ContextNest：自主AI智能体的可验证上下文治理

自主AI智能体日益依赖外部知识存储，但多数检索管线只提供相关性——没有来源、版本身份、完整性、可追溯性或时间点重建的持久保证。我们将其形式化为上下文治理（context governance）并提出ContextNest——面向受治理AI可消费知识库的开放规范与参考实现。ContextNest不替代检索增强生成（RAG）；它在检索之下供给治理层——在检索系统运作前决定哪些工件被批准、现行、可归因且完整性已验证。该规范组合了带元数据的类型化Markdown文档、确定性集合代数选择器、contextnest:// URI引用、SHA-256哈希链版本历史、图级检查点、经模型上下文协议（MCP）接入活数据的源节点、以及智能体上下文消费的审计踪迹。这些机制让组织能重建哪些知识版本支撑了智能体输出、以及这些版本在被消费时是否具备AI资格。我们报告两项受控实验的首批实证结果。在隔离治理与检索失败模式的陈旧版本攻击中，受治理选择严格Pareto支配BM25稀疏检索——答案质量通过率更高（97%对93-90%）而输入token成本约三分之一。在1,060文档语料的检索确定性实验中，确定性选择器与BM25在重复相同查询上返回稳定文档集（Jaccard 1.0）——而稠密+HNSW基线在80%查询上不确定（平均Jaccard 0.611、最差0.210）。这些结果表明上下文治理解决了单靠检索质量无法设计的失败模式。我们以开放许可证发布核心引擎、CLI与MCP服务器。