ResolveAgent

2026 Agent Engineering | 面向问题解决的生产级 AIOps 智能体平台

Production-grade AIOps Mega-Agent Platform for Troubleshooting & Resolution

🧠 Intelligent Selector · 🌳 Hybrid Planner · 💾 Hierarchical Memory · 🔍 FTA Engine · 🔧 ToolHub · 🔄 Loop Engineering

✨ At a Glance | 项目速览

维度	数据
技术栈	Go 1.25 平台服务 + Python 3.11+ Agent 运行时 + React WebUI（23 页）+ 移动端示例
分析路由	4 条业务路径：FTA 故障树推理 / Skill 技能编排 / RAG 检索增强 / 代码分析（+ LLM 直答兜底）
FTA 引擎	5 种门类型（AND/OR/VOTING/INHIBIT/PRIORITY_AND 时序语义）+ 最小割集 + 蒙特卡洛仿真
记忆体系	3 层架构：Working（进程内）/ Episodic（Redis TTL）/ Long-term（Milvus/Qdrant LRU）
数据层	PostgreSQL 16 表 6 组 / Redis / NATS / Milvus-Qdrant 双后端向量库
质量工程	480+ Python 单元测试项 + 8 套集成测试 + Go `-race` 测试 + Go E2E + OpenAPI 契约测试

📖 代码级架构讲解见 Architecture Deep Dive，功能就绪状态见 Feature Status。

What is ResolveAgent?

ResolveAgent is a production-grade AIOps Mega-Agent platform built on 2026 Agent Engineering best practices. It automates the entire troubleshooting and resolution lifecycle: from ticket ingestion and intent routing, through knowledge retrieval and fault-tree analysis (FTA), to remediation execution and feedback closure.

ResolveAgent is designed for teams running complex distributed systems who need to compress the time from alert → root cause → fix from hours to minutes, while continuously capturing tribal knowledge into reusable skills and RAG corpora.

核心闭环 | The Resolution Flywheel

ResolveAgent 的独特机制不是"单路径 AI 问答"，而是一个自增强的排查知识飞轮：

  告警 / 工单
      │
      ▼
  意图识别  ── Intelligent Selector：意图分析 → 上下文增强
      │
      ▼
  路由分发  ── FTA / Skill / RAG / 代码分析 / LLM 直答
      │
      ▼
  多路求解  ──▶ 根因结论 + 修复建议 + 证据链
      │
      ▼
  语料写回  ── RAG 文档 · 技能 · 长期记忆
      │
      └──▶ 权重自适应，回流至下一次「路由分发」

        用得越多 → 知识越厚 → 排查越准

每次排查的结果都会回流为语料（RAG 文档）、技能（Skill）与长期记忆，并驱动路由权重自适应调整——平台随使用变得更聪明。

Why ResolveAgent?

Traditional AI chatbots give a single answer path. ResolveAgent introduces multi-path intelligent routing combined with a self-reinforcing knowledge loop:

Differentiator	What it means for you
Multi-path routing	Every request is analyzed and routed to the best engine: FTA, skill execution, RAG, code analysis, or direct LLM reasoning.
Resilient routing	Failures are not dead ends; the selector learns from them, retries with enriched context, and adapts route weights over time.
Formal fault-tree reasoning	FTA engine with five gate types (AND/OR/VOTING/INHIBIT/PRIORITY_AND with dynamic ordering semantics), minimal cut sets, and Monte-Carlo simulation with Wilson confidence intervals.
Knowledge self-reinforcement	Every resolution enriches skills, RAG documents, and memory, so the platform gets smarter with use.
Full-chain auditability	Intent classification, route decisions, evidence solving, and corpus write-back are all logged with context snapshots — replayable and reviewable.
Production-grade resilience	Circuit breakers, fallback cascades, structured observability, and OpenTelemetry tracing out of the box.
Polyglot runtime	Go platform services for scale, Python runtime for AI/ML, and React WebUI for operators.

