A.I.G（AI-Infra-Guard）快速部署指南：一键脚本、预构建镜像与源码构建三种方式全解

A.I.GAI-Infra-Guard快速部署指南一键脚本、预构建镜像与源码构建三种方式全解【免费下载链接】AI-Infra-GuardA full-stack AI Red Teaming platform securing AI ecosystems via Agent Scan, Skills Scan, MCP scan, AI Infra scan and LLM jailbreak evaluation.项目地址: https://gitcode.com/GitHub_Trending/ai/AI-Infra-Guard本文以 Tencent Zhuque Lab 开源的全栈 AI 红队Red Teaming安全测试平台A.I.GAI-Infra-Guard的官方快速开始文档为骨架系统讲解其部署的系统要求、三种部署方式一键安装脚本、预构建镜像、源码构建的完整操作与底层实现并深入剖析数据目录挂载、LLM API Key 配置、常见故障排查与版本升级流程。读完本文你将能在一台 Docker 环境中独立完成 A.I.G 的部署、配置与日常运维并理解每个环节在仓库源码中的实际落点。系统要求在开始部署前请先确认宿主环境满足以下最低要求以官方快速开始文档为准资源最低要求说明Docker20.10 或更高版本同时兼容docker composev2与docker-composev1两种命令形态可用内存至少 4GBwebserver 与 agent 两个容器同时运行agent 容器还申请了 2GB 共享内存shm_size可用磁盘空间至少 10GB包括预构建镜像体积、data/知识库数据越狱评测集、指纹、漏洞库以及日志部署方式均以 Docker 容器化交付宿主机无需预装 Go、Node.js 或 Python 环境——运行时依赖全部封装在镜像内部详见 Dockerfile 与 Dockerfile_Agent。三种部署方式概览官方文档提供了三条部署路径可按场景选择方式命令适用场景方法 1一键安装脚本curl ... docker.sh \| bash全新服务器自动安装 Docker 与 Compose推荐首选方法 2预构建镜像docker-compose -f docker-compose.images.yml up -d已有 Docker追求最快启动速度方法 3源码构建docker-compose up -d需要定制镜像或离线调试源码无论采用哪种方式安装完成后均可通过浏览器访问http://localhost:8088进入 A.I.G Web 界面。方法一一键安装脚本推荐# 该方法将自动安装 Docker 并启动 A.I.G curl https://raw.githubusercontent.com/Tencent/AI-Infra-Guard/refs/heads/main/docker.sh | bash该脚本同样存在于仓库根目录 docker.sh也可以克隆仓库后通过sudo bash docker.sh执行。从 docker.sh 源码看其实际执行流程分为五个阶段环境检查脚本必须使用 root 权限运行main()中通过id -u校验随后检查git、curl是否可用任一缺失即中止。安装 Docker若系统未安装 Docker则调用https://get.docker.com官方安装脚本并通过systemctl enable --now docker设置开机自启。安装 Docker Compose优先探测docker compose versionv2不可用时回退到docker-compose若两者均不存在则下载固定版本v2.24.6的 Compose 二进制到/usr/local/bin/docker-compose。构建发布目录以--depth 1浅克隆仓库创建release-package目录并在其中初始化db/、logs/、uploads/随后将docker-compose.images.yml重命名为docker-compose.yml、data/知识库目录、README.md、README_ZH.md、CHANGELOG.md一并复制进去最后删除临时克隆的源码仓库。启动服务检测并删除旧镜像zhuquelab/aig-agent:latest与zhuquelab/aig-server:latest避免缓存干扰升级随后在发布目录执行docker compose pull与docker compose up -d后台拉起全部服务。脚本对每一步失败都给出了明确的错误提示与排查建议例如 Docker 守护进程未启动、镜像仓库无法访问等并在结尾输出docker compose ps、docker compose logs -f、docker compose down等常用运维命令提示。该方式适合在全新服务器上一键完成从 Docker 安装到 A.I.G 上线的全流程。