企业官网建设流程全解析

CAI 引用与致谢指南：如何规范引用这个开源网络安全 AI 框架

【免费下载链接】caiCybersecurity AI (CAI), the framework for AI Security项目地址: https://gitcode.com/GitHub_Trending/cai3/cai

CAI（Cybersecurity AI）是一个面向攻防自动化的开源安全 AI 框架。本文以仓库中的 docs/cai_citation_and_acknowledgments.md 为骨架，完整给出官方推荐的 BibTeX 引用条目，并结合 README.md、CITATION.cff 与源码实现，讲解 CAI 的项目出处、欧盟资助背景、上游技术渊源（OpenAI swarm、LiteLLM、Phoenix）以及规范的致谢写法。读者读完后，将能在论文、技术报告或研究项目中正确引用 CAI，并准确描述其开放许可与学术合作渠道。

一、官方推荐的引用条目（BibTeX）

CAI 官方在 docs/cai_citation_and_acknowledgments.md 中提供了标准的 BibTeX 条目，可直接复制到论文参考文献中：

@misc{mayoralvilches2025caiopenbugbountyready, title={CAI: An Open, Bug Bounty-Ready Cybersecurity AI}, author={Víctor Mayoral-Vilches and Luis Javier Navarrete-Lozano and María Sanz-Gómez and Lidia Salas Espejo and Martiño Crespo-Álvarez and Francisco Oca-Gonzalez and Francesco Balassone and Alfonso Glera-Picón and Unai Ayucar-Carbajo and Jon Ander Ruiz-Alcalde and Stefan Rass and Martin Pinzger and Endika Gil-Uriarte}, year={2025}, eprint={2504.06017}, archivePrefix={arXiv}, primaryClass={cs.CR}, url={https://arxiv.org/abs/2504.06017}, }

1. 条目字段逐项解读

该条目与仓库根目录下的 CITATION.cff 完全一致（后者采用机器可读的 CITATION.cff 规范格式）。两条记录相互印证，说明这是项目方认可并推荐的权威引用方式——自动化工具（如 GitHub 的 Citation 面板）可以直接解析 CITATION.cff，人工写作则直接使用上述 BibTeX。

2. 扩展引用列表（按发表日期排序）

除上述核心条目外，README.md 的 Citation 章节还按发表日期提供了系列论文的 BibTeX 引用，覆盖 CAI 研究的不同侧面，可按主题选用：

这些论文对应的评测实现可以在 benchmarks 目录中找到落地载体，例如 CyberMetric、SecEval、cyberPII-bench 等基准数据集与评测脚本。引用时只需把对应的 BibTeX 块直接放入参考文献文件即可，无需手工改写。

二、致谢：项目出处与资金来源

CAI was initially developed by Alias Robotics and co-funded by the European EIC accelerator project RIS (GA 101161136) - HORIZON-EIC-2023-ACCELERATOR-01 call.

致谢部分明确了 CAI 的两个关键出处：

1. 初始开发方：Alias Robotics。这家西班牙机器人网络安全公司长期深耕机器人/物联网安全研究，其背景直接影响了 CAI 面向新兴攻击面（机器人、嵌入式、网络对抗）的设计取向；
2. 共同资助方：欧盟 EIC（European Innovation Council）加速器项目 RIS。资助协议号 GA 101161136，属于 HORIZON-EIC-2023-ACCELERATOR-01 征集。

在论文的基金致谢（Funding）段落中，可参考如下表述：

This work was partially funded by the European Innovation Council (EIC) accelerator project RIS under Grant Agreement No. 101161136 (HORIZON-EIC-2023-ACCELERATOR-01 call).

三、技术渊源：从 OpenAI swarm 到 CAI 的智能体模式

文档明确指出：CAI 最初的智能体原则（agentic principles）源自 OpenAI 的开源库 swarm。swarm 的核心思想是多智能体通过 handoff（交接）机制协作，CAI 将其吸收并演进为更丰富的模式体系。

这一渊源在仓库源码中有直接印证。查看 src/cai/agents/patterns/init.py：

PATTERNS = ["hierarchical", "swarm", "chain_of_thought", "auction_based", "recursive"]

该模块同时导出swarm_pattern、parallel_pattern、hierarchical_pattern等模式，并提供了get_swarm_patterns()、is_swarm_pattern()等辅助函数，用于自动识别和加载基于 handoff 协作的 swarm 模式：

# 自动识别并加载 swarm 与 parallel 模式 def discover_patterns() -> Dict[str, 'Pattern']: # 遍历 patterns 目录，将 swarm 模式包装进对应的 Pattern 类 ...

