01
平台工程与 Azure DevOps 自动化
在 Azure DevOps 内构建流水线、扩展与交付流程自动化。重复劳动从团队手里移出，变成受版本管理的流水线。
TRX22 · 平台与业务
我们打造高效率的 AI 平台与智能体。
贵组织的每一次推理，都会先经过一层：它保护敏感数据，在调用前精简请求，并记录下谁做了什么、花了多少钱、耗了多少电。
安全与治理落在数据经过的那个点上，而不是事后的一份报告里。
- 防护
- 发出之前
- Membrane 始终运行，没有开关
- 内核
- Rust + Python
- BIOMA Core v2，编译进热路径
- 遥测
- 每次请求 1 条记录
- 成本、能耗、拦截与责任人
引擎运行中
BIOMA Core v2
用 Rust 编写的效率内核，编译后嵌入 API 的热路径。它在工具输出回到模型之前先做精简。
- 投产日期
- 节省模式
- 默认开启
- 无法识别的格式
- 原样通过
引擎从不猜测。它识别不了的内容，例如 JSON 和检索输出，会原封不动地通过。
关于我们
我们是产品公司，不是站在外面提建议的咨询机构。
生成式 AI 的快速落地留下了一道结构性缺口：组织与其所用模型之间，缺少治理、安全与效率的基础设施。TRX22 就是来补这一层的。
自研技术经可复现的基准测试验证，并由咨询团队将其落地到敏捷转型与治理建设中。公司总部位于巴西圣保罗，业务处在人工智能、AI 治理与 AI 驱动业务平台的交界处。
使命
让 AI 的使用可审计、可控、够省，把企业和政府今天所欠缺的控制权还给他们：AI 如何用、用在哪里、花了多少。
愿景
成为企业与政府市场的 AI 治理基础设施标杆：位于任何组织与其所用任何 AI 模型之间的那一层。
这一层，画出来TRX22
工程专长
四条业务线，每一条都交付可度量的结果。
02
多智能体架构与 MCP 协议
角色、范围与边界都写明的智能体团队，通过 MCP 接入内部工具与数据。每个智能体只对一块负责，而那一块是可审计的。
03
预测性流动指标与蒙特卡洛预测
基于真实流动数据做模拟预测，用吞吐量、前置时间和服务水平预期说话，而不是靠经验拍脑袋。
04
面向大语言模型的 FinOps 咨询
AI 的钱究竟花到了哪里，按部门、按责任人拆清楚，再找出哪些手段能压下成本又不牺牲用户拿到的答案。
合作伙伴
两家，仅此两家：Anthropic，Claude Certified Partner和NVIDIA，Inception 计划成员。
云服务商在这里只作为技术基础设施出现，绝不作为合作伙伴。
产品
BIOMA Canopy，效率与治理内核 就在您与 AI 之间。
一套 Rust 与 Python 混合的框架，装在贵组织所有推理本就会经过的那个点上。它不要求团队更换工具，它本身成为通路。
Membrane · 发出前即拦截01
确定性内容检查器
Membrane 在每个请求离开贵方网络之前检查它，拦下不该流出的内容。
靠的是确定性检测器，而不是模型的猜测：巴西税号按校验位核对，银行卡按 Luhn 算法校验，还有邮箱、密钥特征，以及贵组织自定义的正则与词典。始终运行，没有开关。
Core v2 · 进去什么，出来什么02
FinOps 优化
内核在工具输出回到模型之前先做精简，控制台则显示 AI 的钱流向了哪里。
BIOMA Core v2：编译进 Python API 热路径的 Rust 二进制。它识别不了的内容，例如 JSON 与检索输出，按已记录的决定原样通过。节省模式按组织设置。
审计 · 封存的层03
谁也改不了的记录
每次调用都留下链式封存的记录，控制台还会显示某项管控未生效的那些调用，并附上原因。
只追加、链式封存的审计日志。治理的证据不是顺利的那些例子，而是规则没有触发的那些例子，以及为什么。
组织 · 部门 · 项目 · 密钥04
实时可见
成本、令牌、能耗与拦截，按部门、按项目、按密钥呈现，聚合在服务端完成，而不是丢给浏览器。
组织、部门、项目、虚拟密钥的层级结构。每把虚拟密钥都有自己的预算、速率上限与可用模型。所有查询按组织过滤。
高精度指标
0
条原文入库
Membrane 检测
被发现的敏感数据会变成内容哈希。原文永远不会进入数据库，管理员也看不到。
1
条记录 / 每次请求
遥测
花了多少钱、耗了多少电、拦下了什么、谁做的。每个请求一条事件，聚合在服务端完成。
4
个可选模块
合规姿态
透明度（第 50 条）、数据事件（巴西 LGPD 第 48 条）、巴西行业规则、治理声明。默认全部关闭。
3
种状态 / 每项决定
