📄 工具详情 ⚙️ 安装教程 📚 使用教程
能力标签
🔌 MCP🤖 Agent🔄 工作流💻 CLI🔗 REST API
ArgusMind
⚙️
Agent工作流

ArgusMind

基于 Python · 无代码搭建完整 AI 自动化流程
⭐ 17 Stars 💻 Python 📄 未公布协议 🏷 AI 7.5分
7.5AI 综合评分
AI安全审计代码分析
⚙️ 配置说明 🔍 查看原项目
✦ AI Skill Hub 推荐

AI Skill Hub 推荐使用：ArgusMind 是一款优质的Agent工作流。AI 综合评分 7.5 分，在同类工具中表现稳健。如果你正在寻找可靠的Agent工作流解决方案，这是一个值得深入了解的选择。

📚 深度解析

ArgusMind 是一套完整的 AI Agent 自动化工作流方案。随着 AI 能力的不断提升，基于 Agent 的自动化工作流正在成为提升个人和团队效率的核心方式。区别于传统的 RPA 自动化（模拟鼠标键盘操作），AI Agent 工作流通过理解任务意图、动态规划执行路径，能够处理更复杂的非结构化任务。

ArgusMind 工作流的设计遵循"最小配置，最大复用"原则：核心逻辑已经封装好，用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制，在网络波动或 API 限速等情况下仍能稳定运行，适合作为生产环境的自动化基础设施。

在实际部署时，建议先在测试环境中运行 3-5 次，验证各个环节的输出结果符合预期，再部署到生产环境。AI Skill Hub 评分 7.5 分，是同类 Agent 工作流中的精选推荐。

📋 工具概览

ArgusMind 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。

GitHub Stars
⭐ 17
开发语言
Python
支持平台
Windows / macOS / Linux
维护状态
轻量级项目，按需更新
开源协议
未公布
AI 综合评分
7.5 分
工具类型
Agent工作流
Forks
—

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

ArgusMind 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。

📌 核心特色
  • 可视化 Agent 工作流编排，无需编写复杂代码
  • 支持多步骤自动化任务链，实现全流程无人值守
  • 与外部 API、数据库和第三方服务无缝集成
  • 内置错误处理与自动重试机制，保障稳定运行
  • 提供可复用的自动化模板，快速在同类场景部署
🎯 主要使用场景
  • 自动化日常重复性工作，将精力集中于创造性任务
  • 构建数据采集 → 处理 → 输出的完整自动化管线
  • 实现跨平台、跨系统的数据流转和业务协同
以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。
安装命令
# 方式一：pip 安装（推荐）
pip install argusmind

# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
pip install argusmind

# 方式三：从源码安装（获取最新功能）
git clone https://github.com/pulseio76/ArgusMind
cd ArgusMind
pip install -e .

# 验证安装
python -c "import argusmind; print('安装成功')"
📋 安装步骤说明
  1. 访问 GitHub 仓库获取工作流文件
  2. 在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
  3. 上传工作流文件
  4. 按照提示配置必要的环境变量和 API Key
  5. 运行测试确认流程正常后投入使用
以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。
常用命令 / 代码示例
# 命令行使用
argusmind --help

# 基本用法
argusmind input_file -o output_file

# Python 代码中调用
import argusmind

# 示例
result = argusmind.process("input")
print(result)
以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。
配置示例
# argusmind 配置文件示例（config.yml）
app:
  name: "argusmind"
  debug: false
  log_level: "INFO"

# 运行时指定配置文件
argusmind --config config.yml

# 或通过环境变量配置
export ARGUSMIND_API_KEY="your-key"
export ARGUSMIND_OUTPUT_DIR="./output"
📑 README 深度解析 真实文档 完整度 87/100 含工作流图 查看 GitHub 原文 →
以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

ArgusMind

ArgusMind 是一套 AI 驱动的自主代码安全审计系统。它通过多 Agent 编排，对被测代码库进行结构化审计：收集项目信息、制定按语言与风险类别的审计计划、发现危险汇聚点（Sink）、追踪并分析调用链，最终将结果写入 Neo4j 图数据库与 PostgreSQL 关系库，并通过 FastAPI 对外提供 REST API。