方法二使用预构建镜像运行推荐git clone https://gitcode.com/GitHub_Trending/ai/AI-Infra-Guard.git cd AI-Infra-Guard # 该方法从 Docker Hub 拉取预构建镜像以便快速启动 docker-compose -f docker-compose.images.yml up -d该方式直接使用 docker-compose.images.yml 中声明的两个官方预构建镜像免去本地构建启动最快。镜像与服务定义如下webserver 服务镜像zhuquelab/aig-server:latest容器名ai-infra-guard-webserver对外映射端口8088:8088承载 A.I.G 的 Go 后端与 Web 前端静态资源agent 服务镜像zhuquelab/aig-agent:latest容器名ai-infra-guard-agent仅在内部网络暴露8000端口承载 Agent 扫描、Prompt 安全评测AIG-PromptSecurity、MCP/Skill 扫描与 API Checker 等 Python 侧能力网络与依赖两个服务通过ai-infra-guard-network桥接网络互通agent 服务声明depends_on: webserver: condition: service_healthy确保 webserver 健康检查通过后才启动资源与安全配置agent 容器开启SYS_ADMIN能力、seccomp: unconfined并设置shm_size: 2gb这是其内部运行 Chromium用于浏览器仿真与截图取证与 nmap 扫描所必需的环境前提。方法三源码构建并运行git clone https://gitcode.com/GitHub_Trending/ai/AI-Infra-Guard.git cd AI-Infra-Guard # 该方法从本地源码构建 Docker 镜像并启动服务 docker-compose up -d该方式使用 docker-compose.yml 从本地源码构建镜像。与预构建方式相比webserver 服务额外注入了以下环境变量environment: - APP_ENVproduction - UPLOAD_DIR/app/uploads - DB_PATH/app/db/tasks.db - TZAsia/Shanghai - AIG_API_CHECKER_URLhttp://agent:8000其中AIG_API_CHECKER_URL将 webserver 与 agent 容器内的 API Checker 服务http://agent:8000打通agent 服务还支持通过环境变量覆盖 API Checker 行为例如AIG_API_CHECKER_MAX_JOBS默认 20、AIG_API_CHECKER_ALLOW_HTTP默认 0禁止明文 HTTP 回调、AIG_API_CHECKER_ALLOW_PRIVATE_TARGETS默认 0禁止扫描内网目标、AIG_API_CHECKER_CORS_ORIGINS均为安全性默认值生产环境建议保持默认。源码构建的内部过程可分别从两个 Dockerfile 中看到webserver 镜像Dockerfile采用多阶段构建。第一阶段基于node:22-alpine使用 pnpm 构建前端frontend/经pnpm build产出 dist第二阶段基于golang:1.23.2-alpine编译 Go 二进制ai-infra-guard入口为./cmd/cli/main.go并把前端产物拷贝到common/websocket/static/内嵌运行阶段基于python:3.12-alpine通过 uv 安装 agent-scan 的 Python 依赖最终由 start.sh 启动服务。agent 镜像Dockerfile_Agent基于python:3.12-slim预装nmap、chromium、中文字体等运行时工具分别安装 AIG-PromptSecurity、mcp-scan、agent-scan、skill-scan 及services/api_checker的依赖入口脚本为 scripts/start_agent_container.sh以非 root 用户agent依次拉起 API Checkeruvicorn 服务端口 8000提供/healthz健康检查与 Go 版 agent 主进程并在任一子进程异常退出时自动重启。数据目录结构与持久化A.I.G 的所有运行数据都通过卷挂载落到宿主机目录升级容器或重建镜像不会丢失数据。官方文档给出的目录结构如下目录/文件描述挂载路径uploads/上传文件目录/ai-infra-guard/uploadsdb/数据库文件目录任务数据tasks.db/ai-infra-guard/dbdata/知识库数据目录越狱评测集、指纹、漏洞/ai-infra-guard/datalogs/应用日志目录/ai-infra-guard/logs上述目录分别通过./data:/app/data、./db:/app/db、./logs:/app/logs、./uploads:/app/uploads四条卷映射与宿主机绑定见 docker-compose.yml。