Skip to content
KitploitKITPLOIT
ToolsExploitsBlog
Log in
Einreichen
ToolsExploitsBlog
Einreichen

Hacking-, PenTest- und Cybersicherheits-Tools für Ihr Sicherheitsarsenal!

Kitploit ist ein Verzeichnis von Hacking-, Cybersicherheits- und Pentesting-Tools. Entdecken Sie die neuesten Projekt-Updates, um Schwachstellen zu finden, Systeme zu analysieren, Tests zu automatisieren und Ihre Sicherheit zu stärken.

FeedsKontaktDatenschutz© 2026 Kitploit

Tool-Verzeichnis

Kategorien

Alle Kategorien anzeigen
Loading categories
Tools/GitHubGitHub/gs-ai/amber-ici
OSINT (Open-Source-Intelligence)Scripting & AutomatisierungForensikInformationsbeschaffungDigitale ForensikPrivatsphäreDienstprogramme & FrameworksBedrohungsanalyseMaschinelles LernenLernen & BildungKI-SicherheitLabs & Praxis
19848vor 2 MonatenNoch nicht geprüft
Teilen
GitHubgs-ai/amber-ici

AMBER-ICI

AMBER ICI v5: lokal-first Ollama-Ermittlungs-Kommandozentrale mit fallbezogenen Beweisen, Agentenketten, hybrider Suche, Streaming-Analyse, Graph- und Zeitleistenansichten, OCR, kontrollierter Web-Recherche und GPU-Telemetrie.

Repository anzeigen
<p align="center">
  <img src="https://assets.kitploit.com/production/public/readmes/12061/b3526255ef1a43950d559d01043863d61c0ef36cfbf4e3270caef742cde07d9e.png" alt="AMBER ICI interface banner" width="1200" />
</p>

# AMBER ICI v5

AMBER ICI (AMBER Investigative Command Interface) ist eine lokal-first Browser-Oberfläche für investigative und analytische Workflows, die von einem lokalen [Ollama](https://ollama.com/)-Server angetrieben wird.

Sie umfasst:

- Eine Analyst Console für ein einzelnes Modell und eine Parallel-Ausführung mit mehreren Modellen
- Eine benutzerdefinierte Agent-Kette, die über die `SEND`-Schaltfläche des Hauptterminals gesteuert wird
- Benutzerkontrolle darüber, welche Agents laufen, wie viele, wie viele Schleifen und welches lokale Modell jeder verwendet
- Lokale Modellgenerierung von Agent-Konfigurationen aus einem in natürlicher Sprache formulierten Ziel
- Ein persistentes semantisches Archiv, gestützt auf Ollama-Embeddings
- Fibonacci-Fraktal-Retrieval für den Kontext aktiver Dateien
- Datei-Uploads, schreibgeschützter Zugriff auf verknüpfte Verzeichnisse, Textextraktion und OCR
- Optionaler Playwright-gestützter Web-Abruf und Suche in öffentlichen Registern, hinter einem einzigen Hauptschalter
- Eigenständige Ansichten für Entitätsgraph, Timeline und Vektorspeicher
- Lokale Telemetrie zu Token-Rate, Sitzung, GPU/VRAM und Temperatur, sofern verfügbar

Die Ollama-Inferenz ist durch die UI auf Loopback-Endpunkte (`127.0.0.1`, `localhost` oder `::1`) beschränkt. AMBER enthält keine Cloud-Inferenz und keine Anwendungstelemetrie, und keine Funktion erfordert eine Anmeldung, einen API-Schlüssel oder ein Konto. Die `WEB`-Pille ist der Hauptschalter für jeglichen Internetzugriff: Bei `OFF` stellt AMBER keinerlei ausgehende Anfragen.

## v5-Highlights

- Lokale Fall-Workspaces mit fallgebundener Beweismittel- und Archiv-Retrieval
- Streaming-SHA-256-Artefaktidentität, Ingestion-Provenienz, Duplikaterkennung und Quellenangaben
- Deterministisches Keyword-Retrieval, fusioniert mit bestehenden semantischen Archiv-Ergebnissen
- Explizites, begrenztes Gedächtnis, beschränkt auf Sitzungen, Ermittler, Fälle, Agents oder Reasoning-Aufgaben
- Vom Bediener ausgewählte Vorlagen für Untersuchungsrollen unter Verwendung installierter lokaler Ollama-Modelle
- Agent-Ausführung vom Hauptterminal aus mit Modellen pro Agent, Limits, Formaten, Übergaben und Schleifensteuerung
- Playwright-WEB-Preflight, sichtbare Ausführungsdiagnose, Direct-Fetch-Fallback und einstündiges lokales Caching
- Gecachte Hardware-Erkennung mit Metal-, CUDA-, ROCm-, Unified-Memory-, Auslastungs- und Temperaturberichten
- Zusammengefasste Streaming-Updates für reaktionsschnelle Langform-Ausgaben
- Begrenzte persistierte Metadaten, escapte generierte UI-Inhalte, reproduzierbare Node-Abhängigkeiten und erweiterte Ausschlüsse für sensible Laufzeitumgebungen