核心能力

  • 端到端审计流水线：Orchestrator 编排 ProjectInfo → Plan → SinkFinder → ChainAnalyzer 等 Agent，支持任务暂停、恢复与取消。
  • 双存储架构：Neo4j 承载审计阶段、语言、风险类别、Sink、链路等图关系；PostgreSQL 承载用户、任务、配置、日志、事件与漏洞发现等业务数据。
  • 可观测性：事件总线将运行日志、任务状态变更写入数据库，便于 Web 控制台或 API 查询进度。
  • 工具链集成：OpenCode（代码 Agent）、ripgrep、tokei、可选 GitNexus MCP；LLM 通过 LiteLLM 统一接入多种模型提供商。
  • REST API：项目管理、任务启停、配置管理、图数据查询、报告导出、人工审批等。

可选：GitNexus MCP 支持

pip install -e ".[gitnexus]" ```

环境要求

  • Python 3.10 及以上
  • Neo4j 5.x（默认 bolt://127.0.0.1:7687）
  • PostgreSQL（建议单独建库 argusmind）
  • Node.js / npx（OpenCode、GitNexus 等工具链；启动时会尝试自动检测/安装）
  • LLM API 与 OpenCode 服务（配置写入数据库，见下文）
  • 可选：GitNexus（安装 pip install -e ".[gitnexus]" 或 mcp 相关依赖）

2. 安装依赖

```bash python -m venv .venv

开发依赖（测试、格式化等）

pip install -e ".[dev]"

快速开始

4. 启动服务

```bash python src/main.py

运行测试

pytest

界面预览

本仓库包含 Web 控制台（Ant Design Pro + Umi）。以下截图为 Demo 模式（npm run start:demo）下的界面，数据来自内置 Mock，无需连接后端即可浏览全流程。

<p align="center"> <img src="docs/screenshots/01-login.png" alt="登录页" width="48%" /> &nbsp; <img src="docs/screenshots/02-dashboard.png" alt="控制台" width="48%" /> </p> <p align="center"><sub>登录 · 控制台（Dashboard）</sub></p>

<p align="center"> <img src="docs/screenshots/03-projects.png" alt="项目管理" width="48%" /> &nbsp; <img src="docs/screenshots/05-tasks.png" alt="任务管理" width="48%" /> </p> <p align="center"><sub>项目管理 · 任务管理</sub></p> <p align="center"> <img src="docs/screenshots/06-task-detail-1.png" alt="任务详情 - 代码审计链路图" width="96%" /> </p> <p align="center"><sub>任务详情 · 代码审计链路图</sub></p> <p align="center"> <img src="docs/screenshots/06-task-detail.png" alt="任务详情" width="48%" /> &nbsp; <img src="docs/screenshots/07-vulnerabilities.png" alt="漏洞管理" width="48%" /> </p> <p align="center"><sub>任务详情 · 漏洞管理</sub></p>

<p align="center"> <img src="docs/screenshots/08-vulnerability-detail.png" alt="漏洞详情" width="48%" /> &nbsp; <img src="docs/screenshots/08-vulnerability-detail-1.png" alt="漏洞详情" width="48%" /> </p> <p align="center"><sub>漏洞详情（报告与代码审计链路图）</sub></p>

配置与安全边界

flowchart LR ENV[环境变量 / config.yaml] CFG[PostgreSQL configs] API[FastAPI + JWT] ORCH[Orchestrator / Agents] ENV -->|仅| DB_CONN[Neo4j + Postgres 连接] CFG -->|运行期| LLM_OC[LLM + OpenCode 密钥与模型] API --> ORCH DB_CONN --> ORCH LLM_OC --> ORCH
  • 浏览器 / 客户端 不可 直接拿到 LLM Key；仅通过已鉴权 API 间接使用。
  • 临时文件目录：{TMP}/ArgusMind/{task_id}/，由 globals.TMP_DIR 与 Brain 共同使用。

3. 配置数据库连接

复制配置样例并按环境修改：

cp config.yaml.example config.yaml

或通过环境变量覆盖（优先级：环境变量 > config.yaml > 默认值）：

变量说明
NEO4J_URINeo4j Bolt 地址
NEO4J_USER / NEO4J_PASSWORDNeo4j 凭据
POSTGRES_HOST / POSTGRES_PORTPostgreSQL 地址
POSTGRES_DB / POSTGRES_USER / POSTGRES_PASSWORDPostgreSQL 凭据
注意：除 Neo4j / PostgreSQL 连接信息外，LLM、OpenCode 等运行配置不得通过环境变量设置，须写入 PostgreSQL 的 configs 表（首次启动时由 init_db 种子化，也可通过 /api/configs 接口维护）。