How It Works: 一条告警的旅程

以一次典型的 K8s Pod 告警为例，ResolveAgent 端到端的处理链路：

 ① 接入        ② 意图分析         ③ 路由决策            ④ 多路求解
┌─────────┐  ┌──────────────┐  ┌─────────────────┐  ┌──────────────────────┐
│ 告警/工单 │─▶│ Intelligent  │─▶│ Route Decision  │─▶│ FTA:   故障树建模     │
│ 文本/事件 │  │ Selector     │  │                 │  │ Skill: k8s-pod-crash │
└─────────┘  │ · 意图分类    │  │ fta / skill /   │  │ RAG:   运行手册检索   │
             │ · 上下文增强  │  │ knowledge /     │  │ Code:  调用链分析     │
             │   (记忆/偏好/ │  │ code_analysis / │  │ Reasoning: LLM 直答  │
             │    代码检测)  │  │ reasoning       │  └──────────┬───────────┘
             └──────────────┘  └─────────────────┘             │
                                                               ▼
 ⑦ 权重自适应    ⑥ 语料写回                          ⑤ 证据结论
┌────────────┐  ┌─────────────────────┐        ┌─────────────────────┐
│ Adaptive   │◀─│ · RAG 文档沉淀       │◀───────│ 根因 + 最小割集 +     │
│ Weight     │  │ · 技能沉淀           │        │ 修复建议 + 证据链     │
│ Adjuster   │  │ · 长期记忆沉淀        │        └─────────────────────┘
└────────────┘  └─────────────────────┘

关键设计：任何一路失败都不是终点。ResilientSelector 会记录失败上下文，按错误分类切换偏好路径（如 RAG 资源缺失 → 偏好 LLM 推理兜底），并排除已尝试路径重试，最多 3 次；全程决策留痕于审计日志，可回放、可复盘。

Use Cases

ResolveAgent is built for SREs, platform engineers, and operations teams who need reliable, evidence-based incident resolution:

Kubernetes incident response — Pod crashes, OOMKilled, CrashLoopBackOff, network partitions.
API / service degradation — 5xx spikes, latency regressions, dependency failures.
Root-cause analysis (RCA) — Fault-tree modeling with minimal cut sets and probabilistic simulation.
Knowledge-base Q&A — RAG over runbooks, post-mortems, codebases, and call-chain corpora.
Code-level diagnosis — Static analysis, call-graph traversal, and solution document generation.
Ticket triage and summarization — Automatic classification, routing, and structured summarization.

以下场景全部基于已接线可用的能力（真实端点/页面），可按 Quick Start 启动后直接复现：

Case 1 · K8s 告警值班响应（SRE） — 告警触发后，值班工程师在 WebUI Playground（或 POST /v1/agents/{id}/execute）提交事件描述。MegaAgent 经智能选择器自动路由：命中场景技能时，排查引擎按 manifest 定义的步骤流执行——命令步骤在沙箱中真实运行（如 kubectl get pods），stdout/stderr 原样进入诊断证据；最终产出四要素结构化解法（症状 / 关键信息 / 排查步骤 / 解决步骤），一键沉淀到 Solutions 知识库，下次同类告警直接语义检索复用。

Case 2 · 故障根因量化分析（稳定性团队） — 在 FTAEngine 页面构建故障树（五种门类型，含时序与优先级语义），引擎计算最小割集定位最脆弱路径，蒙特卡洛仿真给出顶事件失效概率与 Wilson 置信区间。分析结果持久化到 /api/v1/fta/documents/{id}/results，作为架构评审与容量决策的量化依据。

Case 3 · 运维知识库问答（技术支持 / 新人上手） — 用 POST /v1/corpus/import 把 runbook、复盘报告、代码仓库批量导入 RAG（Milvus/Qdrant 向量库，自动分块入库）；团队在 RAG 页面或 POST /v1/rag/query 自然语言提问，检索命中带出处引用。排查产出的解法经 /v1/solutions/sync-rag 回写知识库，形成「用得越多、答得越准」的语料飞轮。