## Aktueller Funktionsumfang

### Analyst Console

- Streamt eine Konversation mit einem ausgewählten Ollama-Modell
- Unterstützt System-Prompt, JSON-Ausgabemodus, Seed, Temperatur und CTX-Größe
- Injiziert Kontext aus aktiver Datei, optionalem Web und beibehaltener Konversation
- Stoppt aktive Arbeit mit `STOP` oder `Esc`

Die Pillen-Leiste der Konsole enthält die Ausführungssteuerungen:

| Pille | Werte | Zweck |
|---|---|---|
| `TEMP` / `CTX` / `MEM` / `FMT` / `STREAM` / `SEED` / `SYS` | — | Inferenz-Einstellungen im Analyst-Modus |
| `WEB` | `OFF` (Standard) / `ON` | Hauptschalter für jeglichen Internetzugriff |
| `EXEC` | `ANALYST` (Standard) / `AGENTS` | Was `SEND` ausführt: das einzelne aktive Modell oder die Agent-Kette |
| `AGN` | `0` = alle | Wie viele Agents die Kette ausführt, in Kartenreihenfolge |
| `LOOPS` | `1`+ | Wie oft die Kette wiederholt wird; gespiegelt mit dem Feld `LOOPS` im Agents-Panel |

### Parallel

- Führt denselben Prompt gegen alle ausgewählten Modelle aus
- Streamt und verfolgt jede Antwort unabhängig
- Wendet dieselben CTX- und Aktivdatei-Steuerungen an wie die Analyst Console

### Agents — die Ausführungskette

Agents sind benutzerdefiniert und bilden den primären Ausführungspfad. Es gibt keine eingebaute oder feste Agent-Liste; das Agents-Panel startet leer, und Sie befüllen es auf zwei Wegen:

- `+ CREATE AGENT` — einen Agent manuell definieren
- `GENERATE FROM PROMPT` — ein Ziel beschreiben, und ein ausgewähltes lokales Planungsmodell schreibt das Agent-Set für Sie

Jeder Agent speichert seine eigene Laufzeitkonfiguration:

| Feld | Standard | Hinweise |
|---|---|---|
| Agentenname | — | Erforderlich |
| Agentenzweck | — | Wird als `[AGENT PURPOSE]` eingefügt |
| Agenten-Systemprompt | — | Die Rollenanweisung des Agenten |
| Bevorzugtes lokales Modell | — | Erforderlich; muss in Ollama installiert sein |
| Temperatur | `0.35` | Pro Agent, unabhängig von der Konsole `TEMP`-Pille |
| Max. Ausgabe-Token | `0` (auto) | `0` verwendet AMBERs Längenheuristik |
| Schleifen | `1` | Durchläufe, die dieser Agent pro Ketten-Schleife macht, wobei jeder seine eigene vorherige Ausgabe verfeinert |
| Ausgabeformat | Klartext | `JSON` setzt Ollamas JSON-Modus und überspringt die Längenerweiterung |
| Übergabeanweisungen | — | Wird an den nächsten sequenziellen Agenten als `[HANDOFF FROM PREVIOUS AGENT]` übergeben |
| Ausführungsmodus | `sequential` | `sequential`, `parallel` oder `gated` |
| Ausgabeziel, Speicherbereich, Rolle, Werkzeugzugriff, aktiviert, Notizen | — | Unter `ADVANCED` |

**Ausführen der Kette.** Setzen Sie `EXEC` auf `AGENTS`, geben Sie einen Prompt im Hauptterminal ein und drücken Sie `SEND`. AMBER liest den ausgewählten Modus, die aktivierten Agenten, das lokale Modell jedes Agenten, die `AGN`-Anzahl und die `LOOPS`-Anzahl und führt dann aus: `parallel`-Agenten gleichzeitig, gefolgt von `sequential`-Agenten in Kartenreihenfolge, einmal pro Schleife. Jeder sequenzielle Agent erhält die Ausgabe des vorherigen Agenten als `[UPSTREAM OUTPUT]` plus die Übergabenotiz dieses Agenten. Fortschritt und die gestreamte Ausgabe jedes Agenten werden im Hauptterminal ausgegeben, und die endgültige Antwort bleibt im Gesprächsverlauf erhalten. Die Schaltfläche `RUN` im Agents-Panel macht dasselbe mit dem eigenen `LOOPS`-Feld des Panels.

Im Modus `AGENTS` erfordert `SEND` kein aktives Modell im Models-Panel, da jeder Agent sein eigenes mitbringt. `gated`-Agenten sind von der Kette ausgeschlossen — führen Sie sie einzeln mit der `RUN`-Schaltfläche ihrer Karte aus.

**Fehlende Modelle werden niemals ersetzt.** Das Speichern eines Agenten oder das Starten einer Kette mit einem Modell, das Ollama nicht besitzt, gibt einen handlungsorientierten Block im Terminal aus, der das angeforderte Modell, die tatsächlich installierten Modelle und den benötigten Befehl `ollama pull <model>` nennt, und der Lauf startet nicht.

