Rabbit 是基于 oritera/Cairn 演进而来的 Cairn-Y 实现。它保留 Cairn 的事实图与 Worker 协作核心，但把运行模型收敛为一条可验证的闭环：Server 保存唯一状态，Dispatcher 负责调度，Pi Worker 负责 Decide / Execute，所有执行结果最终写回 Fact，可确认的问题以 Finding 作为唯一真相源。
项目目录和 Python CLI 继续使用 cairn 名称，以兼容原工程结构；产品界面使用 Rabbit。
Origin
└─ Goal
└─ Decide（串行决策，只创建/调整 Step）
└─ Step
└─ Execute（并行执行）
├─ Fact
└─ Finding（可选，必须关联 Fact）
- Server：唯一状态真相源，维护 Project、Goal、Step、Fact 和 Finding。
- Dispatcher：负责项目生命周期、串行 Decide、并行 Execute、Worker 调度、租约、心跳和超时。
- Pi Worker：通用执行单元；当前运行配置只注册 Pi，不保留第二套执行内核。
- Fact：执行阶段确认的客观结果；Step 无论成功、失败还是未发现问题，最终都收敛为 Fact。
- Finding：Execute 原生输出的结构化发现，是报告系统唯一允许使用的发现来源。
- Vulnerability：Finding 面向界面和导出格式的投影，不是第二套漏洞数据源。
- 报告 Agent：只整理已有 Finding 的表达和证据，不从 Fact 猜测漏洞、不新增漏洞、不改变严重度。
flowchart LR
UI["Rabbit Web UI"] --> Server["Server / FastAPI"]
Server --> DB[("SQLite")]
Dispatcher["Dispatcher"] --> Server
Dispatcher --> Worker["Pi Worker Container"]
Worker --> Dispatcher
Worker --> Target["Project Scope"]
Server --> Report["Finding Projection & Report Agent"]
运行时只有三类任务：
decide：读取当前 FGS 状态，创建下一批 Step；同一项目始终串行。execute：执行一个 Step，输出 Fact 描述和可选 Finding；允许并行。execute_conclude：将结果原子写回 Server，结束 Step 并建立来源关系。
- 项目创建、运行、停止、恢复、完成和删除
- Goal / Step / Fact 图谱与完整来源追踪
- Pi Worker 健康检查、并发控制、租约和容器生命周期管理
- Finding 原子写入及漏洞视图投影
- 后台报告 Agent 对已有证据进行结构化整理
- JSON、CSV、Markdown、PDF、DOCX 报告导出
- 客户 DOCX 模板导入、启用和证据图片填充
- 登录、注册、验证码和服务端 Session
- 项目上下文和出站范围约束
- Docker Desktop 或 Docker Engine
- Docker Compose v2
- 可用的 OpenAI-compatible 模型接口
git clone https://github.com/Rabbit0007/Rabbit.git
cd Rabbitcp .env.example .env编辑 .env，至少填写：
CAIRN_INTERNAL_TOKEN=replace-with-random-value
CAIRN_DISPATCHER_INTERNAL_TOKEN=replace-with-the-same-random-value
CAIRN_WORKER_EGRESS_PROXY_TOKEN=replace-with-another-random-value
PI_API_KEY_DEEPSEEK_V4=your-model-api-key默认 dispatch.yaml 使用：
Model: ByteDance-volcengine/DeepSeek-V4-Flash-GA
Base URL: https://xplt.sdu.edu.cn:4000/v1
Provider API: openai-completions
如需使用其他 OpenAI-compatible 模型，只需修改 dispatch.yaml 中 Pi Worker 的 PI_MODEL、PI_BASE_URL 和 API Key 环境变量引用。
docker compose up -d --build查看状态：
docker compose ps
docker compose logs -f pentest-server pentest-dispatcher打开：
http://127.0.0.1:8000/
首次启动后，在登录页注册第一个账号。
docker compose down数据库保存在 ./datas/cairn/，报告证据保存在 Docker volume rabbit-pentest-artifacts。
仓库默认注册 4 个同模型 Pi Worker：
deepseek-v4-flash-ga-1
deepseek-v4-flash-ga-2
deepseek-v4-flash-ga-3
deepseek-v4-flash-ga-4
默认调度约束：
runtime:
max_workers: 4
max_running_projects: 1
max_project_workers: 3
tasks:
decide:
max_steps: 3这样一次只运行一个项目，最多并行执行 3 个 Step；第四个 Worker 用于调度余量和故障切换。Decide 仍然保持串行，不会出现多个决策器同时修改 FGS。
报告链路只有一条：
Decide 创建 Step
→ Pi Execute 返回 description + optional finding
→ conclude 原子创建 Fact 并结束 Step
→ 合法 Finding 与 Fact 关联写入
→ Finding 投影为漏洞视图
→ 报告 Agent 整理已有 Finding
→ UI 展示或导出
进入漏洞报告的 Finding 必须满足：
kind为security_vulnerability或vulnerabilityseverity为critical、high、medium或low- 关联真实
fact_id
只有 Fact、没有 Finding 的执行结果不会进入漏洞报告。
后端测试：
cd cairn
uv sync
uv run --with pytest --with httpx python -m pytest前端构建：
cd cairn/frontend
npm install
npm run build只启动本地 Server：
cd cairn
uv run cairn serve --host 127.0.0.1 --port 8765 --log-level info.
├── cairn/
│ ├── frontend/ # Web UI
│ ├── src/cairn/dispatcher/ # 调度、任务和 Pi Worker 适配
│ ├── src/cairn/server/ # API、状态、Finding 和报告
│ └── tests/ # 后端与 Cairn-Y 核心测试
├── container/ # Worker 容器
├── docs/specs/ # 协议与调度设计
├── .rabbit/context/ # 可复用项目上下文模板
├── dispatch.yaml # 默认 Pi Worker 配置
├── docker-compose.yaml # 完整运行环境
└── .env.example # 环境变量模板
Rabbit/Cairn-Y 基于 oritera/Cairn 的事实图协作思想继续演进。感谢原项目对 Fact 图谱、Agent 协作和自动化探索方向的开源贡献。
本项目遵循仓库中的 AGPL-3.0 License。