glassflow/navflow-cookbooks

# NavFlow 实战教程 针对 [**NavFlow**](https://www.navflow.ai) —— 面向 AI agent 的开源数据平面——的实践性、结果导向教程。每个实战教程都是一个独立的示例，你可以基于**真实的本地 NavFlow 部署**来运行它们：搭建一个小型系统，将 NavFlow 指向该系统，通过 MCP 连接 agent，并衡量最终结果。 这些教程是运行中的产品的配套内容，而非模拟。你需要在本地启动 `navflow up` 和 `navflow mcp`（见下文），每个实战教程都会对其进行端到端的驱动。 ## 前置条件（所有实战教程通用） - **NavFlow**，需在本地安装并运行——即实战教程用于读取数据的数据平面： uv tool install navflow # 或者：pipx install navflow navflow up # daemon + console → http://127.0.0.1:8787 navflow mcp # agent endpoint → http://127.0.0.1:8788/mcp （在第二个 shell 中运行） - **Docker**（Desktop 正在运行）——每个实战教程都自带了供 NavFlow 接入的技术栈。 - **[uv](https://docs.astral.sh/uv/)**（或 Python 3.11 / 3.12）——用于安装实战教程的依赖项。 - **一个 Anthropic API key**——因为这些 agent 的运行是真实的 API 调用（默认模型为 `claude-opus-4-8`）。 请查阅 [NavFlow 文档](https://www.navflow.ai/docs) 以了解安装、概念、connector 和 MCP 设置相关信息。 ## 实战教程 | # | 实战教程 | 衡量的结果 | |---|---|---| | 01 | [**AI SRE — 事件响应**](cookbooks/01_sre_incident_response/) | 相同的事件响应 agent，相同的四个生产故障，相同的答案——**NavFlow 将每个系统的工具扇出折叠为一次关联读取。**通过工具调用次数、对话轮数和真实 API 成本进行衡量。 | 更多教程即将推出。每个教程都是独立的，并自带其技术栈。 ## 实战教程的结构说明 每个实战教程都是 `cookbooks/` 目录下的一个子目录，包含了它所需的所有内容——不需要学习任何共享框架： ``` cookbooks/01_sre_incident_response/ platform/ ← the system this cookbook stands up for NavFlow to ingest (docker compose) navflow_client.py ← creates the cookbook's own namespaced NavFlow sources/view/triggers via the API *_agent.py ← the agents under test (a provider-style baseline vs the NavFlow read path) run.py ← run one scenario and print the scoreboard report.py ← run the full benchmark and print the results table README.md ← the walkthrough ``` 不同的实战教程可能会提供完全不同的技术栈——上述结构只是一种约定，而非强制限制。 每个实战教程都是你 NavFlow 上的一个**访客**：它会在命名空间前缀下创建自己的对象（实战教程 01 使用 `sre_`），绝不会触碰你现有的数据源，并且在运行结束后会自行清理（`python run.py teardown`）。 ## 许可证 Apache License 2.0——详见 [`LICENSE`](LICENSE)。

标签：AI智能体, MCP, SRE, 偏差过滤, 性能评测, 教程示例, 数据平面, 请求拦截, 运维, 逆向工具