Gespeicherte Agentensätze können im Agents-Panel unter einem Namen gespeichert und wiederhergestellt werden.

> Der frühere `PIPELINE` / `CHAIN`-Schrittsequenzmodus wurde aus der Oberfläche entfernt. Seine Engine und `state/pipeline_state.json` bleiben aus Gründen der Abwärtskompatibilität erhalten, aber er ist kein auswählbarer Modus mehr; Agenten sind die Ausführungskette.

### Archiv und Speicher

- Zerlegt und bettet Dateien in die Warteschlange mit `embeddinggemma:latest` ein
- Durchsucht das lokale Archiv nach Kosinusähnlichkeit
- Importiert und exportiert Archiv-JSON
- Fügt die neueste Assistentenausgabe direkt zum Archiv hinzu
- Erstellt einen Fibonacci-Fraktal-Index im Browser für die Dateiquellen-Retrieval
- Bietet die Retrieval-Profile `FAST`, `HYBRID` und `DEEP`

### Fallintelligenz

Das Archiv enthält jetzt eine optionale Fallgrenze, ohne den bestehenden Workflow für das gesamte Archiv zu ersetzen:

- `NEW CASE` erstellt lokale Fallmetadaten.
- `ADD ACTIVE TO CASE` erfasst ausgewählte Dateien als Beweismittel, behält den bestehenden Roh-Upload bei, berechnet eine Streaming-SHA-256-Identität und zeichnet die Ingestion-Provenienz auf.
- Archivvektoren, die indiziert werden, während ein Fall ausgewählt ist, tragen diese Fall-ID. Fallsuchen kombinieren diese semantischen Ergebnisse mit einem deterministischen Keyword-Fallback, wenn beide verfügbar sind.
- `REMEMBER LAST` speichert die neueste Assistentenausgabe explizit als gekennzeichnetes Fallgedächtnis. Modellausgaben werden niemals stillschweigend zu Beweismitteln oder Gedächtnis befördert.
- `ADD INVESTIGATION ROLES` fügt optionale Vorlagen für Director, Researcher, Investigator, Analyst, Documenter und Critic zum bestehenden benutzerdefinierten Agentenregister hinzu. Sie verwenden das vom Bediener ausgewählte lokale Modell und laufen nicht automatisch.

Die Fallintelligenz wird atomar in einem versionierten JSON-Speicher der Standardbibliothek gespeichert und verwendet AMBERs bestehenden Ollama-Client.

### Eigenständige Ansichten

Die Kopfzeile öffnet diese Werkzeuge in separaten Tabs:

- Entity Provenance Graph: `http://127.0.0.1:8765/amber_graph.html`
- Timeline: `http://127.0.0.1:8765/amber_timeline.html`
- Vector Store manager: `http://127.0.0.1:8765/amber_vectorstore.html`

## Anforderungen

Kern-Laufzeitumgebung:

- Python 3.10 oder neuer; der Launcher und das Core-Backend verwenden ausschließlich die Standardbibliothek, daher ist kein `pip install` erforderlich, um AMBER auszuführen
- Ollama lokal installiert und ausgeführt
- Mindestens ein Ollama-Generierungsmodell
- `embeddinggemma:latest` für die Archivindizierung und die semantische Suche

Optionale Funktionen:

- Node.js 18+ und npm sowie die Projektabhängigkeiten für JavaScript-gerenderte Web-Abrufe und die Datensatzsuche
- Ein Playwright-Chromium-Browser für diese browserbasierten Funktionen
- `ocrmypdf` und Tesseract für PDF-OCR
- Tesseract für Bild-OCR
- Pillow zum Konvertieren von WebP-Bildern vor der OCR, wenn Tesseract sie nicht direkt lesen kann
- `psutil`, `nvidia-smi` oder `osx-cpu-temp` für zusätzliche Systemmetriken; nicht verfügbare Messwerte bleiben einfach leer

Alles oben Genannte ist lokal. Keine Komponente erfordert ein Konto, einen API-Schlüssel oder einen Cloud-Dienst.

## Installation und Ausführung

### 1. Das Repository klonen

```bash
git clone https://github.com/gs-ai/AMBER-ICI.git
cd AMBER-ICI
```

### 2. Ollama starten

In einem separaten Terminal:

```bash
ollama serve
```

Laden Sie das erforderliche Embedding-Modell und mindestens ein Generierungsmodell herunter:

```bash
ollama pull embeddinggemma:latest
ollama pull qwen2.5-coder:7b
```

Das Generierungsmodell ist nur ein Beispiel; AMBER entdeckt lokal installierte Modelle von Ollama.

