 YAML 为每个域定义新鲜度阈值。当探测违反策略时会触发相应动作（资料未提供具体动作细节）。内置四种策略：
- api-realtime
- api-standard
- static-content
- financial-data
持续监控与指标
支持持续监控并提供示例输出（内容暂未提供）。HTTP 服务器公开 /metrics 端点，提供 Prometheus 兼容的文本格式指标。
Kubernetes 与 Claude Code 插件
支持 Kubernetes 部署（细节暂未提供）。提供 Claude Code 插件，安装后可向 Claude 提问，例如：“Is the trading API returning fresh data?”、“Check all our endpoints before running the batch job”、“Does this API meet our real-time SLA?”。
适用场景
- 金融智能体在使用行情报价前验证数据新鲜度
- 客服机器人避免基于未同步的 CRM 数据做出错误回应
- RAG 管道避免使用过期文档回答问题
- 多智能体管道中的数据新鲜度把关
- 批处理任务运行前对所有端点进行新鲜度检查
- 持续监控端点是否满足实时 SLA
限制
所提供资料未说明具体的性能限制、支持的协议范围、部署环境要求、收费情况、价格、平台限制或使用步骤细节。部分内容（如六种验证信号的具体内容、三个 MCP 工具名称、策略违反后的具体动作、Kubernetes 部署与持续监控示例输出）在资料中未完整给出，暂未提供。
许可与贡献
项目采用 MIT 许可。贡献方向包括：面向特定领域（医疗、天气、金融）的策略包、WebSocket/gRPC/GraphQL 探测信号、OpenTelemetry 集成、Homebrew formula。
