mingjing 0.11.12.post12

乾坤镜 — AI Agent 诊断折射阵列

乾坤镜 Mingjing

仓库 Ming_qiankun · PyPI mingjing · CLI ming

AI Agent 观测阵列 · 档案管理局 · 诊断引擎 — 全量记录 Agent 平台的 LLM 调用、工具执行、记忆检索与编排行为，支持可扩展的插件化诊断（标配诊断插件 LIT lite 目前支持 157 种病症规则）。

🌏 English | 📖 完整手册

许可声明：乾坤镜采用 Business Source License 1.1。年收入 <$100K 的公司和个人免费商用，非商用无限制。2030-12-31 自动转换为 Apache 2.0。

乾坤镜是 LIT 1.4 的轻量折射阵列，也是 Agent 行为的档案管理局。 它通过热轨 JSONL 文件 + SQLite/MySQL 持久层，为 OpenClaw、Hermes、LangChain 等 Agent 框架提供全量行为记录与可扩展的插件化诊断（LlamaIndex、CrewAI、OpenHands、AutoGPT 适配器 Coming Soon）。

---

为什么选乾坤镜？

乾坤镜是 Agent 行为的档案管理局：探针全量记录 LLM 调用、工具执行、记忆检索与编排行为，哈希链防篡改，本地零依赖。标配诊断插件 LIT lite 内置 157 种病症规则，插件化架构支持扩展至更多。Standalone 模式：0 LLM 调用 · 0 写回 · 0 联网，数据不离机。

按场景选择

你的场景	推荐方案
我要 SaaS 免运维	LangSmith / Langfuse（云端托管）
我要本地零依赖 + 语义诊断	乾坤镜（pip install → 即用）
我要接入现有 Prometheus/Grafana	OpenTelemetry + 自建
我要 LLM 可观测 + 数据分析	Phoenix（Arize）

乾坤镜的差异化

维度	乾坤镜	LangSmith	Langfuse	Phoenix	OpenTelemetry
定位	观测阵列 + 档案管理局 + 诊断引擎	可观测性 SaaS	可观测性 SaaS	LLM 可观测	协议标准
第三方依赖	0	需 SDK + API Key	需 SDK + API Key	需 SDK + 后端	OTel SDK + Collector
LLM API 调用	0	需要	需要	不需要	不需要
事件保留	本地全量记录 + 哈希链	云端存储	云端存储	本地可选	自控
诊断能力	插件化（标配 LIT lite，157 → N）	固定功能	固定功能	固定功能	❌ 无
离线可用	✅	❌	❌	✅	✅
安装成本	pip install	注册 + SDK	注册 + SDK	pip install + 后端	安装 Collector
数据隐私	数据不离机	上传云端	上传云端	本地可选	自控

定位：不是要替代 LangSmith/Langfuse，而是为纯本地部署、资源受限、需要语义诊断而非原始指标的场景提供零依赖方案。

本地全量记录 + 哈希链完整性 + 可配置保留策略，天然支持 EU AI Act Art. 12/19 记录保留合规。

---

📖 完整手册：请参阅 updocs/ 目录下的完整文档。

5 分钟上手

1. 安装

# 方式一：PyPI 安装（推荐）
pip install mingjing

# 方式二：从源码克隆
git clone https://github.com/wulun811/Ming_qiankun.git
cd Ming_qiankun

2. 启动服务（零依赖）

为什么分两个入口？ python3 -m src.ming start 只启动归档器（40MB RSS）， ming web serve 额外启动 Web 面板（40MB100MB，视页面内容）。 资源受限场景可只开归档器，通过 CLI ming dx 查诊断，零前端开销。

# Standalone 模式 — 纯 Python 标准库，零第三方依赖
# 启动归档器守护进程（PyPI / 源码通用）：
python3 -m src.ming start

# 启动 Web 面板（可选）：
ming web serve

3. 发射测试事件

PyPI 安装用户（无需 git clone）： 安装后直接使用，探针模块自动在包路径中。

# PyPI 用户：一行命令发射测试事件
python -m mingjing demo

# 源码用户：以下命令需在项目根目录执行
python -c "
import sys; sys.path.insert(0, 'src')
from probe_uni import ProbeUni
p = ProbeUni(system='demo', mode='white')
p.emit('llm_invoke', {
    'layer_agent': {'step_id': 'test', 'session_id': 's1', 'agent_name': 'demo'},
    'layer_llm': {'model': 'gpt-4', 'input_tokens': 100, 'output_tokens': 50, 'latency_ms': 230, 'cache_hit': False},
    'layer_network': {'target_host': 'api.openai.com', 'status_code': 200}
})
print('Event emitted!')
"