Case 4 · 代码级诊断（研发团队） — POST /v1/code-analysis/static 对目标服务做静态分析与错误诊断，/v1/code-analysis/errors/parse 解析报错堆栈；调用链图谱（call-graphs nodes/edges/subgraph）与流量分析交叉定位可疑变更；对持久化的流量图可再触发 /v1/code-analysis/traffic/graphs/{id}/analyze 生成 LLM 分析报告。

Case 5 · 工单分诊与摘要（工单运营） — TicketSummary 页面对入站工单自动分类、路由与结构化摘要，把「读工单」从分钟级压到秒级；摘要与分类结果可回写客户工单系统。

Case 6 · 集成进已有平台（平台工程） — 三条集成路径：REST API（Go 平台 ~100 条路由 + Python 运行时 14 个端点，含 SSE 流式）、gRPC SelectorService（把智能路由作为共享服务嵌入自有调度链）、MCP 适配器（把 ResolveAgent 能力暴露为 Model Context Protocol 工具，供 Claude/通义等 Agent 直接调用）；另有 Dify / LangGraph 集成适配层。无后端环境时可用 WebUI 演示模式（mock 数据驱动）先行体验。

Quick Start

# 1. Clone the repository
git clone https://github.com/ai-guru-global/resolve-agent.git
cd resolve-agent

# 2. Start the entire stack with one command
#    (deps containers + Go platform + Python runtime + WebUI)
./scripts/start-local.sh all

# 3. Check service health
./scripts/start-local.sh status

After startup, open the WebUI at http://localhost:5174 and the Platform API at http://localhost:8080/api/v1/health.

⚠️ First run of start-local.sh runtime automatically creates python/.venv and installs dependencies (.[rag]); this may take a few minutes.

Environment Requirements

Dependency	Version	说明
Go	>= 1.25	go.mod 锁定 1.25.0
Python	>= 3.11	运行时（开发环境已验证 3.14）
Node.js	>= 20	WebUI 开发（已验证 v22）
Docker	>= 20.10	依赖服务容器化
Make	latest	构建工具链
uv	推荐	Python 依赖管理（无则回退 pip）

Startup endpoints

服务	地址	说明
WebUI	http://localhost:5174	React 可视化控制台
Platform API	http://localhost:8080	Go 平台服务（健康检查 `/api/v1/health`）
Runtime API	http://localhost:9091	Python Agent 运行时（`/health`）
gRPC	localhost:9090	Platform gRPC 服务（仅健康检查与反射；业务 API 走 REST）
PostgreSQL	localhost:5432	长期记忆 / 业务数据
Redis	localhost:6379	短期记忆 / 缓存
NATS	localhost:4222	消息总线
Milvus	localhost:19530	RAG 向量存储

Step-by-Step & Makefile

./scripts/start-local.sh deps      # 仅启动依赖容器 (PostgreSQL / Redis / NATS / Milvus / etcd)
./scripts/start-local.sh platform  # 仅启动 Go 平台服务（自动编译）
./scripts/start-local.sh runtime   # 仅启动 Python Agent 运行时（自动重建 venv）
./scripts/start-local.sh web       # 仅启动 WebUI 开发服务器
./scripts/start-local.sh stop | restart | logs web | doctor

make setup-dev        # 初始化开发环境（依赖 + Git Hooks）
make build            # 构建 Go / Python / WebUI
make compose-up       # Docker Compose 全栈启动
make test             # 全量测试（Go + Python + WebUI）
make lint             # 全语言 lint 门禁（Go/Python/Web/Proto）

