uppalapatipurnaraviteja99/threat-researcher

# ThreatResearcher 一个用于编写 CVE 威胁情报简报的多智能体系统。基于 LangGraph + Tavily 构建。 我开发这个项目是因为我想学习 LangGraph 和多智能体模式，而威胁简报是一个非常合适的应用场景——它们需要任务分解（规划）、网络搜索（研究）以及事实核查（评估）。 ## 工作原理 三个智能体，一个工作流： 1. Planner 接收问题并将其拆分为 3-5 个子问题 2. Researcher 针对每个子问题调用 Tavily，并起草带有内联引用的简报 3. Critic 根据来源对每一项声明进行事实核查。如果发现任何毫无根据的内容，它会将工作退回给 Researcher（最多重试 2 次） ## 为什么重写 Critic Critic 的第一个版本是一个只有两行的 prompt，它仅仅会问“这份简报好吗？回答 GOOD 或 BAD”。不出所料，它对所有的内容都回答 GOOD。在一份包含多处幻觉事实的 CVE-2024-3400 简报中，它什么都没发现。 后来使用 Pydantic schema 重写了它，强制 LLM 逐一列出具体毫无根据的声明。在同一份简报中，它抓住了 8 处问题。 经验教训：用于事实核查的自由文本“看起来不错吗？”这类 prompt 是毫无用处的。你需要结构化输出，并且必须让模型逐条声明进行核查。 ## Provider 切换 `PROVIDER` 环境变量可在 OpenAI、Anthropic 和 Ollama 之间进行选择。主要使用 `gpt-4o-mini` 进行了测试，因为它成本低廉。Anthropic 和 Ollama 的路径已经接通，但我还没有进行过全面的质量对比。 ## 运行方式 ``` pip install -r requirements.txt cp .env.example .env # 编辑 .env 并添加你的 keys python run.py "Give me a brief on CVE-2024-3400" ``` 你需要一个 OpenAI key 和一个 Tavily key（免费版即可）。 ## 测试用例 - CVE-2024-3400 (Palo Alto PAN-OS) - CVE-2023-34362 (MOVEit) - CVE-2021-44228 (Log4Shell) 全部成功生成了简报。Critic 在所有简报上都标记了内容，这确实是关键所在。 ## 不足之处 - Tavily 免费版每月限制 1000 次搜索，如果频繁测试，很快就会耗尽额度 - Critic 过于严格——有时会标记那些实际上在来源中存在但措辞不同的声明。这是我目前可以接受的权衡 - 仅支持英文来源 - 没有缓存，因此每次运行都会全新调用 Tavily ## 下一步计划 在 Critic 中加入语义相似度匹配，这样它就不会标记那些经过复述但有根据的声明。也许还会尝试专门使用一个较小的本地模型作为 Critic。

标签：AI智能体, AI风险缓解, DLL 劫持, Petitpotam, 多智能体协同, 大语言模型, 威胁情报, 开发者工具, 漏洞分析, 自动化摘要, 路径探测, 逆向工具