### 3. Die Python-Umgebung erstellen

Das Kern-Backend importiert nur die Python-Standardbibliothek, daher ist eine virtuelle Umgebung für einen direkten Start optional. Erstellen Sie dennoch eine, wenn Sie die npm-Skripte (die `venv/bin/python3` aufrufen) oder die optionale Pillow-Unterstützung nutzen möchten:

```bash
python3 -m venv venv
source venv/bin/activate          # Windows: venv\Scripts\activate
python3 -m pip install --upgrade pip
```

Es gibt keine `requirements.txt`, weil nichts erforderlich ist. Installiere optionale Extras nur dann in dieser Umgebung, wenn du sie möchtest:

```bash
python3 -m pip install Pillow     # optional: WebP conversion before OCR
```

Mit `deactivate` deaktivieren. Falls eine frühere AMBER-Version ungenutzte Pakete in `venv/` hinterlassen hat (zum Beispiel `camoufox`), werden diese vom aktuellen Code nicht importiert und können ignoriert oder entfernt werden.

### 4. Die Kernanwendung starten

```bash
python3 files/launch_amber_ici_gui.py
```

AMBER öffnet den Browser automatisch. Um ohne Öffnen eines Tabs zu starten:

```bash
python3 files/launch_amber_ici_gui.py --no-browser
```

Dann öffne `http://127.0.0.1:8765/amber_ui.html`.

### 5. Optionale browserbasierte Web-Funktionen installieren

Erforderlich nur, wenn du die `WEB`-Pille aktivieren möchtest:

```bash
npm install                       # playwright, playwright-extra, stealth plugin
npx playwright install chromium   # the browser binary itself
```

Überprüfen Sie, ob die Helper ausführbar sind – bei laufendem AMBER werden hier die Helper-Pfade, die aufgelöste `node`-Binärdatei und alle fehlenden Pakete gemeldet:

```bash
curl -s http://127.0.0.1:8765/api/web/status
```

AMBER nutzt den Node/Chromium-Helper für JavaScript-gerenderte Seiten, mit einem einfachen Python-HTTP-Abruf als Fallback für direkte URLs. Der Records-Search-Helper erfordert Node.js, die npm-Abhängigkeiten und Chromium; er hat keinen Plain-HTTP-Fallback.

### 6. Optionale OCR-Unterstützung installieren

macOS mit Homebrew:

```bash
brew install ocrmypdf tesseract
python3 -m pip install Pillow
```

Ubuntu/Debian:

```bash
sudo apt-get update
sudo apt-get install -y ocrmypdf tesseract-ocr
python3 -m pip install Pillow
```

Pillow wird nur für Bildformate benötigt, die vor der Verarbeitung durch Tesseract konvertiert werden müssen. AMBER läuft weiter, wenn eine optionale OCR-Abhängigkeit fehlt.

### npm-Komfortskripte

Die mitgelieferten npm-Skripte starten AMBER mit `venv/bin/python3`, daher muss diese Umgebung zuerst erstellt werden (Schritt 3):

```bash
npm start                 # 127.0.0.1:8765, no browser tab
npm run start:browser     # same, and opens the browser
```

Der direkte Start mit `python3` ist die portabelste Option.

### Vollständige Einrichtung, von Anfang bis Ende

```bash
git clone https://github.com/gs-ai/AMBER-ICI.git
cd AMBER-ICI
python3 -m venv venv                       # for the npm scripts
npm install                                # optional: WEB features
npx playwright install chromium            # optional: WEB features
ollama serve &                             # in its own terminal
ollama pull embeddinggemma:latest          # required for Archive
ollama pull qwen2.5-coder:7b               # any generation model
npm start                                  # → http://127.0.0.1:8765/amber_ui.html
```

## Startoptionen

```bash
python3 files/launch_amber_ici_gui.py --help
```

| Flag | Standard | Zweck |
|---|---:|---|
| `--host HOST` | `127.0.0.1` | Adresse, auf der der AMBER-HTTP-Server lauscht |
| `--port PORT` | `8765` | Port des AMBER-HTTP-Servers |
| `--no-browser` | aus | Den Standardbrowser nicht öffnen |
| `--gui PATH` | automatisch erkannt | Eine bestimmte GUI-HTML-Datei bereitstellen |
| `--version` | — | Die Release-Version von AMBER ICI ausgeben und beenden |

Die Browser-Oberfläche akzeptiert absichtlich nur Loopback-Ollama-URLs, selbst wenn der AMBER-Server an eine andere Schnittstelle gebunden ist.

## Workflow beim ersten Start

1. Bestätige, dass der Ollama-Endpunkt oben rechts `http://127.0.0.1:11434` lautet.
2. Klicke auf `PING`, um lokal installierte Modelle zu laden.
3. Wähle ein Modell im Bereich Models aus.
4. Gib einen Prompt in der Analyst Console ein und klicke auf `SEND`.
5. Lade optional Dateien hoch oder verknüpfe ein Verzeichnis und aktiviere dann Dateien, um sie in den Kontext aufzunehmen.
6. Lade `embeddinggemma:latest` herunter, bevor du Dateien im Archive indexierst.

