从采集到研判，
再让 AI 亲自动手
RedEarth 是我独立设计开发的安全情报工作台：用采集 Agent 汇聚公开资讯，把情报、IoC、威胁组织沉淀成结构化数据，用工作流和 AI 完成重复劳动，再通过 Bee 系列客户端让 AI 在电脑、浏览器和手机上执行任务。
> 帮我订阅这个安全博客的更新# AI 调用技能，自己搭一个采集 Agent⚙ probe-agent-source 发现 RSS 源 · 校验 20 条⚙ dry-run-agent 试跑产出 20 个事件⚙ save-agent 已创建 RssAgent · 每天 07:30# 新内容会自动进入每日摘要工作流✓ 已接入
它能做什么
围绕“采集 → 沉淀 → 研判 → 自动化 → 执行”这条主线，目前包含这些模块。
采集 Agent
RSS、网页（XPath / JSON，可选浏览器渲染）、Twitter，以及在沙箱里运行的自定义 Python。Agent 之间用连线传递事件，按计划定时运行。
CyberGraph 关联查询
输入一个 IP、域名或哈希，自动识别类型，沿 Agent 链路逐层展开查询，结果画成力导向关系图，还能交给大模型总结。
情报与档案
情报记录带版本和评论，支持 STIX 对象与关系、ATT&CK 技术映射；档案支持批量抓取网页、清洗正文和导入。
IoC 观测
从情报和档案中自动抽取 IP、域名、URL、哈希、CVE 等指标，统一归一化成字典，记录每次出现的位置，白名单降噪。
威胁组织与实体库
APT 组织档案、恶意软件库、漏洞库（CVE / CNNVD），以及地区、行业字典，把散落在文章里的实体串起来。
AI 调查工作台
把一次分析拆成步骤树，逐步记录发现与证据，对 IoC 给出研判结论，最后生成调查报告。
可视化工作流
19 种节点覆盖触发、取数、聚类、大模型、条件循环和消息推送；草稿、发布、版本快照，节点可单独设置容错和重试。
AI 助手
兼容 OpenAI / Claude / Gemini 协议，64 个技能可操作平台各模块，支持 MCP 工具、长期记忆和经验库，还能自己搭建采集 Agent。
Bee 端侧执行
命令行、浏览器插件、手机端三个 Bee 连到 Hive 蜂巢，把本机能力注册成技能，让 AI 在真实设备上动手，过程可见、敏感操作需确认。
另外还有一些写着玩的：知识库、带间隔复习的学习模块、AI 五子棋，以及一只会记事的小宠物。
一条资讯的旅程
我每天早上读的摘要，就是由一条工作流生成的：三百多条资讯，最后留下二十来条。
收集
采集 Agent 定时抓取，按发布时间取数，每个来源单独配额
去噪
规则分桶，合并重复报道，丢掉广告和招聘
提炼
大模型判断价值，改写成一两句中文
送达
排版成摘要，推送到聊天渠道
