做安全防守这行，最头疼的不是攻防技术本身，而是告警量。一天几千条告警堆在SIEM里，真正值得看的可能就那么三五条。等你一条条筛完、溯源、写报告，天已经亮了。

所以当我在RSA 2026的报道里看到Vigil这个项目的时候，第一反应是又一个AI噱头。但仔细翻了翻GitHub和官网，发现它和市面上那些AI增强SOC不太一样，它不是在传统SOC上面加个聊天框，而是直接用13个AI Agent把整个安全运营流程自动化了。

本地部署，调用本地LLM可实现数据不出机器。我装起来简单看了一下，觉得有必要给同行们如实介绍一下。

## Vigil SOC：AI Agent团队协作的安全运营平台
项目地址：https://github.com/vigil-soc/vigil
## ![图片](/media/202608/24dd11d638aa4baba01bdcbb7d9a83bc6109.png)

这个项目到底是什么

Vigil是DeepTempo开源的一个AI原生安全运营平台。简单说，它给你的SOC配了一支AI团队，13个各司其职的Agent，从告警分诊、根因调查、威胁狩猎到取证报告，一条命令就能串起来跑完。

它不是传统SIEM上面挂个AI助手那种你问我答模式。Vigil的设计原则很直接：AI Agent应该干活，而不是只回答问题。你输入"对f-20260215-abc123这条告警执行应急响应"，四个Agent就按顺序自动执行：Triage打分、Investigator溯源、Responder处置、Reporter出报告。整个过程不需要人工交接。

技术底座是Agent SDK加MCP（Model Context Protocol）。MCP这个协议今年很火，简单理解就是给AI Agent提供了一套标准的工具插座，任何支持MCP的安全工具都能直接接进来，不用一个个写API适配。

整个项目本地运行，你的日志和告警数据不会传到云端。这一点对国内企业来说尤其重要，毕竟数据出境是个绕不开的合规问题。

![图片](/media/202608/db4abe4108e54beeaa15edb129cbf8c46733.png)

## 功能挨个说

13个Agent，各管一摊

Vigil的核心是13个专门化的AI Agent，每个都有明确的角色定位、调优过的推理模式和专属的工具集。不是一个大模型什么都干，而是像真实SOC团队那样分工协作。

挑几个关键的说说：

Triage Agent（分诊Agent）用快速推理模式，给每条告警打严重程度分、过滤误报、决定是否升级。这是整个流程的入口，相当于SOC一线分析师的角色。

Investigator（调查员）用深度推理模式，负责重建时间线、跨数据源关联证据、追溯根因。这是最耗时的环节，以前人工做可能要几个小时，Agent跑下来几分钟。

Responder（响应员）评估影响范围，提交遏制动作（WAF封禁、网关阻断、会话吊销），并给出置信度分数。置信度超过0.90自动批准，低于阈值则转人工审核。这个设计很务实，不是全自动，而是你设定边界。

Reporter（报告员）生成执行摘要、技术报告和合规文档，自动打上MITRE ATT&CK映射。写报告这件事，安全人都懂有多痛苦。

另外还有Threat Hunter（威胁狩猎）、Correlator（关联分析）、MITRE Analyst（ATT&CK映射）、Detection Engineer（检测规则工程师）、Forensics（取证）、Malware Analyst（恶意软件分析）等Agent，覆盖安全运营全流程。

一条命令跑完应急响应

Vigil最打动我的是Workflow（工作流）机制。一个Workflow就是把多个Agent串成一个完整的端到端剧本，定义在一个纯文本的SKILL.md文件里。你可以读、可以改、可以分享。

开箱自带四个Workflow：

Incident Response（应急响应）：Triage → Investigate → Respond → Report，从告警到审计报告一条龙。

Full Investigation（全面调查）：深度重建事件，跨所有数据源做时间线关联。

Threat Hunt（威胁狩猎）：基于MITRE ATT&CK框架的主动假设驱动搜索。

Forensic Analysis（取证分析）：证据收集、监管链文档、适合法律程序的分析报告。

实际跑下来的体验是：你在Web UI里粘贴一条告警ID，输入"Run incident response on finding xxx"，然后看着四个Agent依次执行，最后生成一份带ATT&CK映射、时间线和处置建议的完整报告。整个过程本地完成，数据不出机器。

自动处置，但人说了算

很多人对AI自动处置有顾虑，怕AI乱封IP、误杀业务。Vigil在这方面的设计比较克制。

它的Auto-Response Agent会跨你的安全栈关联信号、给自己的判断打置信度分。超过你设定的阈值（默认0.90）才自动批准执行，低于阈值就路由给人工审核。所有动作，WAF封禁、网关阻断、会话吊销，都有完整的审计追踪。

用官方的话说：你设定边界，Vigil跟上节奏。系统只能自我降级（把动作交给人），只有人能提升自动化等级。这个原则来自项目创始人之前做StackStorm（Linux基金会项目，Netflix等大厂在用）的经验，自动化的前提是可控。

7200条检测规则和MCP生态

Vigil自带7200多条检测规则，覆盖Sigma、Splunk、Elastic和KQL格式。Detection Engineer Agent会用这些规则做覆盖度分析和缺口识别，还能生成新的检测规则。社区持续贡献，规则库还在增长。

集成方面靠MCP协议。目前30多个集成覆盖SIEM、EDR、威胁情报、沙箱、工单和通讯工具。因为MCP是开放标准，加新集成很轻量，只要工具有MCP Server，Vigil就能连。随着MCP生态扩大，Vigil的连接能力也会跟着增长。

## 和商业AI SOC比怎么样

目前市面上的AI SOC产品，Dropzone AI、Conifers CognitiveSOC、Radiant Security、Torq HyperSOC这些，全部是闭源的。年费起步3.6万美元，高的能到20万美元以上，还按你的告警量加价。Vigil拿什么比？列几个关键差异：

![](/media/202608/b9f78bc9ddd9461d97ad1557064311b82741.png)
## 最后说几句

安全运营这个行业，长期以来有个结构性问题：买方和卖方都没有足够信息做出理性决策，结果就是大家跟风买最佳实践产品，花的钱越来越多，被攻破的概率反而越来越高。官方引用的数据是，零日利用占比从2018年的16%涨到了2026年的67%，2025年82%的入侵无恶意软件。

闭源AI SOC只会加深这个问题，Agent逻辑不透明，集成为私有，定价不灵活。Vigil的思路是用开源打破这个循环：当Agent的推理可以被审查，检测质量就变得可衡量；当集成基于开放标准，社区的集体运营经验就能复利增长。

它现在还不完美，但方向是对的。安全运营不应该是一个你租来的黑盒，而应该是一项你和社区一起构建的能力。

对安全从业者来说，哪怕不直接用，花一个下午看看它的Agent设计和Workflow思路，也会有启发。毕竟AI Agent做安全运营这件事，已经不是会不会来的问题，而是怎么用好的问题了。

13个Agent跑应急响应