Um stattdessen die Agentenkette auszuführen:

1. Öffne den Tab `AGENTS` im linken Bereich.
2. Erstelle einen Agenten mit `+ CREATE AGENT` oder beschreibe ein Ziel unter `GENERATE FROM PROMPT`.
3. Setze `EXEC` in der Pill-Leiste der Konsole auf `AGENTS`.
4. Lege `AGN` fest (Anzahl der Agenten; `0` = alle) und `LOOPS` (Anzahl der Durchläufe).
5. Gib den Prompt im Hauptterminal ein und drücke `SEND`.

Damit AMBER das Internet lesen kann, setze die Pill `WEB` zuerst auf `ON`; standardmäßig ist sie `OFF`.

## Datei-Ingestion

Uploads sind auf 100 MiB pro Datei begrenzt. Die Dateiauswahl und der Drag-and-Drop-Pfad akzeptieren derzeit:

- Dokumente: `.txt`, `.md`, `.pdf`, `.docx`, `.rtf`
- Daten/Konfiguration: `.csv`, `.xlsx`, `.json`, `.yaml`, `.yml`, `.toml`, `.ini`, `.cfg`, `.conf`, `.xml`
- Quellcode/Logs: `.py`, `.js`, `.ts`, `.tsx`, `.jsx`, `.html`, `.sql`, `.sh`, `.bash`, `.zsh`, `.log`
- Bilder: `.png`, `.jpg`, `.jpeg`, `.bmp`, `.webp`, `.tif`, `.tiff`, `.svg`

Extraktionsverhalten:

- Klartext-, Quellcode-, Konfigurations-, CSV- und RTF-Dateien werden als Text dekodiert.
- XLSX-Arbeitsblätter werden mit der Python-Standardbibliothek extrahiert; Formeln und komplexe Formatierungen bleiben nicht erhalten.
- DOCX-Text wird aus dem Dokument-XML extrahiert; komplexe Layouts bleiben nicht erhalten.
- Die PDF-Extraktion versucht zunächst eingebetteten Text und versucht zusätzlich OCR, wenn `ocrmypdf` installiert ist, wobei das nützlichere Ergebnis beibehalten wird.
- Rasterbilder verwenden Tesseract OCR, wenn es installiert ist. Die SVG-Extraktion liest eingebettete `<text>`- und `<tspan>`-Inhalte.

Hochgeladene Rohbytes werden in `uploads/blobs/` gespeichert, extrahierter Text in `uploads/texts/` und Metadaten in `uploads/manifest.json`.

### Verknüpfte Verzeichnisse

`LINK DIRECTORY` stellt unterstützte, nicht versteckte Dateien aus einem lokalen Verzeichnis für AMBER bereit. Der Bereich Files behandelt verknüpfte Einträge als schreibgeschützt, und die Verzeichnisauflistung ist nicht rekursiv. Der ausgewählte Pfad wird in `state/linked_dir_state.json` gespeichert; der Dateiinhalt verbleibt an seinem ursprünglichen Ort und wird nur gelesen, wenn er für Kontext oder Extraktion angefordert wird.

Der native Ordnerauswahldialog verwendet Pythons Tkinter. Ist er nicht verfügbar, fordert die Oberfläche manuell zur Eingabe eines Pfads auf. Das Aufheben der Verknüpfung des Verzeichnisses entfernt den gespeicherten Link, löscht jedoch keine Quelldateien.

Das Backend erkennt einige zusätzliche Formate für verknüpfte Dateien (`.xls`, `.ods`, `.gif`, `.heic`, `.ico`, `.ppt`, `.pptx` und `.zip`). Formate ohne Textextraktor tragen ein Metadaten-Label statt dekodierten Inhalts bei. Die Extraktion von Legacy-`.xls` und `.ods` erfolgt nach bestem Bemühen und kann melden, dass die Extraktion nicht verfügbar ist.

## Kontext- und Speicherverhalten

Die CTX-Optionen in der Oberfläche sind `2K`, `4K`, `8K`, `16K` und `32K` und gelten für Analyst-, Parallel- und Agenten-Aufrufe.

- Vor der Inferenz entfernt `trimMsgsToCtx()` die ältesten Nicht-System-Nachrichten, bis die Anfrage in etwa 90 % des ausgewählten Kontextbudgets passt, geschätzt mit vier Zeichen pro Token.
- Die Retrieval für aktive Dateien fragt zuerst den Fibonacci-Fraktalspeicher ab, sofern dieser befüllt ist, und fällt andernfalls auf die flache Dateikontext-Zusammenstellung zurück.
- Die Retrieval verwendet bis zu Tiefe 4, Strahlbreite 2–4 und profilabhängige Ergebnisgrenzen.
- Der Kontext aktiver Dateien wird gemäß dem Speicherprofil begrenzt: etwa `CTX × 2.6` Zeichen im Fast-Profil, `CTX × 3.2` im Hybrid-Profil und `CTX × 4.0` im Deep-Profil.
- Übermäßig großer flacher Kontext wird vor der Injektion mit Keyword-Overlap-Bewertung sortiert.
- Die Scratchpad-Injektion behält einen Rest von etwa 8.000–20.000 Zeichen und wird zusätzlich durch das Dateikontext-Budget des aktiven Profils begrenzt.
- Agenten mit vollem Speicher erhalten die letzten sechs Konversationsnachrichten. Der lokale Speicher verwendet einen Scratchpad-Rest; `none` deaktiviert diesen Rückgriff.

