ARGUS

The All-Seeing Runtime for Web Knowledge Ingestion and AI Agents

ARGUS 是一个生产级 Java 运行时，专为代理式系统中的 可审计、可控制、可复现 Web 数据摄取而设计。

模块结构

模块	说明
argus-core	核心基础能力：Action、Agent、Memory、Observation、Lifecycle
argus-ingestion	网络知识摄取：Fetch、Parse、Policy、Replay
argus-agent	AI 代理的最小执行层与 loop 驱动模型
argus-runtime	运行时核心实现与默认装配能力
argus-spring-boot-autoconfigure	Spring Boot 自动装配模块
argus-spring-boot-starter	Spring Boot Starter 聚合入口

Spring Boot 集成

ARGUS 的 Spring Boot 接入采用分层设计：

• argus-runtime 提供不绑定 Spring 的运行时核心能力
• argus-agent 提供 loop-driven agent 的默认执行层
• argus-spring-boot-autoconfigure 提供自动装配
• argus-spring-boot-starter 作为业务侧导入坐标

目标使用方式如下：

<dependency>
    <groupId>io.argus</groupId>
    <artifactId>argus-spring-boot-starter</artifactId>
    <version>1.0.0</version>
</dependency>

Starter 默认装配

引入 argus-spring-boot-starter 后，默认会装配以下本地实现：

• ArgusRuntime
• Memory（InMemoryMemory）
• AuditLog（InMemoryAuditLog）
• FetchAuditPublisher
• IngestionAuditPublisher
• FetchExecutorRegistry
• FetchRecordStore（默认 InMemoryFetchRecordStore）
• FetchPolicy
• FetchExecutor
• RobotsTxtService
• Parser（SimpleDocumentParser）
• ChunkStrategy（FixedSizeChunkStrategy）
• EmbeddingModel（HashEmbeddingModel）
• VectorStore（InMemoryVectorStore）
• IngestionOrchestrator
• IngestionSource
• AgentRunner

ArgusRuntime 会聚合上述关键能力，因此业务侧既可以按 Bean 单点注入，也可以直接以运行时容器作为统一入口。

所有 Bean 都采用 @ConditionalOnMissingBean，业务侧可以按单个能力点覆盖，而不需要整体替换 starter。

生命周期语义

ArgusRuntime 现在具备显式生命周期：

• 纯 Java 场景下，ArgusRuntimeFactory.createDefaultRuntime() 返回已启动的运行时
• Spring Boot 场景下，自动装配 Bean 会在容器初始化时调用 start()，在容器关闭时调用 stop()
• 生命周期阶段包括 CREATED、STARTING、RUNNING、STOPPING、STOPPED、FAILED

这保证了 starter 导入后的运行时状态是明确的，而不是“Bean 在，但是否可用不确定”。

抓取与回放默认行为

• 默认抓取回放模式为 LIVE
• 默认回放记录存储为内存实现；如需跨进程复现，可切换到 FILE
• robots.txt 校验默认关闭；仅在显式开启后，才会在抓取 HTTP/HTTPS 资源前抓取并解析对应站点的 robots.txt
• 当回放模式为 REPLAY_ONLY 或 HYBRID 且开启 robots.txt 校验时，robots.txt 本身也会通过同一套 replay 机制获取

配置项

配置项	默认值	说明
argus.enabled	true	是否启用 ARGUS 自动装配
argus.ingestion.chunk-size	1000	默认分块策略的固定块大小，必须大于 0
argus.ingestion.embedding-dimension	16	默认哈希向量模型的维度，必须大于 0
argus.ingestion.vector-namespace	default	默认内存向量库命名空间，不能为空白
argus.fetch.replay-mode	LIVE	默认抓取执行模式，可选 LIVE、HYBRID、REPLAY_ONLY
argus.fetch.record-store.type	MEMORY	回放记录存储类型，可选 MEMORY、FILE
argus.fetch.record-store.file-path	空	当记录存储类型为 FILE 时使用的持久化文件路径；留空时使用运行时默认路径
argus.fetch.policy.allowed-protocols	空集合	允许的抓取协议名集合；为空时表示不限制协议
argus.fetch.policy.rate-limit	PT0S	同一资源两次 LIVE 抓取之间的最小时间间隔
argus.fetch.policy.obey-robots-txt	false	是否在访问 HTTP/HTTPS 资源前抓取并执行 robots.txt 规则
argus.fetch.policy.user-agent	argus	执行 robots.txt 规则匹配时使用的 User-Agent
argus.fetch.policy.robots-cache-ttl	PT10M	robots.txt 解析结果缓存时长

配置示例

argus:
  fetch:
    replay-mode: HYBRID
    record-store:
      type: FILE
      file-path: /var/lib/argus/fetch-record-store.bin
    policy:
      allowed-protocols:
        - http
        - https
      rate-limit: 1s
      obey-robots-txt: true
      user-agent: argus-bot
      robots-cache-ttl: 5m

快速开始

mvn clean package

@Configuration
public class DemoConfiguration {

    private final ArgusRuntime runtime;

    public DemoConfiguration(ArgusRuntime runtime) {
        this.runtime = runtime;
    }

}

设计原则

• Auditable - 运行过程透明可追溯
• Controllable - 行为确定可控
• Reproducible - 结果一致可复现