5. 配置 LLM 与 Code Agent

服务启动后，通过 API 或数据库更新 configs 表中的：

  • LLM_config：LiteLLM 使用的 provider、key、model、base_url 等
  • code_agent_config：OpenCode / Code Agent 的 provider、key、model、base_url 等

相关接口示例（需先登录获取 JWT）：

  • GET /api/configs/llm、PUT 同路径更新
  • GET /api/configs/code-agent
  • GET /api/configs/llm/test、GET /api/configs/code-agent/test 连通性测试

配置说明摘要

配置来源内容
环境变量 / config.yaml仅 Neo4j、PostgreSQL、log_level、work_dir 等连接与运行时路径
PostgreSQL configs 表LLM、Code Agent、JWT 密钥等业务配置
任务创建参数被测项目路径、关联 project_id 等

临时工作目录默认为系统临时目录下的 ArgusMind/（与 src/main.py、lifespan 一致）。

API 概览

前缀说明
/api/health、/api/ready健康检查
/api/auth登录、当前用户、改密
/api/projects项目管理
/api/tasks任务 CRUD、运行/暂停/恢复/取消、批量操作
/api/findings漏洞发现列表与详情
/api/events审计事件、OpenCode 事件、人工审批
/api/logs运行日志
/api/configsLLM / Code Agent 配置
/api/chains、/api/chain-graph调用链与图数据
/api/graph审计图查询
/api/reports任务报告
/api/tokensToken 用量统计

除健康检查外，多数接口需要 JWT 认证（Authorization: Bearer <token>）。

Neo4j 审计图模型

审计进度与领域对象以 有向图 存储，便于按任务、语言、风险类别下钻查询（/api/graph、/api/chain-graph）。

flowchart TB T[Task] S1[AuditStage: Information Collection] S2[AuditStage: make a plan] L[Language] RC[RiskCategory] K[Knowledge] SFN[SinkFlowNode] CN[ChainNode] AR[AnalysisResult] T -->|HAS_STAGE| S1 T -->|HAS_STAGE| S2 S2 -->|HAS_LANGUAGE| L L -->|HAS_RISK_CATEGORY| RC RC -->|HAS_SINK| SFN SFN -->|FLOW| SFN SFN -->|FLOW| CN SFN & CN -->|HAS_RESULT| AR RC -.->|HAS_AUDIT_INFO| K
节点标签含义
Task一次审计运行的图根（task_id、项目路径等）
AuditStage流水线阶段（如 Information Collection、make a plan），含 status
Language计划中的目标语言
RiskCategory该语言下的漏洞类型 / 风险类别
SinkFlowNode / ChainNodeSink 发现阶段构建的 FLOW 森林与链上节点
AnalysisResultChainAnalyzer 对单条链路的判定结果
Knowledge / AuditInfo风险类别关联的审计经验知识

主要关系：HAS_STAGE、HAS_LANGUAGE、HAS_RISK_CATEGORY、HAS_SINK、FLOW（多跳路径）、HAS_RESULT。

plan_service / sink_flow_service 通过 Cypher 维护 待处理队列（fetch_next_pending_*），Orchestrator._drive_sink_and_chain 按 语言 → 风险类别 → 链路 三层循环消费，并在节点上更新 running / completed / pending。

🇨🇳 中文文档镜像 AI 翻译 2026-05-29
英文原文章节由系统翻译为中文摘要，便于快速理解。完整原文见上方 "📑 README 深度解析"。
📌 简介

ArgusMind 是一款基于 AI 驱动的自主代码安全审计系统。它采用多 Agent 编排架构，能够对目标代码库进行结构化审计，涵盖从项目信息收集、审计计划制定、危险汇聚点（Sink）发现到调用链追踪分析的全流程。系统通过 Neo4j 图数据库存储复杂的审计链路关系，并利用 PostgreSQL 管理业务数据，最终通过 FastAPI 提供标准化的 REST API 接口。