4. 查看诊断

# 查看当前系统诊断（无需启动 Web 面板）
ming dx list

5. 查看 Web 目镜

# 启动 Web 服务（自动导出 + 自动刷新，绑定 127.0.0.1:18088）
ming web serve

# 局域网访问
ming web serve --port 18088
# 浏览器打开 http://localhost:18088 或 http://<本机IP>:18088

自动更新：Web 服务内置每 30 秒自动导出 data.json + 前端自动刷新，无需手动执行 export 命令。

局域网访问：

场景	命令	浏览器地址
本机仅	ming web serve	http://localhost:18088
局域网开放	ming web serve --host 0.0.0.0 --port 18088 --no-browser	http://<本机IP>:18088
加认证	ming web serve --host 0.0.0.0 --port 18088 --no-browser --token your-secret	http://<本机IP>:18088/?token=your-secret

---

Docker 一键运行

docker build -t ming .
docker run -d --name ming -p 18088:18088 ming
# 默认启动归档器 + Web 面板（总 RSS ~140MB）
# 打开 http://localhost:18088

---

架构概览

┌─────────────┐     JSONL hot files      ┌──────────────┐
│  Probes     │ ───────────────────────► │  Archiver    │
│  (无状态)    │                          │  (唯一写入者) │
└─────────────┘                          └──────┬───────┘
       │                                        │
       │  OpenClaw / Hermes                     │ SQLite / MySQL
       │  LangChain / LlamaIndex                ▼
       │  CrewAI / OpenHands / AutoGPT   ┌──────────────┐
       │                                 │  Query       │
       └────────────────────────────────►│  Bridge      │
                                         └──────┬───────┘
                                                │
                                          ┌─────▼─────┐
                                          │  Web UI   │
                                          └───────────┘

核心模块

模块	行数	职责
probe_uni.py	~340	无状态热轨写入器，零数据库依赖
archiver.py	~670	唯一写入者，顺序扫描 hot → SQLite
cli.py	~380	命令行：dx/health/skill/query/status/web
lit_lite.py	~240	诊断核心引擎

适配器（官方参考实现）

适配器	语言	事件类型	实现方式
OpenClaw	Node.js	llm_invoke, tool_call, error	Node.js 插件
OpenCode	Python	llm_invoke, tool_call, error	DB 轮询包装器
Hermes	Python	llm_invoke, tool_call, memory_retrieve	Hermes Skill
LangChain	Python	llm_invoke, tool_call, memory_retrieve	Pip 包 + monkey-patch
LlamaIndex	Python	llm_invoke, memory_retrieve, agent_step	Coming Soon（代码已就绪，测试中）
CrewAI	Python	agent_step, llm_invoke	Coming Soon（代码已就绪，测试中）
OpenHands	Python	agent_step, llm_invoke, tool_call	Coming Soon
AutoGPT	Python	agent_step, llm_invoke	Coming Soon

标记"Coming Soon"的适配器代码已实现，正在集成测试中，欢迎提前试用并反馈。

适配器升级检查清单

升级宿主平台（OpenClaw / OpenCode / Hermes / LangChain）后，按以下步骤验证探针是否正常工作：

适配器	升级后操作	验证命令
OpenClaw	需手动重新注册插件	openclaw plugins install --link ~/.openclaw/extensions/mingjing-probe/index.js
Hermes	无需操作（hooks 接口官方稳定）	hermes plugins list && ls ~/.ming/hot/ | head
OpenCode	检查 stderr 是否有 schema 警告	启动探针后检查 ~/.ming/hot/ 是否有新文件
LangChain	运行快速验证命令	python -c "import ming_probe_langchain; print('OK')"

所有适配器升级后均可通过 python -m mingjing health 检查归档器状态。

---

诊断能力（50 种典型病症示例）

标配诊断插件 LIT lite 内置 157 种病症检测规则（插件化架构支持扩展至更多），以下是 OpenClaw 运行时可自动诊断的 50 个典型示例：

系统层

ID	病症	级别	描述
SYS-002	内存溢出（OOM）	P0	进程内存溢出，通常是内存不足或内存泄漏导致
SYS-003	内存持续增长（泄漏）	P1	RSS 近期均值显著高于早期均值（≥1.8x），疑似内存持续泄漏
SYS-004	虚拟内存异常膨胀	P2	虚拟内存远超物理内存（Node.js 阈值 30GB）
SYS-005	文件描述符泄漏	P1	文件描述符数量持续增长，可能未正确关闭文件/连接
SYS-006	线程爆炸	P1	线程数异常增长，可能导致上下文切换开销暴增
SYS-007	磁盘空间不足	P1	磁盘剩余空间低于 500MB，可能导致日志写入失败
SYS-008	静默异常（僵尸进程）	P1	PID 存活但 10 分钟内无事件发出，可能已僵死
SYS-013	归档器死亡	P0	归档器心跳停止，事件无法持久化
SYS-017	CPU 负荷高	P1	1 分钟负载超过 CPU 核心数的 80%
SYS-019	CPU Load 异常飙升	P1	CPU 1 分钟 load 短时间暴增 3 倍以上，可能 CPU 风暴
SYS-032	Token 消耗突增	P1	近 5 分钟 Token 消耗超过基准的 3 倍

