Skip to content
KitploitKITPLOIT
ИнструментыЭксплойтыБлог
Log in
Отправить
ИнструментыЭксплойтыБлог
Отправить

Инструменты для хакинга, пентеста и кибербезопасности — ваш арсенал защиты!

Kitploit — это каталог инструментов для хакинга, кибербезопасности и пентестинга. Находите последние обновления проектов для поиска уязвимостей, анализа систем, автоматизации тестирования и усиления вашей безопасности.

ЛентыКонтактыКонфиденциальность© 2026 Kitploit

Каталог инструментов

Категории

Все категории
Loading categories
AMBER-ICI — AMBER ICI v5: локальный в первую очередь командный центр расследований на базе Ollama с привязанными к делу доказательствами, цепочками агентов, гибридным поиском, потоковым анализом, представлениями графа и временной шкалы, OCR, контролируемым веб-исследованием и телеметрией GPU. | Kitploit
Инструменты/GitHubGitHub/gs-ai/amber-ici
OSINT (Разведка открытых источников)Скриптинг и автоматизацияФорензикаСбор информацииЦифровая криминалистикаКонфиденциальностьУтилиты и фреймворкиРазведка угрозМашинное ОбучениеОбучение и ОбразованиеБезопасность ИИЛаборатории и Практика
198482 месяцев назадЕщё не проверено

Описание

AMBER ICI v5: локальный в первую очередь командный центр расследований на базе Ollama с привязанными к делу доказательствами, цепочками агентов, гибридным поиском, потоковым анализом, представлениями графа и временной шкалы, OCR, контролируемым веб-исследованием и телеметрией GPU.

GitHubgs-ai/amber-ici

AMBER-ICI

Репозиторий
Поделиться
<p align="center">
  <img src="https://assets.kitploit.com/production/public/readmes/12061/b3526255ef1a43950d559d01043863d61c0ef36cfbf4e3270caef742cde07d9e.png" alt="Баннер интерфейса AMBER ICI" width="1200" />
</p>

# AMBER ICI v5

AMBER ICI (AMBER Investigative Command Interface) — это локальный браузерный интерфейс для следственных и аналитических рабочих процессов, работающий на локальном сервере [Ollama](https://ollama.com/).

Он включает:

- Одномодельную консоль аналитика и многомодельное параллельное выполнение
- Пользовательскую цепочку агентов, запускаемую кнопкой `SEND` главного терминала
- Пользовательский контроль над тем, какие агенты запускаются, сколько их, сколько циклов и какая локальная модель используется каждым
- Генерацию конфигураций агентов локальной моделью по описанию задачи на естественном языке
- Постоянный семантический архив на основе эмбеддингов Ollama
- Фибоначчи-фрактальный поиск для контекста активного файла
- Загрузку файлов, доступ к связанным каталогам только для чтения, извлечение текста и OCR
- Опциональную загрузку веб-страниц и поиск по публичным записям на базе Playwright за единым главным переключателем
- Отдельные представления графа сущностей, временной шкалы и векторного хранилища
- Локальную телеметрию скорости токенов, сессий, GPU/VRAM и температуры, где это доступно

Вывод Ollama ограничен интерфейсом только loopback-эндпоинтами (`127.0.0.1`, `localhost` или `::1`). AMBER не включает облачный вывод или телеметрию приложения, и ни одна функция не требует входа, API-ключа или учётной записи. Пилюля `WEB` — это главный переключатель для всего доступа в интернет: при её состоянии `OFF` AMBER не делает исходящих запросов любого рода.