Dies sind zeichenbasierte Schutzgrenzen, keine exakten Tokenizer-Zählungen.

Das Vektor-Archiv ist dauerhaft, aber der separate Fibonacci-Baum ist Sitzungsspeicher. Er wird für eine Datei aufgebaut, wenn diese Datei während der aktuellen Seitensitzung indexiert wird, und wird nach einem Neuladen nicht automatisch aus `state/vector_store.json` rekonstruiert; bis zum Neuaufbau verwendet der Kontext aktiver Dateien den flachen Fallback.

## Persistenz

Der Launcher speichert dauerhafte Anwendungsdaten als JSON unter `state/` mittels atomarem Austausch temporärer Dateien. Es gibt keine aktive SQLite-Migration und keine Datenbankabhängigkeit.

| Pfad | Inhalt |
|---|---|
| `state/agents_state.json` | Aktuelle Agenten, einschließlich Modell, Temperatur, Token-Limit, Schleifen, Format und Übergabe jedes Agenten |
| `state/agent_sets.json` | Gespeicherte Agenten-Presets |
| `state/agent_run_log.json` | Die letzten 100 Agentenausführungen: Agent, Modell, Dauer, Erfolg und Kontext |
| `state/pipeline_state.json` | Stillgelegte Pipeline-Schritte, aus Gründen der Abwärtskompatibilität beibehalten |
| `state/chain_sets.json` | Gespeicherte Chain-Presets |
| `state/step_run_log.json`, `state/tool_call_log.json`, `state/tool_registry_state.json` | Datensätze zu Schritten, Tool-Aufrufen und Tool-Registry |
| `state/chat_history.json` | Die letzten 100 Konversationsnachrichten; die UI spielt die letzten 30 erneut ab |
| `state/scratch.json` | Die letzten 20.000 Scratchpad-Zeichen |
| `state/memory_profile.json` | Auswahl der Retrieval Fast, Hybrid oder Deep |
| `state/vector_store.json` | Archiv-Chunks und Embeddings |
| `state/case_intelligence.json` | Fall-Metadaten, Evidenzverträge und Provenienz, begrenzter expliziter Speicher und Agenten-Trace-Belege; wird beim ersten Schreiben erstellt |
| `state/graph_state.json`, `state/timeline_state.json` | Graph- und Timeline-Daten |
| `state/web_cache.json` | Ergebnisse direkter Web-Abrufe mit einer TTL von einer Stunde |
| `state/linked_dir_state.json` | Aktueller Pfad des verknüpften Verzeichnisses |
| `uploads/manifest.json` | Metadaten hochgeladener Dateien |

Das Panel-Layout wird im Browser-`localStorage` gespeichert und ist daher browserspezifisch. Nur zur Laufzeit bestehende Auswahlen, Statistiken und der In-Memory-Fraktalbaum werden beim Laden der Seite zurückgesetzt.

Wenn eine Zustands-JSON-Datei nicht dekodiert werden kann, quarantäniert der Launcher sie mit dem Suffix `.corrupt-<timestamp>.json` und gibt einen leeren Wert zurück, damit das betroffene Panel sich erholen kann.

## Webzugriff und Netzwerkgrenzen

Die `WEB`-Pille ist der Hauptschalter und standardmäßig auf `OFF` gesetzt.

**Bei ausgeschaltetem `WEB` stellt AMBER keinerlei ausgehende Anfrage jeglicher Art.** Die Sperre wird innerhalb der Fetch-Funktionen selbst durchgesetzt, sodass Prompt-Formulierungen, injizierter Dateikontext und Agenten-Tool-Aufrufe (`web_fetch`, `online_records_search`) gleichermaßen blockiert werden. Wenn ein Prompt einen Abruf anfordert, während der Schalter ausgeschaltet ist, teilt das Terminal dies mit, und die Anfrage wird nicht gesendet, statt stillschweigend fehlzuschlagen.

Bei eingeschaltetem `WEB` prüft AMBER zuerst die Helper-Umgebung, gibt den Helper-Pfad aus, den es verwenden wird, und löst die Anfrage dann in dieser Reihenfolge auf:

1. Eine explizite Website-Anweisung wie „suche auf foxnews.com nach X“ – ruft diese Website ab und verwendet dabei eine bekannte Such-URL, wenn das Thema spezifisch ist.
2. Eine speziell formulierte Anfrage „Datensatzsuche nach/über [Person] in [Ort]“ – ruft den Datensatz-Helfer auf.
3. Eine explizite `http://`/`https://`-URL oder eine erkannte reine Domain im Prompt oder im injizierten Dateikontext.
4. Andernfalls wird der Prompt-Text an den HTML-Endpunkt von DuckDuckGo übermittelt und die Ergebnisseite abgerufen.