Python Agent Example

from resolveagent.selector.selector import IntelligentSelector
from resolveagent.memory import HierarchicalMemory
from resolveagent.planning import HybridPlanner, PlanningMode

selector = IntelligentSelector(strategy="hybrid")
memory = HierarchicalMemory(session_id="session-1")
planner = HybridPlanner()

decision = await selector.route(input_text="分析代码中的安全漏洞", agent_id="my-agent")
# → RouteDecision(route_type="code_analysis", confidence=0.85)

plan = await planner.create_plan(goal="诊断 API 500 错误", mode=PlanningMode.DELIBERATIVE)
# → Plan(steps=[Step(gather_info), Step(diagnose), Step(fix)])

memory.add("user", "我想部署到 k8s", importance=0.8)
recent = memory.get_recent(limit=10)

遇到启动问题？见 Troubleshooting。

Architecture Overview

┌──────────────────────────────────────────────────────────────────────────┐
│                            RESOLVEAGENT                                   │
│                                                                           │
│  ┌──────────┐    ┌──────────────┐    ┌─────────────────────────────────┐ │
│  │  Client  │───▶│   Higress    │───▶│     Platform (Go)               │ │
│  │ CLI/WebUI│    │ AI Gateway   │    │  Registry │ Auth │ Route │ Store │ │
│  │ Mobile   │    │              │    │  Feedback │ CircuitBreaker       │ │
│  └──────────┘    └──────────────┘    └────────────┬──────────────────┘ │
│                                                      │ HTTP/SSE           │
│                                                      ▼                    │
│                            ┌─────────────────────────────────────────┐   │
│                            │     Agent Runtime (Python)              │   │
│                            │                                         │   │
│                            │  ┌──────────┐ ┌──────────┐ ┌─────────┐ │   │
│                            │  │ Selector │ │ Planner  │ │ Memory  │ │   │
│                            │  │ (路由)    │ │ (规划)   │ │ (记忆)  │ │   │
│                            │  └──────────┘ └──────────┘ └─────────┘ │   │
│                            │  ┌──────────┐ ┌──────────┐ ┌─────────┐ │   │
│                            │  │   FTA    │ │ Skills   │ │   RAG   │ │   │
│                            │  │ 引擎     │ │ +沙箱    │ │ Pipeline│ │   │
│                            │  └──────────┘ └──────────┘ └─────────┘ │   │
│                            │  ┌───────────────────────────────────┐ │   │
│                            │  │   Resilience │ MessageBus │ LLM   │ │   │
│                            │  └───────────────────────────────────┘ │   │
│                            └──────────────────┬──────────────────────┘   │
│                                               │                          │
│  ┌────────────────────────────────────────────▼──────────────────────┐   │
│  │        Data Layer: PostgreSQL │ Redis │ NATS │ Milvus/Qdrant      │   │
│  └───────────────────────────────────────────────────────────────────┘   │
└──────────────────────────────────────────────────────────────────────────┘

三层分工： Go 平台负责注册表、鉴权、存储与反馈闭环等高并发基础服务；Python 运行时承载 Agent 编排与 AI 引擎（agentscope）；React WebUI 面向运维操作者。三者经 HTTP/SSE 互联。

Twelve Architecture Highlights

#	特性	模块	说明
1	Intelligent Selector	`selector/selector.py`	三阶段元路由：意图分析 → 上下文增强 → 路由决策
2	Decision Audit Logger	`selector/audit.py`	完整路由决策审计追踪（异步写入，不阻塞主流程）
3	Hierarchical Memory	`memory.py`	Working / Episodic / Long-term 三层记忆（TTL + LRU）
4	Hybrid Planner	`planning.py`	REACTIVE + DELIBERATIVE 双模式，LLM 分解 + 规则回退
5	ToolHub	`toolhub.py`	工具发现 + Schema 注册 + Capability 映射 + 安全审计
6	Resilience	`resilience.py`	CircuitBreaker 三态熔断 + FallbackCascade 多级降级
7	AgentMessageBus	`message_bus.py`	Pub/Sub + Request/Response 消息总线
8	FTA Engine	`fta/`	五种门类型（PRIORITY_AND 带动态时序语义）+ 最小割集 + 蒙特卡洛仿真
9	Resilient Selector	`selector/resilient_selector.py`	反馈驱动自适应路由：失败重试 + 上下文重增强 + 错误分类路由偏好
10	Loop Engineering	`pkg/feedback/` + `fta/feedback_loop.py`	Observe-Orient-Decide-Act 持续反馈闭环
11	Circuit Breaker (Go)	`pkg/circuitbreaker/`	三态熔断器自愈运维：Closed → Open → HalfOpen → Closed
12	Adaptive Weight Adjuster	`selector/resilient_selector.py`	基于反馈的路由权重动态调整 + 时间衰减 + 自动降级