⚡ 功能介绍

ArgusMind 提供端��端的自动化审计流水线，通过 Orchestrator 编排多个专业 Agent（如 ProjectInfo、SinkFinder、ChainAnalyzer）协同工作，并支持任务的暂停、恢复与取消。系统采用双存储架构：Neo4j 用于承载审计阶段、风险类别及 Sink 链路的图关系，PostgreSQL 用于存储用户、任务及漏洞发现等业务数据。此外，系统具备高度的可观测性，集成 OpenCode、ripgrep 等工具链，并通过 LiteLLM 统一接入多种 LLM 模型。

📋 环境依赖

运行 ArgusMind 需要 Python 3.10 及以上版本环境。数据库方面，必须配置 Neo4j 5.x（通过 Bolt 协议连接）以及 PostgreSQL（建议创建独立的 argusmind 数据库）。由于系统集成了 OpenCode 和 GitNexus 等工具，环境需支持 Node.js / npx。此外，开发者需要准备好 LLM API 密钥及 OpenCode 服务配置，并根据需要选择是否安装 GitNexus MCP 扩展。

🛠 安装步骤（Docker/pip/源码）

首先，通过 pip 安装基础依赖。若需支持 GitNexus MCP，请执行 `pip install -e ".[gitnexus]"`。对于开发环境，建议使用 Python 虚拟环境进行隔离，并运行 `pip install -e ".[dev]"` 以安装测试与格式化工具。系统在启动时会自动检测并尝试安装必要的 Node.js 工具链，确保 OpenCode 等组件能够正常运行。

🚀 使用教程

启动服务非常简单，直接运行 `python src/main.py` 即可开启 FastAPI 服务。在开发过程中，可以使用 `pytest` 运行内置测试套件以确保系统稳定性。对于复杂的审计任务，可以通过 API 或 Web 控制台进行管理，并实时通过事件总线监控任务的运行状态与进度。

⚙️ 配置说明（含 MCP / env）

系统配置遵循“环境变量 > config.yaml > 默认值”的优先级原则。用户可以通过修改 `config.yaml` 或设置环境变量来配置 PostgreSQL 和 Neo4j 的连接凭据（如 `NEO4J_URI`、`POSTGRES_HOST` 等）。为了保障安全性，客户端无法直接获取 LLM Key，所有敏感密钥均通过已鉴权的 API 进行间接调用。此外，系统会为每个任务创建独立的临时文件目录以隔离数据。

🔌 API 说明

ArgusMind 通过 FastAPI 提供丰富的 REST API 接口。`/api/auth` 用于身份验证与用户管理；`/api/projects` 与 `/api/tasks` 负责项目的生命周期及审计任务的 CRUD 操作（支持运行、暂停、恢复、取消及批量操作）；`/api/findings` 提供漏洞详情查询；`/api/events` 与 `/api/logs` 则用于实时追踪审计事件、OpenCode 状态及系统日志，实现全流程的可观测性。

🔄 工作流/模块

ArgusMind 的核心审计逻辑基于 Neo4j 构建的审计图���型。系统将审计进度、语言、风险类别、Sink 节点及分析结果以有向图的形式进行结构化存储。这种设计允许开发者通过 `/api/graph` 或 `/api/chain-graph` 接口，按任务或风险类别进行深度下钻查询，实现对复杂代码调用链的直观可视化分析与溯源。

🎯 aiskill88 AI 点评 A 级 2026-05-27

ArgusMind是一个有前景的AI驱动的代码安全审计项目

📚 实用指南（长尾问题）
适合谁
  • 需要让 Claude / Cursor 操作本地工具的 AI 工程师
  • 构建多智能体协作系统的 Agent 开发者
最佳实践
  • 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
  • Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
  • MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
  • Python 依赖冲突：建议用 venv / uv 隔离环境
部署方案
  • CLI：直接 npm install -g / pip install，命令行调用
  • 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
ArgusMind 中文教程ArgusMind 安装报错怎么办ArgusMind MCP 配置ArgusMind Agent 工作流ArgusMind 与同类工具对比ArgusMind 最佳实践ArgusMind 适合谁用

⚡ 核心功能

👥 适合谁
  • 需要让 Claude / Cursor 操作本地工具的 AI 工程师
  • 构建多智能体协作系统的 Agent 开发者
⭐ 最佳实践
  • 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
  • Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
⚠️ 常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
  • MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
  • Python 依赖冲突：建议用 venv / uv 隔离环境

