ADR开发环境搭建：从源码到运行全流程
ADR开发环境搭建从源码到运行全流程【免费下载链接】ADRADR secures enterprise AI agents through observability, security benchmarking, and threat detection. Deployed at Uber.项目地址: https://gitcode.com/GitHub_Trending/adr10/ADRADRAI Agent Defense Research是一个为企业级AI代理提供安全保障的开源项目通过可观测性、安全基准测试和威胁检测来保护AI代理。本指南将带你完成从源码克隆到环境配置的完整搭建过程让你快速上手ADR的开发与测试。 环境准备系统要求与依赖项在开始搭建前请确保你的系统满足以下要求Python版本3.10至3.12推荐3.10版本以获得最佳兼容性包管理器uv推荐或pip操作系统Linux推荐Ubuntu 20.04或macOS额外工具Git、npm用于部分依赖安装核心依赖项说明ADR项目使用Python开发主要依赖项在以下文件中定义Detection/pyproject.toml包含项目核心依赖如pydantic、numpy、openpyxl等Sensor/pyproject.toml传感器模块的依赖配置requirements.txt部分第三方工具的依赖声明 源码获取克隆项目仓库首先使用Git克隆ADR项目仓库到本地git clone https://gitcode.com/GitHub_Trending/adr10/ADR cd ADR Python环境配置虚拟环境与依赖安装为避免依赖冲突建议使用虚拟环境隔离项目依赖。以下是使用uv和venv两种方式的配置方法方法1使用uv推荐uv是一个快速的Python包管理器ADR项目优先支持uv# 安装uv如果尚未安装 curl -LsSf https://astral.sh/uv/install.sh | sh # 创建并激活虚拟环境 uv venv source .venv/bin/activate # 安装Detection模块依赖 cd Detection uv install # 安装Sensor模块依赖 cd ../Sensor uv install方法2使用venv pip如果你更习惯使用标准库的venv# 创建虚拟环境 python -m venv .venv source .venv/bin/activate # 安装Detection模块依赖 cd Detection pip install -e . # 安装Sensor模块依赖 cd ../Sensor pip install -e .[dev]⚙️ 配置文件设置关键参数调整ADR项目的配置文件位于以下路径根据你的需求进行必要调整Detection/config_benchmark.yaml基准测试配置Detection/config_detector.yaml检测器配置Detection/openai_config.pyOpenAI API配置如使用GPT模型需设置API密钥示例配置OpenAI API密钥编辑Detection/openai_config.py文件添加你的API密钥# openai_config.py OPENAI_API_KEY your-api-key-here OPENAI_MODEL gpt-4 # 或其他支持的模型 核心模块安装检测引擎与传感器ADR项目包含两个核心模块Detection检测引擎和Sensor传感器需要分别安装安装Detection模块cd Detection uv install # 或 pip install -e .安装Sensor模块cd Sensor uv install # 或 pip install -e .[dev]部分功能可能需要额外依赖如LlamaFirewall# 安装LlamaFirewall依赖 pip install llamafirewall1.0.3✅ 验证安装运行测试与示例安装完成后通过运行测试用例验证环境是否配置正确运行单元测试# 测试Detection模块 cd Detection uv run pytest tests/ -v # 测试Sensor模块 cd ../Sensor uv run pytest tests/ -v运行基准测试示例# 运行ADR-Bench基准测试 cd Detection uv run python main_benchmark.py # 运行AgentDojo基准测试 uv run python main_benchmark.py --benchmark agentdojo运行检测器示例# 使用ADR检测器分析基准测试结果 uv run python main_detector.py --results-dir benchmark/adr_bench_YYYYMMDD_HHMMSS # 使用LlamaFirewall检测器 uv run python main_detector.py --detector llamafirewall --results-dir benchmark/adr_bench_YYYYMMDD_HHMMSS 开发环境优化提高开发效率为提升开发体验推荐以下工具和配置VS Code配置安装以下扩展Python微软官方扩展PylancePython语言服务器YAML语法高亮和验证代码格式化与 lintingADR项目使用以下工具保持代码质量# 格式化代码 uv run black . # 检查代码风格 uv run flake8 . # 类型检查 uv run mypy .❓ 常见问题解决依赖冲突如果遇到依赖冲突尝试以下命令重新安装依赖# 清理缓存并重新安装 uv cache clean uv install缺少系统库某些Python包需要系统库支持例如# Ubuntu/Debian系统 sudo apt-get install libpython3-dev python3-dev libssl-dev # CentOS/RHEL系统 sudo yum install python3-devel openssl-devel基准测试运行缓慢可以通过限制并发任务数量提高速度uv run python main_benchmark.py --concurrent 3 进一步学习资源官方文档docs/REPRODUCIBILITY.md基准测试开发Detection/benchmark/agentdojo/检测器开发Detection/guardrail/传感器开发Sensor/adr_sensor/通过以上步骤你已经成功搭建了ADR的开发环境。现在可以开始探索ADR的安全检测功能或为项目贡献代码和改进了【免费下载链接】ADRADR secures enterprise AI agents through observability, security benchmarking, and threat detection. Deployed at Uber.项目地址: https://gitcode.com/GitHub_Trending/adr10/ADR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
)
