零 API Key 的 AI 安全中心：AiSOC 用本地小模型给告警做分诊

安全团队最头疼的从来不是缺告警，而是告警太多、分诊不过来。开源项目 AiSOC 给了一个反直觉的答案：不上云、不买 Key，用一台 8GB 内存、20GB 磁盘的机器，配本地 Ollama 跑的 llama3.2:3b，就能把安全运营中心跑起来，现已 6353 星，单日涨 446 星。

它的核心设计只有一句话：规则“可执行”才算数。AiSOC 从 7023 条规则库里编译出 2538 条真正能跑的检测规则——一条规则只有在真实事件回放里确实触发过，才算进规则集，而不是看目录里写着“已启用”就算数。告警进来后，本地模型做分诊并把每一次提示词和工具调用记进可回放的调查账本，最后由人批准才把动作推给厂商。项目还自带 MCP 服务器，能让 Claude、Cursor、Continue 直接查它的调查结果和威胁情报。

这个思路对小团队的启发比工具本身更大：安全 agent 的价值不在模型多大，而在每一步能不能复核。3B 本地模型在 50 条告警样本里，分诊可用输出从 JSON 约束前的 44 次升到约束后的 50 次——样本很小，别把它读成“小模型够用了”的定论。落地时先做两件事：用自己的真实告警跑一周，看误报率和漏报率；再把“人批准”这道关写进流程，别让 agent 直接动生产厂商配置。AiSOC 证明的是分诊可以本地化，没证明它能替你背安全责任。