容器启动脚本 start.sh 会在启动时自动创建/ai-infra-guard/db、/ai-infra-guard/uploads、/ai-infra-guard/logs目录、初始化日志文件logs/trpc.log最终执行./ai-infra-guard webserver --server 0.0.0.0:8088启动 Web 服务。其中data/是平台的核心知识库仓库中已内置data/eval/越狱评测数据集、data/fingerprints/AI 组件指纹与data/vuln/、data/vuln_en/中英文漏洞指纹支撑 AI Infra 扫描、MCP 扫描等检测能力。配置 LLM API KeyA.I.G 的 Agent 扫描、Prompt 安全评测等核心功能依赖大语言模型进行智能分析因此部署完成后必须先在Settings设置页面配置大模型 API Key配置时必须填写以下三个字段填写完成后点击Save即可生效模型名称Model Name例如gpt-4o、deepseek-chat等实际使用的模型标识API Key调用该模型服务所需的密钥Base URL模型服务的接口地址兼容 OpenAI 协议格式的服务商均可配置。配置完成后Agent 扫描、Prompt 越狱评测等依赖 LLM 的功能即可正常调用。若切换了模型服务商只需回到该页面修改 Base URL 与密钥无需重新部署服务。常见问题FAQ官方文档针对部署中最常见的四类问题给出了标准解法1. 端口冲突若本机 8088 端口已被占用可修改 webserver 服务的端口映射# 修改 webserver 端口映射 ports: - 8080:8088 # 使用 8080 端口将宿主机端口改为 8080 后通过http://localhost:8080访问即可。2. 权限问题数据目录挂载后若出现写入失败通常是目录属主与容器用户不匹配导致# 确保 data 目录具有读写权限 sudo chown -R $USER:$USER ./data同理db/、logs/、uploads/目录也建议确保当前用户可读写。3. 服务启动失败先通过容器日志定位失败原因# 查看详细日志 docker-compose logs webserver docker-compose logs agent由于两个服务存在健康检查依赖agent 需等待 webserver healthy见 docker-compose.yml排查时应按webserver→agent的顺序依次检查。4. 停止服务# 停止服务 docker-compose down # 停止服务并删除数据卷谨慎使用 docker-compose down -v注意down -v会同时删除 Docker 命名卷中的数据如api-checker-data执行前请确认无需保留相关数据。更新升级需要升级到最新版本并清理过期资源时按以下步骤操作# 重新构建镜像并重启服务 docker-compose -f docker-compose.images.yml up -d --build # 清理悬空 Docker 镜像可选清理 docker image prune -fup -d --build会先拉取/重建最新镜像再滚动重启容器由于宿主机data/、db/等目录通过卷挂载持久化升级过程不会影响已积累的知识库与任务数据。docker image prune -f用于清理升级过程中产生的悬空镜像释放磁盘空间。部署后的整体架构与后续阅读完成部署后A.I.G 实际运行两个容器webserver8088Go 后端 Web UI 内嵌前端静态资源与 agent8000Python 扫描与评测引擎 API Checker。两者通过ai-infra-guard-network内部网络通信数据经卷挂载持久化在宿主机。整体部署链路可在 docker-compose.yml、Dockerfile、Dockerfile_Agent、start.sh 与 scripts/start_agent_container.sh 中逐一核对。平台启动后即可体验其核心安全能力建议继续阅读以下官方文档AI 基础设施安全扫描基于指纹识别 AI 框架与组件的已知 CVE 漏洞MCP Server 安全扫描识别 MCP Server 的工具投毒与代码漏洞Skill 安全扫描识别 Skill 中的工具投毒与安全威胁Prompt 安全评测基于评测集自动评估大模型的越狱与对抗鲁棒性常见问题FAQ更多使用过程中的疑难解答【免费下载链接】AI-Infra-GuardA full-stack AI Red Teaming platform securing AI ecosystems via Agent Scan, Skills Scan, MCP scan, AI Infra scan and LLM jailbreak evaluation.项目地址: https://gitcode.com/GitHub_Trending/ai/AI-Infra-Guard创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考