近期我抽空使用Golang来构建一个有意思的RAG项目——kernal-GPT.
它是一款基于 Ollama 大语言模型（LLM）构建的AI-Agent，能够通过自然语言执行 Linux 命令，并通过 eBPF 挂钩与内核交互。我希望能够提供了一种高效、强大的方式来管理和分析 Linux 系统，包括AI驱动的命令执行、系统监控和安全合规等等。
主要功能
1. 本地支持 Ollama 大模型
- 完全支持在本地运行的所有大模型，基于 Ollama。
- 无需依赖云端 AI 服务，确保数据隐私和安全性。
2. 集成 Chain 和 Graph
- 实现模块化、结构化、可扩展的 AI 工作流。
- 增强 AI 的推理能力和执行流程管理。
3. 支持多模态 LLM
- 能够处理和理解多模态输入，包括文本和结构化数据。
- 拓展 AI 助手的功能，使其超越传统的文本交互模式。
4. 仅支持工具调用模式
- 限制 AI 仅执行预定义工具和命令，避免直接执行任意代码。
- 确保 AI 驱动的操作在安全可控范围内。
5. 集成 Redis-Vector 和 RAG
- 通过 Redis-Vector 实现高效的向量搜索，提升知识检索能力。
- 结合检索增强生成（RAG），为 AI 提供更精准的上下文信息，提高回答质量。
6. eBPF 集成（支持 Linux 5.10+ 内核）
- 使用 eBPF进行系统级跟踪、监控和分析。
- 允许深入检查进程行为、网络流量和资源使用情况。
- 仅适用于运行 Linux 5.10 及以上内核的系统。
7. 危险命令检测
- 内置安全机制，可检测并阻止潜在的危险命令执行。
- 在运行可能影响系统安全的命令前发出警告。
8. 未来增强功能（Coming Soon）
- 支持记忆和上下文：助手将能够维护执行历史和上下文感知能力。
- 生产可用版本：当前版本仍处于实验阶段，尚不适用于直接部署，未来将提升稳定性和可用性。
适用场景
- 系统管理：通过自然语言查询自动化执行常见的 Linux 管理任务。
- 性能监控：借助 eBPF 实时获取系统性能和资源使用情况。
- 安全审计：识别高风险命令和系统行为，提高系统安全性。
- DevOps & 可观测性：与现有 DevOps 流程集成，实现自动化故障排查与监控。
Use Cases
限制
- 实验版本：当前版本暂不适用于生产环境。
- 暂不支持记忆与上下文：目前 AI 助手不会保留交互历史记录。
- 仅支持 Linux：由于 eBPF 依赖性，暂未计划支持 Windows/macOS。
更多详细信息请访问github.com/boylegu/ker… 请随意给我点个star或提出问题和讨论。