Schritt 4 bedeutet, dass bei aktiviertem `WEB` der Prompt-Text einen allgemeinen Suchmaschinenanbieter erreichen kann. Deaktiviere `WEB` für Prompts, deren Text das Gerät nicht verlassen soll.

Jedes Ergebnis wird im Hauptterminal gemeldet: der gewählte Modus, der verwendete Helferpfad, die gesendete Anfrage, die Engine, die sie bedient hat (`playwright`, `urllib` oder `cache`), die Inhaltsgröße und wohin sie injiziert wurde, oder ein Fehlerblock, der die fehlende Abhängigkeit und den Befehl zu deren Behebung nennt. Direkte Abrufe werden eine Stunde lang in `state/web_cache.json` zwischengespeichert.

Die Datensatzsuche fragt diese Quellen ab und gibt nur Treffer zurück, deren Seitentext sowohl das Subjekt als auch den angeforderten Ort bestätigt: `casesearch.kscourts.gov`, `doc.ks.gov/offender-search`, `kbi.ks.gov/registeredoffender`, DuckDuckGo und Brave Search.

Das Netzwerkverhalten ist wie folgt:

- Modell-Erkennung, Inferenz, Embeddings und Modellstatus verbinden sich ausschließlich mit einem Loopback-Ollama-Endpunkt.
- Das AMBER-Backend stellt lokale Dateien und API-Routen vom konfigurierten AMBER-Host/Port bereit.
- Bei aktiviertem `WEB` stellen der Playwright-Webabruf, sein Python-HTTP-Fallback und die Datensatzsuche ausgehende Anfragen an vom Benutzer ausgewählte Websites, Suchanbieter und öffentliche Register. Bei deaktiviertem `WEB` läuft nichts davon.
- `GET /api/web/status` ist eine reine lokale Vorabprüfung; sie inspiziert das Dateisystem und `PATH` und stellt keine Netzwerkanfrage.
- Es gibt keinen AMBER-Telemetrie-Endpunkt, und keine Funktion überträgt Anmeldedaten, Schlüssel oder Nutzungsdaten.

Abgerufene Seiten werden als `[WEB CONTEXT]` in den Prompt injiziert und werden dadurch Teil des in `state/chat_history.json` gespeicherten Gesprächsverlaufs; Agenten, deren Ausgabeziel das Scratchpad ist, hängen zudem an `state/scratch.json` an. Live-Webinhalte landen im lokalen Fallstatus.

Der Launcher sendet eine restriktive Content Security Policy, deaktiviert Framing, setzt `no-referrer`, blockiert sensible Browser-Berechtigungen und deaktiviert HTTP-Caching. Der `/api/task/execute`-Vertrag des Backends kann Dateien innerhalb des verknüpften Wurzelverzeichnisses auflisten, lesen, schreiben, anhängen oder erstellen, wenn er explizit aufgerufen wird. Er lehnt Pfade ab, die aus diesem Wurzelverzeichnis ausbrechen, versteckte Pfade, unbekannte Tools und Überschreibungen, die nicht explizit autorisiert wurden. Verknüpfe nur ein Verzeichnis, auf dessen sichtbare Inhalte die lokale Anwendung zugreifen und die sie ändern darf.

## Telemetrie-Panel

Sitzungszähler werden während der Ausführung von Analyst, Parallel und Agent aktualisiert und umfassen Turns, Prompt-/Ausgabe-Tokens, Spitzen-Tokenrate, durchschnittliche Tokenrate und eine Live-Sparkline der Tokenrate.

VRAM/Modell-Residenz stammt vom lokalen `/api/ps`-Endpunkt von Ollama. Temperatur-/Auslastungswerte sind Best-Effort: NVIDIA verwendet `nvidia-smi`, Apple Silicon versucht direkte SMC-Lesevorgänge, Linux prüft Thermal-Zonen, und optionale Tools bieten Fallbacks.

## Datenbereinigung

Stoppe AMBER vor der Bereinigung.

Setze den gespeicherten Zustand zurück, während hochgeladene Dateien erhalten bleiben:

```bash
rm -f state/*.json
```

Hochgeladene Blobs, extrahierten Text und deren Manifest entfernen:

```bash
rm -rf uploads/blobs uploads/texts uploads/manifest.json
```

Verknüpfte Quelldateien werden von diesen Befehlen niemals entfernt. Status- und Upload-Verzeichnisse werden nach Bedarf neu erstellt.

## Fehlerbehebung

### PING schlägt fehl oder es erscheinen keine Modelle

- Bestätigen Sie, dass `ollama serve` läuft.
- Bestätigen Sie, dass der UI-Endpunkt `http://127.0.0.1:11434` lautet.
- Führen Sie `ollama list` aus, um zu überprüfen, ob mindestens ein Generierungsmodell installiert ist.