## Основные новшества v5

- Локальные рабочие пространства дел с ограниченными делом доказательствами и поиском по архиву
- Потоковая идентификация артефактов по SHA-256, происхождение приёма данных, обнаружение дубликатов и ссылки на источники
- Детерминированный поиск по ключевым словам, объединённый с существующими результатами семантического архива
- Явная, ограниченная память с привязкой к сессиям, следователям, делам, агентам или задачам рассуждения
- Выбираемые оператором шаблоны ролей расследования с использованием установленных локальных моделей Ollama
- Выполнение агентов из главного терминала с моделями, лимитами, форматами, передачами и управлением циклами для каждого агента
- Предварительная проверка WEB через Playwright, видимая диагностика выполнения, резервная прямая загрузка и локальное кэширование на один час
- Кэшированное определение оборудования с отчётами о Metal, CUDA, ROCm, унифицированной памяти, загрузке и температуре
- Объединённые потоковые обновления для отзывчивого вывода длинных текстов
- Ограниченные сохраняемые метаданные, экранированное сгенерированное содержимое интерфейса, воспроизводимые зависимости Node и расширенные исключения для чувствительной среды выполнения

## Текущий набор функций

### Консоль аналитика

- Потоково ведёт диалог с одной выбранной моделью Ollama
- Поддерживает системный промпт, режим вывода JSON, seed, температуру и размер CTX
- Внедряет контекст активного файла, опционального веба и сохранённого диалога
- Останавливает активную работу с помощью `STOP` или `Esc`

Панель пилюль консоли содержит элементы управления выполнением:

| Пилюля | Значения | Назначение |
|---|---|---|
| `TEMP` / `CTX` / `MEM` / `FMT` / `STREAM` / `SEED` / `SYS` | — | Настройки вывода в режиме аналитика |
| `WEB` | `OFF` (по умолчанию) / `ON` | Главный переключатель для всего доступа в интернет |
| `EXEC` | `ANALYST` (по умолчанию) / `AGENTS` | Что запускает `SEND`: единственная активная модель или цепочка агентов |
| `AGN` | `0` = все | Сколько агентов запускает цепочка, в порядке карточек |
| `LOOPS` | `1`+ | Сколько раз повторяется цепочка; синхронизировано с полем `LOOPS` панели Agents |

### Параллельный режим

- Запускает один и тот же промпт для всех отмеченных моделей
- Потоково передаёт и отслеживает каждый ответ независимо
- Применяет те же элементы управления CTX и активным файлом, что и консоль аналитика

### Агенты — цепочка выполнения

Агенты определяются пользователем и являются основным путём выполнения. Встроенного или фиксированного списка агентов нет; панель Agents изначально пуста, и вы заполняете её двумя способами:

- `+ CREATE AGENT` — определить агента вручную
- `GENERATE FROM PROMPT` — описать задачу, и выбранная локальная модель-планировщик напишет набор агентов за вас

Каждый агент хранит собственную конфигурацию выполнения:

| Поле | По умолчанию | Примечания |
|---|---|---|
| Имя агента | — | Обязательно |
| Назначение агента | — | Внедряется как `[AGENT PURPOSE]` |
| Системный промпт агента | — | Инструкция роли агента |
| Предпочитаемая локальная модель | — | Обязательно; должна быть установлена в Ollama |
| Температура | `0.35` | Для каждого агента, независимо от пилюли `TEMP` консоли |
| Максимум выходных токенов | `0` (авто) | `0` использует эвристику длины AMBER |
| Циклы | `1` | Количество проходов этого агента за цикл цепочки, каждый уточняет собственный предыдущий вывод |
| Формат вывода | обычный текст | `JSON` включает JSON-режим Ollama и пропускает расширение длины |
| Инструкции передачи | — | Передаются следующему последовательному агенту как `[HANDOFF FROM PREVIOUS AGENT]` |
| Режим выполнения | `sequential` | `sequential`, `parallel` или `gated` |
| Цель вывода, область памяти, роль, доступ к инструментам, включено, примечания | — | В разделе `ADVANCED` |

**Запуск цепочки.** Установите `EXEC` в `AGENTS`, введите промпт в главном терминале и нажмите `SEND`. AMBER считывает выбранный режим, включённых агентов, локальную модель каждого агента, количество `AGN` и количество `LOOPS`, затем выполняет: `parallel`-агенты одновременно, после чего `sequential`-агенты в порядке карточек, один раз за цикл. Каждый последовательный агент получает вывод предыдущего агента как `[UPSTREAM OUTPUT]` плюс примечание о передаче этого агента. Прогресс и потоковый вывод каждого агента печатаются в главном терминале, а итоговый ответ сохраняется в истории диалога. Кнопка `RUN` панели Agents делает то же самое, используя собственное поле `LOOPS` панели.