网络层

ID	病症	级别	描述
NET-017	TCP 连接失败	P0	网络不通或目标主机不可达
NET-018	DNS 解析失败	P0	域名无法解析，可能是 DNS 服务器故障
NET-020	HTTP 5xx 服务端错误	P1	目标服务频繁返回 5xx，服务可能不稳定
NET-021	特定 Host 频繁失败	P1	特定目标主机错误率超过 30%
NET-024	网络分区（非 LLM 延迟）	P1	网络层连接失败导致 LLM 无响应，非模型延迟
NET-027	连接池耗尽	P1	同一目标主机并发连接数过高，可能连接池耗尽
NET-029	LLM Rate Limit（限流）	P1	LLM API 返回 429，触发速率限制
NET-030	LLM 认证失败	P0	API Key 过期或无权限，业务立即中断
NET-031	LLM 服务过载	P1	LLM API 返回 503，服务端过载/维护
NET-032	LLM 服务端内部错误	P1	LLM API 返回 500，模型推理异常或后端崩溃

模型层

ID	病症	级别	描述
MDL-029	LLM 输出被截断	P2	输出因 token 限制被截断，可能需要增大 max_tokens
MDL-030	LLM 内容被过滤	P1	输出被内容过滤器拦截，可能触发安全策略
MDL-031	LLM 空返回	P2	返回 200 但无输出内容，可能是提示词问题
MDL-032	提示词臃肿	P2	输入 token 远超输出，提示词可能过于冗长
MDL-033	特定模型高延迟	P1	特定模型响应延迟超过 5 秒
MDL-036	推理成本失控	P1	Token 消耗超过阈值，检查循环调用或模型降级
MDL-039	LLM 空转（无工具调用）	P1	LLM 多次调用但无工具调用跟进，可能存在推理循环
MDL-040	模型 API 密钥未配置	P0	API 密钥未配置或已失效，LLM 调用将全部失败
MDL-041	模型缓存命中率低	P2	超过 90% 的 LLM 调用未命中缓存

工具层

ID	病症	级别	描述
TLT-039	工具调用超时	P1	工具调用超时，依赖服务可能不可用
TLT-043	工具成功但下游失败	P1	工具调用成功但后续发生错误，下游依赖问题
TLT-044	工具权限不足	P1	工具调用因权限不足失败
TLT-046	工具选择不当	P2	工具频繁失败（3次以上），可能选错工具或参数不当
TLT-047	工具连续失败	P1	同一工具 5 分钟内连续失败超过 3 次
TLT-048	工具权限失控	P0	Agent 调用高危工具，需立即检查权限配置
TLT-052	长时间无响应（思考停滞）	P1	Agent 步骤开始后超过 2 分钟未完成
TLT-058	危险工具调用	P0	Agent 调用高风险系统命令，可能造成不可逆影响
TLT-060	工具输入循环重复	P1	同 session 内相同参数出现 ≥ 5 次，存在调用循环

Agent 层

ID	病症	级别	描述
AGT-058	多 Agent 通信开销爆炸	P1	LLM 调用频次和 Token 消耗呈 O(N²) 增长
AGT-062	错误传播与级联崩盘	P0	同一错误类型频繁出现，可能引发级联崩盘
AGT-063	开发失败恢复能力弱	P0	同一错误类型重复出现且无修复事件
AGT-067	Agent 达到最大轮次	P2	Agent 达到最大推理轮次限制，任务被迫中止
AGT-071	Agent 组件错误高频	P2	推理模块组件错误高频 ≥ 5 次，可能存在系统性问题

探针底座 & 数据质量

ID	病症	级别	描述
PRB-078	探针持续丢包	P1	探针持续丢包，可能缓冲区满或磁盘慢
PRB-079	哈希链损坏	P0	哈希链完整性校验失败，数据可能被篡改
PRB-081	探针缓冲区积压	P1	探针缓冲区持续增长，归档器可能消费慢
PRB-082	探针自错误累积	P2	探针自身错误频繁，可能影响数据质量
DQT-086	异常类型频率暴增	P1	同一错误类型 5 分钟内出现超过 10 次
DQT-087	堆栈模式重复	P2	相同堆栈跟踪频繁出现，可能是同一根因