也就是说，OpenAI swarm 所代表的交接式多智能体协作原则，已在 CAI 中被落地为可配置、可发现的模式组件。进一步的使用方式可参阅 docs/agents.md（智能体架构）、docs/handoffs.md（交接机制），以及可直接运行的示例 examples/cai/agent_patterns/handoffs.py 与 examples/cai/agent_patterns/handoffs_and_tools.py。

四、上游开源组件：LiteLLM 与 Phoenix

文档列举了两个关键的上游开源构建模块，二者在源码与文档中均有实际落地证据。

1. LiteLLM——统一多模型接入层

LiteLLM 为 CAI 提供了统一的多模型接入能力，README.md 明确写道：

Multi-Model Support: more than 300 supported and empowered by LiteLLM.

在源码层面，LiteLLM 已深度集成到 CAI 的日常运行链路中：

• src/cai/cli.py：CLI 启动时会调用fix_litellm_transcription_annotations()对 LiteLLM 的__annotations__兼容性问题打补丁，保证框架稳定启动；
• src/cai/repl/commands/model.py：/model命令会拉取 LiteLLM 的模型清单，与内置模型、Ollama 模型合并后供用户动态切换；
• src/cai/repl/commands/completer.py：命令补全器同样从 LiteLLM 的模型列表获取候选模型名，实现模型名自动补全。

在编程接入层面，examples/model_providers/litellm.py 给出了将 CAI Agent 指向 LiteLLM 网关的完整可运行示例：

external_client = AsyncOpenAI( base_url = os.getenv('LITELLM_BASE_URL', 'http://localhost:4000'), api_key=os.getenv('LITELLM_API_KEY', 'key')) set_default_openai_client(external_client) set_tracing_disabled(True) agent = Agent( name="Assistant", instructions="You are a helpful assistant", model=OpenAIChatCompletionsModel( model=llm_model, openai_client=external_client, ) )

其原理是通过标准 OpenAI 兼容接口连接到本地或远程 LiteLLM 代理（默认http://localhost:4000），从而在 CAI 中使用任意被 LiteLLM 支持的模型（示例中为qwen2.5:14b）。对于希望通过 LiteLLM 网关接入更多模型（如 DeepSeek、Ollama 等本地模型）的用户，可直接参考该示例改造自己的客户端。

2. Phoenix——基于 OpenTelemetry 的 AI 可观测性

Phoenix（Arize AI 出品）为 CAI 提供了基于 OpenTelemetry 标准的追踪与日志能力。README.md 说明：

CAI implements AI observability by adopting the OpenTelemetry standard and to do so, it leverages Phoenix ... allowing you to monitor and analyze your security operations in real-time.

借助 Phoenix，用户可以实时观测智能体交互、工具调用与攻击向量追踪，便于调试复杂的利用链、跟踪漏洞发现过程，并据此优化安全评估中智能体的表现。CAI 的完整追踪体系（Trace、Span、Processor、Scope 等）的文档位于 docs/tracing.md 与 docs/ref/tracing/index.md，底层实现位于 src/cai/sdk/agents/tracing 目录，其中 processors.py 定义了追踪数据处理器接口，spans.py 定义了跨度（Span）数据结构。对应的测试用例见 tests/tracing 目录。

五、引用与致谢的规范使用建议

在正式出版物或研究项目中引用 CAI 时，建议遵循以下步骤：

1. 引用主论文：优先使用 docs/cai_citation_and_acknowledgments.md 给出的 BibTeX 条目；若希望提供机器可读的引用元数据，可同时参考 CITATION.cff；
2. 按主题补充引用：若你的工作涉及 CTF 评测、提示注入、机器人安全、自动化与自主性差距、Agent 基准评测等特定方向，可补充引用 README.md 中对应的 arXiv 条目；
3. 致谢资金来源：受欧盟资助或与 Alias Robotics 合作的成果，需在致谢中注明 EIC RIS 项目资助协议号 GA 101161136 与 HORIZON-EIC-2023-ACCELERATOR-01 征集；
4. 尊重上游依赖：CAI 依赖 LiteLLM、Phoenix 等开源组件，衍生工作或对比研究中引用这些上游项目同样是对开源生态的基本尊重；
5. 研究合作渠道：CAI 面向研究社区开放学术合作，支持博士研究项目、学术基准研究、安全教育计划与来自研究实验室的开源贡献等方向；相关说明见 README.md 的 Academic Collaborations 小节。

结语

引用与致谢是开源项目良性循环的起点。通过本文给出的 BibTeX 条目、资助声明写法与技术渊源说明，你可以准确、合规地在论文与报告中引用 CAI，让这项由欧盟 EIC 共同资助、基于 OpenAI swarm 智能体原则并深度集成 LiteLLM 与 Phoenix 的网络安全 AI 框架获得应有的学术承认，也帮助后来者沿着这些线索进一步研究与复用。

【免费下载链接】caiCybersecurity AI (CAI), the framework for AI Security项目地址: https://gitcode.com/GitHub_Trending/cai3/cai