В режиме `AGENTS` для `SEND` не требуется активная модель в панели Models, поскольку каждый агент несёт свою собственную. `gated`-агенты исключаются из цепочки — запускайте их по отдельности кнопкой `RUN` на их карточке.

**Отсутствующие модели никогда не подменяются.** Сохранение агента или запуск цепочки с моделью, которой нет в Ollama, выводит в терминал информативный блок с указанием запрошенной модели, фактически установленных моделей и необходимой команды `ollama pull <model>`, и запуск не начинается.

Сохранённые наборы агентов можно сохранять и восстанавливать по имени из панели Agents.

> Более ранний режим последовательности шагов `PIPELINE` / `CHAIN` был удалён из интерфейса. Его движок и `state/pipeline_state.json` остаются на месте для обратной совместимости, но он больше не является выбираемым режимом; цепочкой выполнения теперь являются агенты.

### Архив и память

- Ставит в очередь файлы чанков и эмбеддингов с `embeddinggemma:latest`
- Ищет в локальном архиве по косинусному сходству
- Импортирует и экспортирует JSON архива
- Добавляет последний вывод ассистента напрямую в архив
- Строит в браузере фрактальный индекс Фибоначчи для извлечения из файловых источников
- Предлагает профили извлечения `FAST`, `HYBRID` и `DEEP`

### Аналитика по делу

Архив теперь включает необязательную границу дела, не заменяя существующий рабочий процесс со всем архивом:

- `NEW CASE` создаёт локальные метаданные дела.
- `ADD ACTIVE TO CASE` записывает выбранные файлы как доказательства, сохраняет существующую необработанную загрузку, вычисляет потоковый идентификатор SHA-256 и фиксирует происхождение приёма.
- Векторы архива, проиндексированные при выбранном деле, несут идентификатор этого дела. Поиск по делу объединяет эти семантические результаты с детерминированным резервным поиском по ключевым словам, когда доступны оба.
- `REMEMBER LAST` явно сохраняет последний вывод ассистента как помеченную память дела. Вывод модели никогда не повышается до доказательства или памяти без явного указания.
- `ADD INVESTIGATION ROLES` добавляет необязательные шаблоны Director, Researcher, Investigator, Analyst, Documenter и Critic в существующий реестр пользовательских агентов. Они используют выбранную оператором локальную модель и не запускаются автоматически.

Аналитика по делу хранится атомарно в одном версионированном JSON-хранилище стандартной библиотеки и использует существующий клиент Ollama в AMBER.

### Отдельные представления

Заголовок открывает эти инструменты в отдельных вкладках:

- 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`

## Требования

Основная среда выполнения:

- Python 3.10 или новее; лаунчер и основной бэкенд используют только стандартную библиотеку, поэтому для запуска AMBER не требуется `pip install`
- Ollama установлена и работает локально
- Как минимум одна модель генерации Ollama
- `embeddinggemma:latest` для индексации Archive и семантического поиска

Дополнительные возможности:

- Node.js 18+ и npm, а также зависимости проекта, для веб-запросов с рендерингом JavaScript и поиска по записям
- Браузер Playwright Chromium для этих функций, работающих через браузер
- `ocrmypdf` и Tesseract для OCR PDF
- Tesseract для OCR изображений
- Pillow для конвертации изображений WebP перед OCR, когда Tesseract не может прочитать их напрямую
- `psutil`, `nvidia-smi` или `osx-cpu-temp` для дополнительных системных метрик; недоступные показания просто остаются пустыми

Всё вышеперечисленное работает локально. Ни один компонент не требует учётной записи, API-ключа или облачного сервиса.

