neelpote/ai-incident-black-box

GitHub: neelpote/ai-incident-black-box

一个基于 Filecoin 去中心化存储的 AI 故障响应黑匣子记录器,帮助运维团队将故障证据和分析结果加密上链并支持完整性验证。

Stars: 0 | Forks: 0

# AI 故障黑匣子 一个基于 Filecoin 的黑匣子记录器,用于 AI 驱动的故障响应。 该应用允许值班工程师加载故障证据,运行本地故障分析 agent,生成带有 hash 的证据胶囊,通过 Filecoin Pin 进行存储,并验证检索到的胶囊是否仍然与存档的回执匹配。 ## 当前可用功能 - 现代化的无 gradient 故障控制台 UI - 示例结账服务中断场景 - 确定性的本地故障 agent - 时间轴回放条 - 包含 SHA-256 hash 的证据清单 - 故障胶囊构建器 - 用于无密钥演示的模拟 Filecoin 存储适配器 - 用于真实 Calibration/mainnet 存储的 Filecoin Pin 适配器 - 在真实模式下带有检索检查的回执验证流程 - 针对 agent、hash、胶囊创建和验证的单元测试 - 用于分析/存储/验证的 Playwright 流程 ## 本地运行 ``` npm install npm run dev ``` 打开 [http://localhost:3000](http://localhost:3000)。 对于此环境,`npm run start` 比 `npm run dev` 更稳定,因为开发环境文件监听器可能会触及操作系统的限制: ``` npm run build npm run start ``` ## 演示流程 在线演示:[https://filecoin-two.vercel.app](https://filecoin-two.vercel.app) 1. 点击 `Load sample incident`。 2. 点击 `Analyze incident`。 3. 查看根本原因、即时修复方案、未知问题并回放时间轴。 4. 点击 `Store capsule`。 5. 查看 Filecoin CID 和 piece CID。 6. 点击 `Verify receipt`。 ## 真实 Filecoin 模式 应用默认使用模拟模式,因此无需凭证即可运行。要在 Calibration 上使用 Filecoin Pin: 1. 为一个兼容 ETH 的 Filecoin 钱包充值 Calibration tFIL 和测试用的 USDFC。 2. 复制 `.env.example` 到 `.env.local`。 3. 设置: ``` FILECOIN_STORAGE_MODE=filecoin-pin FILECOIN_NETWORK=calibration PRIVATE_KEY=0x... ``` 4. 启动应用: ``` npm run build npm run start ``` 服务器会使用本地 `filecoin-pin` CLI 依赖存储故障胶囊 JSON,并在可用时返回 IPFS root CID 和 Filecoin piece CID,然后通过从配置的 gateway 检索 JSON 来进行验证。 首次上传前可用的设置命令: ``` npx filecoin-pin payments setup --auto --network calibration ``` 切勿提交 `.env.local` 或任何私钥。 ## 测试 ``` npm run lint npm test npm run build npm run test:e2e ``` 注意:Playwright 在受限的 macOS 沙盒中可能会被阻止。应用仍然可以正常构建和提供服务。 ## Filecoin 集成 存储路由通过以下方式进行: ``` src/app/api/storage/store/route.ts src/app/api/storage/verify/route.ts src/lib/storage/server.ts src/lib/storage/filecoin-pin.ts src/lib/storage/mock-filecoin.ts ``` 设置 `FILECOIN_STORAGE_MODE=mock` 或保留为空以使用模拟模式。设置 `FILECOIN_STORAGE_MODE=filecoin-pin` 以使用真实的 Filecoin Pin 模式。 ## 项目计划 完整的构建计划位于: ``` docs/AI_INCIDENT_BLACK_BOX_BUILD_PLAN.md ```
标签:Filecoin, Incident Response, 数据防篡改, 暗色界面, 特征检测, 自动化攻击, 运维