是 · 否 · 待定
没有作答的合规决定会明确显示为待定。沉默永远不会被当成同意，这正是该模块存在的意义。
这些是架构层面的指标，可在产品内核实。实测的节省数字另行公布，并且始终附带来源与测量日期。
集成
canopy.ts
1// 任何兼容 OpenAI 的 SDK 都指向 Canopy。
2// 虚拟密钥携带预算、限额和可用模型。
3
4import OpenAI from "openai";
5
6const cliente = new OpenAI({
7 baseURL: "https://canopy.trx22.space/gateway/v1",
8 apiKey: "sk-bioma-…",
9});
10
11// 治理、预算与 DLP 在发送前生效
已上线的界面
Forge 与 Synapse · 规划中
两种主权模式：Canopy Cloud，以及数据不能出场的 Canopy On-Premise 或离线版。
如何接入贵方的运行环境
三步，没有一步需要团队重新学怎么干活。
Canopy 不是又一个需要团队去适应的工具。它装在调用本来就要走的那条路上。
- 01
把网关指过来
团队改的是基础 URL，不是工具。代理兼容 OpenAI 接口，已经写好的代码照常运行。
每个部门拿到一把虚拟密钥，带有各自的预算、速率上限与可用模型。
- 02
Membrane 做检查
在任何东西离开贵方网络之前，确定性检测器会扫一遍请求，拦下不该流出的内容。
一次检测留下的是内容哈希。敏感原文永远不会进入数据库。
- 03
控制台给出答案
成本、令牌、能耗与拦截，按部门、按项目、按责任人列清楚，随时应对董事会的提问。
记录是链式的、只追加的。谁都改不了，管理员也不行。
AI 治理
四根支柱，董事会真的核得动。
只写在制度文件里的治理，撑不过一次审计。这四根支柱是跑在调用路径上的管控措施，会自己留下证据。
隐私由设计保障
敏感数据在离开贵方网络之前就被发现并拦下，而检测所保留的内容无法还原出原文。
Membrane · 过不去的东西
- 确定性检测器在请求发出之前运行，而不是事后
- 一次检测保存的是内容哈希，敏感原文永远不会进入数据库
- 由此承担的后果：Canopy 无法识别数据主体，这是设计使然，不是能力不足
- 所有查询从第一天起就按组织过滤
Canopy 支持满足监管要求，但不认证、也不担保合规。四个监管模块均为可选，出厂即关闭：由组织自己开启，而这个决定会被记录下来。
难回答的问题
签约之前，客户都会问这些。
简短的回答，包括那些不利于成交的。在董事会上，一个经得起核实的「不」，比一个撑不过审计的「是」更值钱。
我的团队需要换工具吗？
不需要。网关兼容 OpenAI 接口，改的只是基础 URL，已经写好的代码照常运行。团队得到的是按部门划分的虚拟密钥，各自带有预算、速率上限与可用模型。
敏感数据会离开我的基础设施吗？
Membrane 在贵方网络内部、发出之前完成检查，一次检测留下的是内容哈希。数据完全不能出场的客户，可以选择 Canopy On-Premise 或离线版，与 Canopy Cloud 并列。
用了它，我就符合巴西 LGPD 和欧盟《人工智能法案》了吗？
不。说「是」的人，值得您警惕。Canopy 支持满足这些要求：记录决定、确定性地加上提示、保存证据。认证和合规担保，从来不是软件能交付的东西。
引擎识别不了的内容怎么办？
原样通过。JSON 和检索输出不做压缩直接放行，这是记录在案的决定，因为在这两种格式上引擎会抓错重点。它从不猜测：识别不了的，就不碰。
谁能删掉审计记录？
谁都不能，管理员也不能。日志是只追加、链式的。控制台还会显示某项管控未生效的那些调用并附上原因，因为审计要的第一份清单，恰恰就是它。
发生事件时，你们能告诉我们哪些数据主体受影响吗？
不能，而这是设计如此，不是做不到。因为 Membrane 只存哈希、从不存原文，产品无法重新识别出任何人。LGPD 事件模块会登记案件，从组织知悉的那一刻起计算时限，并保存是否通知的决定及其理由。
联系我们
我们正在寻找首批 Design Partner。
如果贵组织已经把 AI 用在生产环境，却说不清它花了多少钱、处理了什么、由谁发起，那我们要聊的正是这件事。
完整的 A/B 基准测试报告可来函索取，我们通过邮件发送。
企业
已在生产环境使用 AI 的中大型组织，需要说清楚它花了多少钱、看过什么、谁在用。
政府机构
公共部门，可依巴西第 14.133 号法律经由 CPSI 直接采购；数据不能出场的场景可选本地部署。