## Установка и запуск

### 1. Клонируйте репозиторий

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

### 2. Запустите Ollama

В отдельном терминале:

```bash
ollama serve
```

Загрузите необходимую модель эмбеддингов и хотя бы одну генеративную модель:

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

Модель генерации приведена лишь в качестве примера; AMBER обнаруживает локально установленные модели из Ollama.

### 3. Создание окружения Python

Основной бэкенд импортирует только стандартную библиотеку Python, поэтому виртуальное окружение необязательно для прямого запуска. Тем не менее создайте его, если хотите использовать npm-скрипты (которые вызывают `venv/bin/python3`) или опциональную поддержку Pillow:

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

Файла `requirements.txt` нет, потому что ничего не требуется. Устанавливайте необязательные дополнения в это окружение только при желании:

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

Деактивируйте с помощью `deactivate`. Если предыдущая версия AMBER оставила неиспользуемые пакеты в `venv/` (например, `camoufox`), они не импортируются текущим кодом, и их можно игнорировать или удалить.

### 4. Запуск основного приложения

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

AMBER автоматически открывает браузер. Чтобы запустить без открытия вкладки:

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

Затем откройте `http://127.0.0.1:8765/amber_ui.html`.

### 5. Установка дополнительных веб-функций на основе браузера

Требуется только в том случае, если вы собираетесь включить пилюлю `WEB`:

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

Убедитесь, что хелперы запускаемы — при работающем AMBER эта команда выводит пути к хелперам, разрешённый бинарник `node` и любые отсутствующие пакеты:

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

AMBER использует вспомогательный модуль Node/Chromium для страниц, отрисовываемых JavaScript, с резервным вариантом в виде обычного HTTP-запроса на Python для прямых URL. Вспомогательному модулю поиска записей требуются Node.js, зависимости npm и Chromium; у него нет резервного варианта с обычным HTTP.

### 6. Установите дополнительную поддержку OCR

macOS с 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 нужен только для тех форматов изображений, которые требуют преобразования перед обработкой в Tesseract. AMBER продолжает работать при отсутствии любой необязательной зависимости OCR.

### Удобные npm-скрипты

Предоставленные npm-скрипты запускают AMBER с помощью `venv/bin/python3`, поэтому сначала создайте это окружение (шаг 3):

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

Прямой запуск через `python3` — наиболее переносимый вариант.

### Полная настройка, от начала до конца

```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
```

## Параметры запуска

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

| Флаг | По умолчанию | Назначение |
|---|---:|---|
| `--host HOST` | `127.0.0.1` | Адрес, на котором прослушивает HTTP-сервер AMBER |
| `--port PORT` | `8765` | Порт HTTP-сервера AMBER |
| `--no-browser` | выкл. | Не открывать браузер по умолчанию |
| `--gui PATH` | автоопределение | Обслуживать указанный HTML-файл GUI |
| `--version` | — | Вывести версию релиза AMBER ICI и завершить работу |

Браузерный интерфейс намеренно принимает только loopback-URL Ollama, даже если сервер AMBER привязан к другому интерфейсу.

## Рабочий процесс при первом запуске

1. Убедитесь, что в правом верхнем углу указана конечная точка Ollama `http://127.0.0.1:11434`.
2. Нажмите `PING`, чтобы загрузить локально установленные модели.
3. Выберите одну модель на панели Models.
4. Введите запрос в Analyst Console и нажмите `SEND`.
5. При необходимости загрузите файлы или привяжите каталог, затем активируйте файлы, чтобы включить их в контекст.
6. Загрузите `embeddinggemma:latest` перед индексацией файлов в Archive.

