R-behera/agentic-incident-response-20260717

# Agentic 事件响应编排器 一个受约束的事件响应 agent，通过可审计的计划和批准网关将警报路由到工具。 于 2026-07-17 生成，作为独立的生产级 AI 架构项目。 ## 现实世界问题 生产团队需要 agentic 自动化，同时不允许 LLM 式的规划器执行不安全的修复。 ## Hugging Face 任务 - `text-classification` - `text-generation` - `summarization` - `question-answering` ## 推荐的生产级技术栈 - FastAPI 用于事件和批准 API - LangGraph 用于持久的多 agent 编排 - PostgreSQL 用于 checkpoint 和审计事件 - Redis 用于队列、锁和幂等性 - OpenTelemetry 加上 Prometheus 和 Grafana - Docker Compose 用于可重现的服务集成 ## 包含内容 - 可运行的 Python pipeline，无 runtime 依赖 - 本地 JSON HTTP 推理服务 - 带有明确出处的公开数据 API 连接器 - 可重现的训练脚本 - 预留的评估命令 - 带有明确出处的合成数据集 - 训练好的透明 baseline 模型 - 架构和生产边界文档 - 单元测试、CI workflow 和 Dockerfile - 适配 Hugging Face 的模型和数据集卡片 ## 架构 1. 意图和工具路由器 2. 只读调查工具 3. 状态机规划器 4. 人工批准 checkpoint 5. 审计事件记录器 有关完整流程和生产边界，请参阅 [ARCHITECTURE.md](ARCHITECTURE.md)。 ## 快速开始 ``` python3 -m unittest discover -s tests PYTHONPATH=src python3 -m agentic_incident_response.cli "Find the error messages around the deployment timestamp" PYTHONPATH=src python3 evaluate.py PYTHONPATH=src python3 -m agentic_incident_response.service ``` 该服务暴露 `GET /health` 和 `POST /predict`。 重新构建模型： ``` python3 train.py ``` ## Baseline 评估 - 预留的合成示例：4 - 准确率：1 - 目标指标：tool_routing_accuracy、unsafe_action_block_rate、plan_completion 此分数验证了代码和评估契约正常工作。它并不 声明生产性能。 ## Hugging Face 产物 当 controller 配置了 Hugging Face token 和 namespace 时，它 会发布： - 数据集：`agentic-incident-response-20260717-dataset` - 模型：`agentic-incident-response-20260717-model` ## 项目价值 本仓库映射到以下生产 AI 工程工作： - 多 agent 规划和工具编排 - 人工参与（Human-in-the-loop）批准和持久执行 - 幂等集成和故障恢复 - 遥感勘测驱动的 agent 评估 - 最小权限生产自动化 有关适合简历的影响目标和面试 讨论领域，请参阅 [PORTFOLIO.md](PORTFOLIO.md)。 ## 1-3 个月扩展计划 按照 [ROADMAP.md](ROADMAP.md) 添加真实世界的 API、更强大的开源模型、 持久编排、评估、观测性、可扩展性测试以及 公开部署。 ## 安全性 生成的 agent 使用模拟工具。生产集成必须强制执行最小权限和人工批准。 在 调整此项目之前，请查看 [ARCHITECTURE.md](ARCHITECTURE.md)、 [PRODUCTION.md](PRODUCTION.md)、[SECURITY.md](SECURITY.md)、 [MODEL_CARD.md](MODEL_CARD.md) 和 [DATASET_CARD.md](DATASET_CARD.md)。

标签：AI智能体, AV绕过, FastAPI, IaC 扫描, LLM编排, 安全运营, 扫描框架, 搜索引擎查询, 测试用例, 用户代理, 自动化运维, 自定义请求头, 请求拦截, 逆向工具