📖 逐模块代码级讲解见 Architecture Deep Dive。

CLI

resolveagent 命令行工具（Go 实现，位于 internal/cli/ + cmd/resolveagent-cli/），覆盖平台全部核心操作，并提供交互式 TUI 控制台（internal/tui/）：

resolveagent agent create|list|describe|run|update|delete|logs   # Agent 管理
resolveagent skill list|info|install|test|remove|init           # 技能管理
resolveagent workflow create|list ...                           # 工作流管理
resolveagent rag ... / corpus ...                               # RAG 与语料
resolveagent config ... / serve / dashboard                     # 配置 / 本地服务 / TUI

📖 完整命令参考见 CLI 参考。

WebUI

访问 http://localhost:5174 查看可视化控制台（23 个功能页面）：Dashboard / Playground（Agent 多轮对话）/ Selector 路由可视化 / FTAEngine 故障树编辑器 / Workflows / Agents / Skills / RAG / CodeAnalysis（调用链图谱）/ TicketSummary / Solutions / Monitoring / Traces / Database / Settings 等。

演示模式： 后端不可用时自动回落到浏览器端 mock 数据（按域拆分于 web/src/api/mock/），并显示演示模式标识徽标；演示数据带新鲜度测试，防止随时间推移变成"假旧"。

Configuration

平台与运行时配置统一使用 RESOLVEAGENT_* 前缀（完整清单见 .env.example 与配置指南）:

# 服务地址
RESOLVEAGENT_HTTP_ADDR=:8080
RESOLVEAGENT_GRPC_ADDR=:9090

# 数据层
DATABASE_URL=postgres://resolveagent:resolveagent@localhost:5432/resolveagent?sslmode=disable
RESOLVEAGENT_REDIS_ADDR=localhost:6379
RESOLVEAGENT_NATS_URL=nats://localhost:4222

# LLM (多 Provider：Qwen / 文心 / 智谱 / Kimi / MiMo 等 OpenAI 兼容接入)
RESOLVEAGENT_LLM_QWEN_API_KEY=your-qwen-key
KIMI_API_KEY=your-kimi-key

# 网关与可观测性
RESOLVEAGENT_GATEWAY_ENABLED=true
RESOLVEAGENT_TELEMETRY_ENABLED=true
RESOLVEAGENT_TELEMETRY_OTLP_ENDPOINT=http://localhost:4318

文件	说明
`configs/resolveagent.yaml`	Go 平台服务配置（注册表/网关/存储）
`configs/runtime.yaml`	Python 运行时配置（Agent/记忆/技能）
`configs/models.yaml`	LLM 模型路由与参数配置
`configs/examples/`	各环境配置示例（agent / skill / FTA workflow）

Documentation

类别	入口
架构深潜（代码级）	docs/architecture-deep-dive.md
功能状态与已知待办	docs/feature-status.md
中文技术文档（25 篇）	docs/zh/INDEX.md — 快速开始 / 架构详解 / 智能选择器 / FTA 引擎 / RAG 管道 / 技能系统 / 数据库 Schema / 配置指南 / CLI 参考 / 部署指南…
源码蒸馏设计文档（19 篇，带 `file:line` 锚点）	docs/design/INDEX.md
疑难排查	docs/troubleshooting.md
文档站点（Docusaurus）	`docs-site/` —— 仅站点壳与导航；内容唯一源在 `docs/`