Чтобы вместо этого запустить цепочку агентов:

1. Откройте вкладку `AGENTS` на левой панели.
2. Создайте агента с помощью `+ CREATE AGENT` или опишите цель в разделе `GENERATE FROM PROMPT`.
3. Установите `EXEC` в значение `AGENTS` на панели переключателей консоли.
4. Задайте `AGN` (сколько агентов; `0` = все) и `LOOPS` (сколько проходов).
5. Введите запрос в главном терминале и нажмите `SEND`.

Чтобы разрешить AMBER читать интернет, сначала установите переключатель `WEB` в положение `ON`; по умолчанию он `OFF`.

## Загрузка файлов

Загрузки ограничены 100 MiB на файл. Средство выбора файлов и путь перетаскивания в настоящее время принимают:

- Документы: `.txt`, `.md`, `.pdf`, `.docx`, `.rtf`
- Данные/конфигурация: `.csv`, `.xlsx`, `.json`, `.yaml`, `.yml`, `.toml`, `.ini`, `.cfg`, `.conf`, `.xml`
- Исходный код/журналы: `.py`, `.js`, `.ts`, `.tsx`, `.jsx`, `.html`, `.sql`, `.sh`, `.bash`, `.zsh`, `.log`
- Изображения: `.png`, `.jpg`, `.jpeg`, `.bmp`, `.webp`, `.tif`, `.tiff`, `.svg`

Поведение извлечения:

- Файлы простого текста, исходного кода, конфигурации, CSV и RTF декодируются как текст.
- Листы XLSX извлекаются с помощью стандартной библиотеки Python; формулы и сложное форматирование не сохраняются.
- Текст DOCX извлекается из XML документа; сложная разметка не сохраняется.
- При извлечении PDF сначала выполняется попытка извлечь встроенный текст, а также предпринимается попытка OCR, если установлен `ocrmypdf`, при этом сохраняется более полезный результат.
- Растровые изображения используют Tesseract OCR, если он установлен. Извлечение SVG читает встроенное содержимое `<text>` и `<tspan>`.

Загруженные необработанные байты хранятся в `uploads/blobs/`, извлечённый текст — в `uploads/texts/`, а метаданные — в `uploads/manifest.json`.

### Привязанные каталоги

`LINK DIRECTORY` предоставляет AMBER поддерживаемые не скрытые файлы из одного локального каталога. Панель Files рассматривает привязанные записи как доступные только для чтения, а список каталога не является рекурсивным. Выбранный путь сохраняется в `state/linked_dir_state.json`; содержимое файлов остаётся в исходном расположении и читается только по запросу для контекста или извлечения.

Собственный выбор папки использует Tkinter из Python. Если он недоступен, интерфейс запрашивает путь вручную. Отвязка каталога удаляет сохранённую ссылку, но не удаляет исходные файлы.

Бэкенд распознаёт несколько дополнительных форматов привязанных файлов (`.xls`, `.ods`, `.gif`, `.heic`, `.ico`, `.ppt`, `.pptx` и `.zip`). Форматы без средства извлечения текста предоставляют метку метаданных, а не декодированное содержимое. Извлечение из устаревших `.xls` и `.ods` выполняется по мере возможности и может сообщить, что извлечение недоступно.

## Поведение контекста и памяти

Параметры CTX в интерфейсе — `2K`, `4K`, `8K`, `16K` и `32K` — применяются к вызовам Analyst, Parallel и Agent.