标配诊断插件 LIT lite 的 157 种病症定义 见 config/diseases.yaml。通过 ming dx list 查看当前系统诊断结果。

当前规则内置在包中，需随版本更新。用户自定义规则引擎已在路线图中。

---

性能

场景	事件量	速率	归档率	RSS 内存
75s × 2000eps	150K	2000 events/s	100%	38MB
15min × 1000/s	882K	1000 events/s	99.9%	18MB
3min × 5000/s	884K	5000 events/s	100%	18MB

882K 测试中 0.1% 未归档是热轨缓存中的事件，在测试窗口关闭时尚末被扫描到，非数据丢失。归档器持续运行后全部落库。

---

双模式

模式	环境变量	持久层	依赖
Standalone	MING_MODE=standalone（默认）	SQLite	纯标准库
Cluster	MING_MODE=cluster	MySQL	pymysql

# Standalone（默认）
python3 -m src.ming start

# Cluster
MING_MODE=cluster \
  WQ_DB_HOST=127.0.0.1 \
  WQ_DB_USER=root \
  WQ_DB_PASSWORD=secret \
  WQ_DB_NAME=ming \
  python3 -m src.ming start

---

性能调参

Standalone 模式下，归档器默认处理 1000 事件/秒。通过环境变量可灵活调整：

环境变量	默认值	说明	典型场景
WQ_ARCHIVER_BATCH_SIZE	1000	每次扫描的热轨文件数上限	高密度写入：5000
WQ_ARCHIVER_FLUSH_SEC	1.0	扫描间隔（秒）	低延迟要求：0.5
WQ_ARCHIVER_VACUUM_HOURS	24	VACUUM 间隔（小时）	磁盘紧张时：6

场景推荐

# 场景 1: 默认（大多数用户，1000 events/s）
MING_MODE=standalone python3 -m src.ming start

# 场景 2: 高吞吐（写入密集，~5000 events/s）
WQ_ARCHIVER_BATCH_SIZE=5000 \
WQ_ARCHIVER_FLUSH_SEC=0.5 \
MING_MODE=standalone python3 -m src.ming start

# 场景 3: 省电模式（低负载设备，~200 events/s）
WQ_ARCHIVER_BATCH_SIZE=200 \
WQ_ARCHIVER_FLUSH_SEC=5.0 \
MING_MODE=standalone python3 -m src.ming start

提示：调整参数后需重启归档器生效。前端 Config 面板可查看当前配置值（只读）。

---

运行测试

# 全量测试
python -m pytest tests/ -v

# 仅适配器 Mock 测试
python -m pytest tests/test_probe_*_mock.py -v

当前状态：440 passed, 0 failed, 2 skipped

---

代码量预算

核心底座 < 2,000 行 — 探针 + 归档器 + CLI + 查询，零第三方依赖。删除任一则写流水线失效。

以下为可选扩展，按需加载，配置见 config/budget.json：

分类	预算	说明
核心底座	< 2,000 行	不可拆卸的最小核心
cluster_extension	≤ 600 行	Cluster 模式（可选，仅需 pymysql）
plugin_layer	无上限	插件越多生态越强
adapter_layer	无上限	每新增一个框架即新增一个生态节点
test_layer	无上限	测试代码单独统计

---

目录结构

├── src/                    # 源代码
│   ├── ming.py       # 统一入口
│   ├── probe_uni.py        # 探针
│   ├── archiver.py         # 归档器
│   ├── cli.py              # CLI
│   ├── adapters/           # 适配器
│   └── plugins/            # 插件
├── tests/                  # 测试
├── config/                 # 配置
│   └── budget.json         # 代码量预算
├── updocs/                 # 文档（架构+探针+诊断+数据+接口+运维+测试）
└── .github/workflows/      # CI/CD

---

贡献

见 CONTRIBUTING.md。

铁律（违反即 P0）

• Standalone 零第三方依赖：仅 Python 标准库
• Cluster 唯一额外依赖：仅 pymysql
• 探针纯粹：probe_uni.py 不 import sqlite3/pymysql
• 唯一写入者：只有归档器可写入持久层
• 只读对外：查询模块使用只读连接

---

许可

Business Source License 1.1 — 年收入 <$100K 的公司和个人免费商用，非商用无限制。2030-12-31 自动转换为 Apache 2.0。详见 LICENSE 文件。

---

作者

• 陈正 (Chenzheng) · @wulun811
• 官方邮箱：[e-mail]
• 灵感始于：诛仙协议 / THEOCLAST Protocol (TCL)

---

乾坤镜 v0.11.12.post8 — 为社区而生。

---

⚠️ 测试阶段声明：乾坤镜目前处于活跃开发阶段（版本 0.x），尚未发布 1.0 正式版。 软件按"现状"提供，不附带任何明示或暗示的担保。使用者应自行承担风险。 生产环境使用前请充分测试。详见 LICENSE。