面向 AI 产品和应用团队的智能体故障复盘与根因分析平台。
它把一次 Agent 运行拆解为可回放的执行轨迹，帮助团队定位提示词、知识检索、工具调用、上下文、长期记忆、权限或模型幻觉问题，并比较修复前后的成功率、延迟、Token 和成本。
当前仓库是作品集 MVP。内置案例为明确标识的模拟数据，不代表任何模型的真实公开排名或生产效果。
- 数据看板：成功率、修复率、根因分布、延迟与成本
- 故障案例：按场景、状态和根因筛选
- 轨迹回放：检查用户输入、计划、工具、记忆、模型和最终结果
- 根因分析：演示规则模式，以及可选的 OpenAI 兼容模型分析
- 版本对比：验证修复前后的任务状态和关键指标
需要 Python 3.11 或更高版本。
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。
复制 .env.example 为 .env，填入 OpenAI 兼容服务的配置：
AGENTCASE_API_KEY=你的密钥
AGENTCASE_API_BASE=https://api.deepseek.com/v1
AGENTCASE_MODEL=deepseek-chat
不要将 .env 或真实 API Key 提交到 GitHub。
python -m pip install -r requirements-dev.txt
pytest
ruff check .agentcase-lab/
├── app.py # 产品首页
├── pages/ # 五个核心页面
├── agentcase/ # 数据模型、SQLite、指标与分析逻辑
├── data/ # 运行时生成的本地数据库
├── docs/ # PRD、用户旅程、指标和决策记录
└── tests/ # 自动化测试
本项目为从零搭建的个人作品集项目，开发过程中使用了 AI 编程工具辅助实现。产品定义、范围取舍、指标设计、验收和最终内容应由项目维护者理解并负责。
本项目基于 MIT License 开源。你可以使用、修改、分发或商用本项目，但须保留原作者及许可证声明。