- Перед выводом `trimMsgsToCtx()` удаляет самые старые несистемные сообщения, пока запрос не уложится примерно в 90% выбранного бюджета контекста, оцениваемого из расчёта четырёх символов на токен.
- Извлечение активного файла сначала обращается к хранилищу фрактала Фибоначчи, если оно заполнено, и при неудаче переходит к плоской сборке файлового контекста.
- Извлечение использует глубину до 4, ширину луча 2–4 и зависящие от профиля лимиты результатов.
- Контекст активного файла ограничивается в соответствии с профилем памяти: примерно `CTX × 2.6` символов в Fast, `CTX × 3.2` в Hybrid и `CTX × 4.0` в Deep.
- Слишком большой плоский контекст ранжируется по оценке пересечения ключевых слов перед внедрением.
- Внедрение блокнота сохраняет хвост примерно в 8 000–20 000 символов и дополнительно ограничивается бюджетом файлового контекста активного профиля.
- Агенты с полной памятью получают последние шесть сообщений беседы. Локальная память использует хвост блокнота; `none` отключает это восстановление.

Это ограничители на основе символов, а не точные подсчёты токенизатора.

Векторный архив является долговременным, но отдельное дерево Фибоначчи — это память сессии. Оно строится для файла, когда этот файл индексируется в течение текущей сессии страницы, и не восстанавливается автоматически из `state/vector_store.json` после перезагрузки; пока оно не перестроено, контекст активного файла использует плоский резервный вариант.

## Сохранение состояния

Лаунчер хранит долговременные данные приложения в формате JSON в каталоге `state/`, используя атомарную замену через временный файл. Активной миграции на SQLite или зависимости от базы данных нет.

| Путь | Содержимое |
|---|---|
| `state/agents_state.json` | Текущие агенты, включая модель, температуру, лимит токенов, циклы, формат и передачу управления каждого агента |
| `state/agent_sets.json` | Сохранённые пресеты агентов |
| `state/agent_run_log.json` | Последние 100 запусков агентов: агент, модель, длительность, успех и контекст |
| `state/pipeline_state.json` | Выведенные из эксплуатации шаги конвейера, сохранённые для обратной совместимости |
| `state/chain_sets.json` | Сохранённые пресеты цепочек |
| `state/step_run_log.json`, `state/tool_call_log.json`, `state/tool_registry_state.json` | Записи шагов, вызовов инструментов и реестра инструментов |
| `state/chat_history.json` | Последние 100 сообщений беседы; интерфейс воспроизводит последние 30 |
| `state/scratch.json` | Последние 20 000 символов блокнота |
| `state/memory_profile.json` | Выбор извлечения Fast, Hybrid или Deep |
| `state/vector_store.json` | Фрагменты архива и эмбеддинги |

---

[Read more](https://github.com/gs-ai/amber-ici)
Скачать инструмент

Популярное

Смотреть все →

Откройте для себя самые используемые инструменты нашего сообщества.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 Полный набор инструментов OSINT: граф расследования, оценка достоверности, семейства псевдонимов, карта, временная шкала и отчёты. 49 модулей, более 400 сайтов, API-ключи не требуются.

    930
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Приложение GhostLock с запуском в один клик (CVE-2026-43499)

    554
  • 3

    redforge

    cybersecurity91/redforge

    Браузерный инструментарий для red team с 102 офлайн-инструментами для разведки, генерации полезной нагрузки, атак на учётные данные, криптографии, кодирования и отчётности по проектам.

    354
  • 4

    ARTEX

    baarai/artex

    Платформа автономного тестирования на проникновение на основе мультиагентной LLM с агентами-планировщиками и агентами-исполнителями, графами активов и исследования, записью MITM-трафика и повторной проверкой уязвимостей.

    349
  • 5

    looking-glass

    anonghosty/looking-glass

    Платформа CSIRT, которая загружает отчёты Shadowserver в MongoDB и воспроизводит их в виде интерактивных карт, аналитики, результатов, рекомендаций и исполнительных дашбордов.

    326
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Система действий для кибербезопасности на базе ИИ — где намерение превращается в управляемое исполнение, доказательства становятся оперативной памятью, а каждая операция улучшает следующую.

    289

Изучить все инструменты

Просмотрите нашу коллекцию инструментов

Смотреть все инструменты →