### Archivindizierung schlägt fehl

- Führen Sie `ollama pull embeddinggemma:latest` aus.
- Bestätigen Sie, dass Ollama am in der UI angezeigten Endpunkt erreichbar ist.
- Untersuchen Sie das AMBER-Ereignisprotokoll auf den fehlschlagenden Embedding-Endpunkt oder Eingabe-Chunk.

### Browsergestützter Web-Abruf oder Datensatzsuche schlägt fehl

Das Terminal benennt das genaue Problem. Überprüfen Sie die Umgebung direkt mit laufendem AMBER:

```bash
curl -s http://127.0.0.1:8765/api/web/status
```

Dann installieren Sie, was als fehlend gemeldet wird:

```bash
npm install
npx playwright install chromium
```

Ein direkter Web-Abruf kann über seinen reinen HTTP-Fallback dennoch erfolgreich sein. Die Datensatzsuche erfordert Playwright und kann fehlschlagen, wenn eine Quelle ihr Markup ändert, eine Authentifizierung/CAPTCHA verlangt, Automatisierung blockiert oder nicht verfügbar ist.

### Es wird nichts abgerufen und das Terminal meldet `WEB IS OFF`

Die `WEB`-Pille steht auf `OFF`, was konstruktionsbedingt jede ausgehende Anfrage blockiert. Stellen Sie sie auf `ON`.

### Ein Agent wird nicht ausgeführt: `LOCAL MODEL NOT AVAILABLE`

Das vom Agenten ausgewählte Modell ist nicht in Ollama installiert. Das Terminal gibt das angeforderte Modell, die Modelle, die Sie haben, und die Lösung aus:

```bash
ollama pull <model-name>
ollama list
```

AMBER ersetzt niemals stillschweigend ein anderes Modell.

### `SEND` ist ausgegraut

Wählen Sie im Modus `ANALYST` genau ein Modell im Bereich Models aus. Im Modus `AGENTS` erstellen Sie mindestens einen Agent — dort ist kein aktives Modell erforderlich.

### PDF- oder Bildtext fehlt

- Installieren Sie `ocrmypdf` und Tesseract.
- Installieren Sie Pillow für die WebP-Konvertierung, falls erforderlich.
- Laden Sie die Datei erneut hoch, damit die Extraktion erneut ausgeführt wird.
- Prüfen Sie die entsprechende Datei unter `uploads/texts/`.

### `npm start` findet Python nicht

Die npm-Skripte erwarten `venv/bin/python3`. Führen Sie `python3 -m venv venv` aus oder starten Sie direkt mit `python3 files/launch_amber_ici_gui.py`.

### Port 8765 wird bereits verwendet

```bash
python3 files/launch_amber_ici_gui.py --port 8877
```

## Projektstruktur

```text
AMBER-ICI/
├── files/
│   ├── amber_graph.html
│   ├── amber_timeline.html
│   ├── amber_ui.html
│   ├── amber_vectorstore.html
│   ├── amber_intelligence/       # Standard-library case/evidence/memory service
│   ├── autogen_builder.py
│   ├── constrained_executor.py
│   ├── launch_amber_ici_gui.py
│   ├── records_search_playwright.mjs
│   └── web_fetch_playwright.mjs
├── image/README/
├── state/                  # created/populated at runtime
├── uploads/                # created/populated at runtime
├── tests/                  # Case-intelligence and ICI regression tests
├── package.json
├── spec.json
├── spec.schema.json
├── README.md
└── LICENSE
```

## Lizenz

MIT. Siehe [LICENSE](https://github.com/gs-ai/amber-ici/blob/main/LICENSE).
Tool herunterladen

Beliebteste

Alle anzeigen →

Entdecken Sie die meistgenutzten Tools unserer Community.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 Das ultimative OSINT-Toolkit: Untersuchungsgraph, Konfidenzbewertung, Alias-Familien, Karte, Zeitleiste und Berichte. 49 Module, 400+ Websites, keine API-Schlüssel erforderlich.

    916
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    GhostLock One-Tap Execution App (CVE-2026-43499)

    558
  • 3

    redforge

    cybersecurity91/redforge

    Browser-seitiges Red-Team-Toolkit mit 102 Offline-Tools für Recon, Payload-Generierung, Credential-Angriffe, Krypto, Encoding und Engagement-Reporting.

    370
  • 4

    ARTEX

    baarai/artex

    LLM-basierte Multi-Agenten-Plattform für autonome Penetrationstests mit Planer-/Worker-Agenten, Asset- und Explorationsgraphen, MITM-Verkehrsaufzeichnung und Schwachstellen-Retesting.

    360
  • 5

    looking-glass

    anonghosty/looking-glass

    CSIRT-Plattform, die Shadowserver-Berichte in MongoDB einliest und sie als interaktive Karten, Analysen, Findings, Advisories und Executive-Dashboards wiedergibt.

    317
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Das System der Handlung für KI-native Cybersicherheit – wo Absicht zu gesteuerter Ausführung wird, Beweise zu operativem Gedächtnis werden und jeder Einsatz den nächsten verbessert.

    289

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →