R-behera/agentic-incident-response-20260727

# 智能体事件响应编排器 一个受限的事件响应智能体，通过可审计的规划和审批网关将警报路由到工具。 于 2026-07-27 生成，作为一个独立的生产级 AI 架构项目。 ## 现实世界问题 生产团队需要智能体自动化，但不允许 LLM 风格的规划器执行不安全的补救措施。 ## Hugging Face 任务 - `text-classification` - `text-generation` - `summarization` - `question-answering` ## 推荐生产技术栈 - FastAPI：用于事件和审批 API - LangGraph：用于持久的多智能体编排 - PostgreSQL：用于 checkpoint 和审计事件 - Redis：用于队列、锁和幂等性 - OpenTelemetry 结合 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 - 具有明确来源的公开数据 API 连接器 - 可重现的训练脚本 - 留出评估命令 - 具有明确来源的合成数据集 - 已训练的透明基线模型 - 架构和生产边界文档 - 单元测试、CI 工作流和 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. 人工审批 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` 接口。 重新构建模型： ``` python3 train.py ``` ## 基线评估 - 留出的合成示例：4 - 准确率：1 - 目标指标：tool_routing_accuracy, unsafe_action_block_rate, plan_completion 此分数用于验证代码和评估契约是否正常工作。它并不代表生产环境的性能。 ## Hugging Face 产物 当控制器配置了 Hugging Face token 和命名空间时，它将发布： - 数据集：`agentic-incident-response-20260727-dataset` - 模型：`agentic-incident-response-20260727-model` ## 作品集价值 本仓库映射到以下生产 AI 工程领域的工作： - 多智能体规划和工具编排 - Human-in-the-loop 审批和持久执行 - 幂等集成和故障恢复 - 遥测驱动的智能体评估 - 最小权限生产自动化 有关适合简历的影响力目标和面试讨论领域，请参阅 [PORTFOLIO.md](PORTFOLIO.md)。 ## 1-3 个月扩展计划 请按照 [ROADMAP.md](ROADMAP.md) 添加真实的 API、更强大的开源模型、持久编排、评估、可观测性、可扩展性测试以及公共部署。 ## 安全性 生成的智能体使用模拟工具。生产集成必须强制执行最小权限和人工审批。 在改造此项目之前，请查阅 [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, LangGraph, LLM编排, 搜索引擎查询, 测试用例, 用户代理, 自定义请求头, 请求拦截, 运维自动化, 逆向工具