👥 适合人群

自动化工程师和运维人员项目经理和业务分析师希望减少重复性工作的专业人士数字化转型团队

🎯 使用场景

  • 自动化日常重复性工作，将精力集中于创造性任务
  • 构建数据采集 → 处理 → 输出的完整自动化管线
  • 实现跨平台、跨系统的数据流转和业务协同

⚖️ 优点与不足

✅ 优点
  • +大幅减少重复性人工操作
  • +可视化流程，清晰直观
  • +可扩展性强，支持复杂场景
⚠️ 不足
  • −未明确开源协议，商用场景需谨慎评估
  • −初始配置和调试需投入一定时间
  • −强依赖外部服务的稳定性
  • −复杂场景需具备一定技术基础
⚠️ 使用须知

该工具未明确声明开源协议，商业使用前请联系原作者确认授权范围，避免侵权风险。

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

🔗 相关工具推荐

LangChain AI开发框架
Agent工作流
ai-agents-for-beginners Agent工作流
微软官方开源项目，提供12堂系统课程学习AI智能体框架。涵盖工作流设计、RAG检索增强、多智能体协作等核心技能。适合AI
n8n AI工作流自动化
Agent工作流
LangFlow 可视化AI开发
Agent工作流
📰 相关 AI 新闻
AI 前沿资讯：Hiring Senior Founding AI/Back…
AI 资讯 · 知识关联
AI Agent 自主化能力最新进展
AI 资讯 · 知识关联
AI Agent 自主化能力最新进展
AI 资讯 · 知识关联
Anthropic 研究与产品动态
AI 资讯 · 知识关联
🍿 AI 圈相关吃瓜
MCP 生态的现状：工具多，能用的少
AI 圈观察
Agent 帮我订了3次机票，全部是同一天的
AI 圈观察
配了5个 MCP 工具，Claude 一个都没用
AI 圈观察
🗺️ 相关解决方案
mcp
mcp-server-setup
agent
ai-agent-workflow
workflow
ai-workflow-templates
cli
cli-productivity
🧩 你可能还需要
基于当前 Skill 的能力图谱，自动补全的工具组合
技能寻求者
MCP · Agent · 工作流
DeepCode Agent工作流
MCP · Agent · 工作流
total-agent-memory MCP工具
为Claude Code和Codex CLI提供持久化记忆功能的开源MCP工具。自动提取知识图谱，支持多轮对话上下文保留，适合需要长期记忆和
cordum MCP工具
MCP · Agent · 工作流
natively-cluely-ai-assistant — Claude Skill 中文使用文档
免费开源的AI面试助手，实时转录，隐蔽模式，局部RAG，BYOK。无订阅，防止数据泄露。
kb-arena开源AI工作流
kb-arena是开源的AI工作流，用于Benchmark 9 retrieval architectures（向量、上下文、QnA、知识图

❓ 常见问题 FAQ

ArgusMind 是一款Python开发的AI辅助工具。开源AI工作流：AI 驱动的多 Agent 自主代码安全审计：审计计划、危险 Sink 发现与调用链分析；AI-driven multi-agent autonomous co。⭐17 · Python 主要应用场景包括：代码安全审计和漏洞检测。
💡 AI Skill Hub 点评

总体来看，ArgusMind 是一款质量良好的Agent工作流，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。

⬇️ 获取与下载
⚠️ 该工具未声明开源协议，不提供直接下载。请访问原项目了解使用条款。
📚 深入学习 ArgusMind
查看分步骤安装教程和完整使用指南，快速上手这款工具
⚙️ 安装教程 📚 使用教程
🌐 原始信息
原始名称 ArgusMind
原始描述 开源AI工作流：AI 驱动的多 Agent 自主代码安全审计：审计计划、危险 Sink 发现与调用链分析；AI-driven multi-agent autonomous co。⭐17 · Python
Topics AI安全审计代码分析
GitHub https://github.com/pulseio76/ArgusMind
语言 Python
🔗 原始来源
🐙 GitHub 仓库  https://github.com/pulseio76/ArgusMind 🌐 官方网站  https://argusmind.vercel.app/

收录时间：2026-05-27 · 更新时间：2026-05-30 · License：未公布 · AI Skill Hub 不对第三方内容的准确性作法律背书。