Testing

make test        # 全量测试（Go + Python + WebUI 并行）
make test-e2e    # Go E2E 测试（构建标签隔离，支持 E2E_BASE_URL 覆盖）
make lint        # 全语言 lint 门禁
hack/quality-gate.sh   # 质量门禁（lint + test + coverage）

Python — 480+ 单元测试项 + 8 套集成测试（Dify 插件 / FTA 并行 / HTTP 服务 / MCP 适配器 / 弹性选择器等）
Go — -race + 覆盖率；E2E 覆盖 agent lifecycle / workflow execution / feedback loop
Web — Vitest 113 项（含演示数据新鲜度守卫）
契约 — 以 router.go 的 95 条路由注册为唯一事实源的 OpenAPI 契约测试
工程治理 — golangci-lint 全量规则清零或显式注明理由；sentinel 错误链 + 防泄漏统一错误出口

Observability

Prometheus 指标 — resolveagent_selector_decisions_total / resolveagent_audit_records_total / resolveagent_circuit_breaker_state / resolveagent_feedback_signals_total / resolveagent_adaptive_selector_weights 等（pkg/telemetry/）
OpenTelemetry — 结构化日志带 trace 关联（pkg/logger/），OTLP 导出（RESOLVEAGENT_TELEMETRY_OTLP_ENDPOINT）
健康检查 — liveness / readiness 端点（pkg/health/）：Platform /api/v1/health，Runtime /health
审计追踪 — Selector 决策审计（异步落库）+ ToolHub 执行审计 + 熔断器状态变化经反馈 Observer 采集

Feature Status

核心引擎与基础设施的就绪状态、以及经代码实测裁定的已知待办，统一维护在 docs/feature-status.md。

Project Structure

resolve-agent/
├── api/                          # 协议定义 (OpenAPI / JSON Schema / proto)
├── cmd/
│   ├── resolveagent-cli/        # CLI 应用入口
│   └── resolveagent-server/     # Platform Server 入口
├── internal/
│   ├── cli/                     # CLI 实现 (agent/skill/workflow/rag/corpus/config)
│   └── tui/                     # 交互式 TUI 控制台
├── pkg/                         # Go 平台服务
│   ├── circuitbreaker/          # 🔄 三态熔断器
│   ├── config/  errors/  event/ # 配置 / sentinel 错误链 / 事件体系
│   ├── feedback/                # 🔄 反馈循环 (Collector/RingBuffer/Aggregator)
│   ├── gateway/  health/  logger/
│   ├── registry/                # 14 个领域 Registry (agent/skill/rag/fta/solution/traffic…)
│   ├── retry/  server/  service/  store/  telemetry/  version/
├── python/src/resolveagent/
│   ├── selector/                # 🧠 智能选择器 (意图/上下文/路由/审计/弹性)
│   ├── memory.py  planning.py  toolhub.py  resilience.py  message_bus.py
│   ├── fta/                     # 🔍 FTA 引擎 + 反馈循环 + 回归验证
│   ├── rag/                     # RAG 管道 (Milvus/Qdrant 双后端)
│   ├── skills/  llm/  mcp/  hooks/  code_analysis/  docsync/  agent/  runtime/
├── web/                         # 🌐 React WebUI (Vite + Tailwind + shadcn/ui)
├── benchmarks/wiki-k8s/         # 基准语料（K8s wiki）
├── docs/                        # 文档 (架构深潜/功能状态/设计蒸馏/中文文档)
├── docs-site/                   # 📚 Docusaurus 站点壳（内容引用 docs/）
├── configs/                     # 运行配置 (resolveagent/runtime/models + examples)
├── scripts/                     # 开发运维脚本 (start-local.sh 一键启动)
├── deploy/                      # 部署配置 (docker / docker-compose / helm)
├── skills/                      # 技能注册 + 示例技能 (k8s-pod-crash / ticket-handler…)
├── examples/                    # 示例 (quickstart / integrations / mobile-demo)
├── integrations/dify/           # Dify 集成
├── test/                        # E2E (Go 构建标签) / 集成 / fixtures
├── hack/                        # 开发工具 (quality-gate / coverage-report)
└── .github/workflows/           # CI/CD (ci / e2e / release / codeql)

