lama-development/debrief
GitHub: lama-development/debrief
Debrief 是一个基于多 Agent 架构的事件响应平台，通过 RAG 和 LLM 自动化事件分诊、历史案例检索及复盘报告生成。
Stars: 1 | Forks: 0
# 总结
**事件响应多 Agent 平台**
[](https://python.org)
[](https://fastapi.tiangolo.com)
[](https://react.dev)
[](LICENSE)
## 工作原理
Debrief 将分诊的认知负担从人类转移到 Agent：自然语言分类、通过 RAG 对过往事件进行语义召回，以及在关闭时自动生成 post-mortem。
### Agent
| Agent | 职责 |
| ----------------- | ---------------------------------------------------------------- |
| **Triage** | 从自由文本中分类 severity、优先级和涉及的团队 |
| **Investigator** | 通过 RAG 搜索类似事件（语义 embedding） |
| **Resolver** | 提出 remediation 建议、跟踪关闭情况并生成 post-mortem |
## 技术栈
| 层级 | 技术 |
| --------------------- | --------------------------------------------------------------------------- |
| Agent 编排 | [Agno](https://agno.com) |
| Vector DB | [LanceDB](https://lancedb.com) |
| Embedding | sentence-transformers (本地) |
| LLM | [Groq](https://groq.com) |
| Backend | [FastAPI](https://fastapi.tiangolo.com) + [uv](https://docs.astral.sh/uv/) |
| Frontend | [React](https://react.dev) + [shadcn/ui](https://ui.shadcn.com) |
| Database | SQLite |
## 快速开始
### 1. 克隆并配置
```
git clone https://github.com/lama-development/debrief && cd debrief
cp .env.example .env
# 在 .env 中插入你的 GROQ_API_KEY
```
### 2. 安装 Python 依赖
```
uv sync
```
### 3. 使用 seed 数据填充数据库
```
uv run seed
```
### 4. 启动 backend 和 frontend
**终端 1** — Backend 位于 `http://localhost:8000`：
```
uv run dev
```
**终端 2** — Frontend 位于 `http://localhost:5173`：
```
cd frontend
npm install # solo la prima volta
npm run dev
```
打开 `http://localhost:5173`，注册一个用户，声明一个事件并与 Agent 聊天。
### 5. (可选) 运行评估
```
uv run eval
```
## 文档
完整的官方技术文档 —— 包含架构动机、设计选择和评估 —— 位于 [`docs/Debrief_Documentazione_Tecnica.md`](docs/Debrief_Documentazione_Tecnica.md)。
## 作者
**Davide La Marca** (20054157) — Programmazione di Applicazioni Intelligenti MF0781
标签：DLL 劫持, Python, 多智能体, 大语言模型, 安全运营, 库, 应急响应, 扫描框架, 无后门, 检索增强生成, 自动化分诊