TngSHoO/agentcase-lab

项目介绍

AgentCase Lab 是一个面向 AI 产品与应用团队的故障复盘 MVP。它把一次 Agent 运行拆成可回放的执行轨迹，涵盖用户输入、计划、工具调用、记忆、模型输出和最终结果，帮助团队区分问题出在提示词、知识检索、上下文、长期记忆、权限还是模型幻觉上。修复之后，还能对比任务状态、成功率、延迟、Token 和成本的变化。

应用由五个 Streamlit 页面组成：指标看板、可筛选的故障案例、轨迹回放、根因分析和版本对比。根因分析默认使用规则模式演示，配置密钥后可调用 OpenAI 兼容模型。

内置的 30 条案例是明确标注的模拟数据，不代表任何模型的真实公开排名或生产效果 README。

快速使用

需要 Python 3.11 或更高版本。Windows PowerShell 下执行：

python -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip install -r requirements.txt
streamlit run app.py

打开 http://localhost:8501。首次启动会自动创建 SQLite 数据库并写入 30 条演示案例 启动步骤。README 只给出了 Windows 流程，macOS 和 Linux 需要改用对应的虚拟环境创建与激活命令。

如需实时 AI 根因分析，把 .env.example 复制为 .env，填写 AGENTCASE_API_KEY、AGENTCASE_API_BASE 和 AGENTCASE_MODEL，指向一个 OpenAI 兼容服务 可选 AI 配置。不要把密钥提交到仓库。

运行测试前安装开发依赖，然后执行 pytest 和 ruff check . 测试命令。

使用约束

• 项目是作品集 MVP，案例为模拟数据，其指标不描述任何生产环境的 Agent。
• 运行时数据保存在本地生成的 SQLite 数据库中，结果只属于当前机器。
• 真实 LLM 分析依赖外部 OpenAI 兼容服务和有效密钥；没有配置时只能使用规则模式。
• 开发说明中注明实现过程使用了 AI 编程工具辅助 开发说明。
• 采用 MIT 许可证，使用、修改和商用需保留作者及许可证声明 许可证。

HotRepo 点评

该项目出现在 HotRepo 2026-11-06 的 Python 新项目记录中：约两小时的统计窗口内净增 8 Star，观测结束时共 108 Star、2 Fork。站内没有该项目的 GitHub 全语言日榜名次，且采样只覆盖数小时，因此这些数字只能说明当天的情况，不足以判断趋势。

它的定位是把 Agent 可观测性做成一套复盘流程——回放轨迹、分类根因、对比版本——更贴近产品团队，而不是自行搭建监控设施的平台工程师。由于案例为模拟数据、项目自述为 MVP，值得参考的是这套工作流和文档结构，而非其中的任何效果数字。