AbdulElahGwaith's picture
Upload folder using huggingface_hub
ffb6330 verified
# 常见问题
- [1. 安装](#1-安装)
- [1.1 端口冲突](#11-端口冲突)
- [1.2 权限问题](#12-权限问题)
- [1.3 服务启动失败](#13-服务启动失败)
- [1.4 停止服务](#14-停止服务)
- [1.5 更新部署](#15-更新部署)
- [2. 任务执行错误和故障排除](#2-任务执行错误和故障排除)
- [3. 离线安装](#3-离线安装)
- [3.1 在有外网的服务器上准备镜像](#31-在有外网的服务器上准备镜像)
- [3.2 将镜像导出为Tar文件](#32-将镜像导出为tar文件)
- [3.3 复制镜像包到内网服务器](#33-复制镜像包到内网服务器)
- [3.4 在内网服务器上导入镜像](#34-在内网服务器上导入镜像)
- [3.5 启动容器](#35-启动容器)
- [4. 推荐模型](#4-推荐模型)
- [4.1 MCP扫描推荐](#41-mcp扫描推荐)
- [4.2 越狱评估模型推荐](#42-越狱评估模型推荐)
- [5. 使用自定义评估数据集时越狱评估不准确](#5-使用自定义评估数据集时越狱评估不准确)
- [6. 添加模型失败](#6-添加模型失败)
---
## 1. 安装
### 1.1 端口冲突
```bash
# 修改webserver端口映射
ports:
- "8080:8088" # 使用8080或其他端口
```
### 1.2 权限问题
```bash
# 确保数据目录具有读写权限
sudo chown -R $USER:$USER ./data
```
### 1.3 服务启动失败
```bash
# 查看详细日志
docker-compose logs webserver
docker-compose logs agent
```
### 1.4 停止服务
```bash
# 停止服务
docker-compose down
# 停止服务并删除数据卷(请谨慎使用)
docker-compose down -v
```
### 1.5 更新部署
升级到最新版本并清理过时资源:
```bash
# 停止原服务
docker-compose down
# 重新构建容器镜像并重启服务
docker-compose -f docker-compose.yml up -d --build
# 清理悬空的Docker镜像(可选)
docker image prune -f
```
## 2. 任务执行错误和故障排除
当遇到任务执行错误或agent服务问题时,请按照以下故障排除步骤操作:
```bash
# 登录到运行Docker容器的服务器
# 执行以下命令查看agent日志
docker compose logs agent
```
## 3. 离线安装
您可以在有外网的机器上准备所需的镜像和资源,再将其迁移到内网服务器进行部署。具体方法如下:
### 3.1 在有外网的服务器上准备镜像
在有外网的服务器上,拉取所需的镜像:
```bash
# 拉取所需的A.I.G镜像
docker pull zhuquelab/aig-server:latest
docker pull zhuquelab/aig-agent:latest
# 查看本地镜像
docker images
```
### 3.2 将镜像导出为Tar文件
使用`docker save`命令将A.I.G镜像保存为tar包:
```bash
# 将A.I.G镜像导出为tar文件
docker save -o aig-server.tar zhuquelab/aig-server:latest
docker save -o aig-agent.tar zhuquelab/aig-agent:latest
```
### 3.3 复制镜像包到内网服务器
使用您可用的方法(U盘、网络传输等)将tar文件传输到您的内网服务器。
### 3.4 在内网服务器上导入镜像
使用`docker load`命令将tar包导入到Docker中:
```bash
# 从tar文件导入A.I.G镜像
docker load -i aig-server.tar
docker load -i aig-agent.tar
```
### 3.5 启动容器
导入镜像后,您可以使用`docker-compose.images.yml`文件启动容器(从GitHub仓库根目录下载):
```bash
# 使用镜像启动容器
docker-compose -f docker-compose.images.yml up -d
```
## 4. 推荐模型
### 4.1 MCP扫描推荐
- GLM4.6
- DeepSeek-V3.2
- Kimi-K2-Instruct
- Qwen3-Coder-480B
- Hunyuan-Turbos
### 4.2 越狱评估模型推荐
在使用自定义数据集时,选择合适的安全评估模型可以显著提高自动化评估的准确性。您可以从两个维度平衡模型选择:**语言****场景**
#### 语言
- **中文推荐:**
- `qwen3-max`(性能最佳)
- `qwen3-235b-a22b-2507`(性价比选择)
- **英文推荐:**
- `claude-opus-4.1`(性能最佳)
- `claude-sonnet-4`(性能良好)
- `gemini-2.0-flash`(性价比选择)
#### 场景
- **政治敏感内容测试:**
**不要**选择Gemini模型。相反,优先选择国产模型,如`hunyuan-turbos``qwen3`。云API调用效果更好。
- **国家、地区或种族偏见测试:**
Gemini模型表现最佳。
- **危险武器或高风险行为测试:**
Claude模型表现最佳。从成本效益考虑,Gemini模型也是不错的选择。
## 5. 使用自定义评估数据集时越狱评估不准确
您可以根据数据集的特点调整评估标准。如需修改评估标准,请修改该文件:[https://github.com/Tencent/AI-Infra-Guard/blob/main/AIG-PromptSecurity/deepteam/metrics/harm/template.py](https://github.com/Tencent/AI-Infra-Guard/blob/main/AIG-PromptSecurity/deepteam/metrics/harm/template.py)
## 6. 添加模型失败
A.I.G 支持标准 OpenAI 格式的模型接口。如果您的模型不是 OpenAI 格式,可以使用模型 API 网关进行格式转换,例如 [https://github.com/BerriAI/litellm](https://github.com/BerriAI/litellm)。