Deployment

make docker          # 构建镜像 (platform / runtime / webui)
make compose-up      # Docker Compose 全栈
make helm-install    # Helm 部署
make migrate-up      # 数据库迁移
make seed            # 种子数据

生产部署推荐使用 deploy/helm/resolveagent/（含健康检查、资源限制），详见部署指南。

Roadmap

完整路线图（唯一权威副本）见 ROADMAP.md，实时状态见 GitHub Issues。

Version	Theme	Highlights
v0.1.0 ✅	Foundation	Go platform (gRPC + REST), Python runtime, FTA engine, Intelligent Selector, RAG, WebUI, CLI, Docker Compose, Helm.
v0.2.0 ✅	Hardening	DB migrations, unified error handling, OpenTelemetry logging, health checks, integration tests, retry with backoff.
v0.3.0 ✅	Quality & Foundation	CI/CD, unified versioning, router refactoring (2160 行 → 15 个域文件), PostgreSQL Registry 持久化, MCP adapter.
v0.4.0 ✅	Core Capability	FTA 并行求值, 多语言代码分析 (tree-sitter), LangGraph 集成, Dify 插件, 语料导入链路.
v0.5.0 🔜	Enterprise Readiness	Multi-tenant, RBAC, comprehensive audit logging, SSO (OIDC/SAML), data encryption, compliance.
v0.6.0	Ecosystem & Scale	Skill marketplace, plugin SDK, horizontal agent runtime, distributed workflows, NATS JetStream, advanced RAG.

Long-term vision: multi-cloud and edge deployment, visual workflow designer, AI-powered observability and self-healing.

Contributing

We welcome contributions! Please read CONTRIBUTING.md for:

Development environment setup (make setup-dev)
Branch naming conventions (feat/, fix/, docs/, etc.)
Conventional Commits format
Pre-commit hooks and linting (make lint, make fmt)
Pull request process and code review requirements
Coding standards for Go, Python, and TypeScript/React

By contributing, you agree that your contributions will be licensed under the Apache License 2.0.

Security

If you discover a security vulnerability, please do not open a public issue. Instead, report it privately via GitHub Security Advisories or contact the maintainers listed in MAINTAINERS.md.

Built-in security practices:

ToolHub SecurityPolicy — 技能/工具基于角色的权限控制 + 执行审计
Skill Sandbox — 技能在沙箱中执行，隔离宿主环境
防泄漏错误出口 — registry 错误统一经 writeRegistryError 输出，未知错误码不回显内部消息
Higress 网关鉴权 — 可选 JWT 鉴权（RESOLVEAGENT_GATEWAY_AUTH_ENABLED）

Community & Support

💬 GitHub Discussions — Ask questions, share ideas, and connect with other users.
🐛 GitHub Issues — Report bugs or request features.
📧 Maintainers — See MAINTAINERS.md for contact information.
⭐ Star us on GitHub — If ResolveAgent is helpful, please consider starring the repository to help others discover it.

Citation

If you use ResolveAgent in your research or production work, please consider citing it:

@software{resolveagent,
  title = {ResolveAgent: A Production-Grade AIOps Mega-Agent Platform},
  author = {The ResolveAgent Contributors},
  url = {https://github.com/ai-guru-global/resolve-agent},
  year = {2026},
  license = {Apache-2.0}
}

Acknowledgments

ResolveAgent builds on the shoulders of excellent open-source projects and communities:

AgentScope — Agent 编排
Higress — AI 网关
LangGraph — 图编排参考
MCP — Model Context Protocol
Milvus / Qdrant — 向量数据库
Vite / React / Tailwind CSS — WebUI 技术栈
Go / Python / Node.js — 核心运行时

A special thanks to all contributors who have helped shape ResolveAgent.

License

Apache 2.0 License — see LICENSE