功能发布：HTTP 历史流量分析专家 Agent
Yak Project这是 AI Agent 相关能力第一次正式应用到 Yakit 的日常功能模块中。本次以 HTTP 历史流量分析 作为试点，在不改变用户原有使用习惯的前提下，引入一个“懂流量、能对话”的分析专家，用来辅助用户理解和分析已有流量数据。
本文主要介绍这个功能做了什么、怎么用，以及背后的一些实现思路。
在历史流量中引入 AI 侧边栏
在 Yakit 的**历史流量（History）**页面左侧，我们新增了一个 AI 侧边栏入口。打开后，用户可以直接和 AI 对话，围绕当前历史流量提出问题，例如：
- 某个域名或接口相关的流量有哪些？
- 是否存在可能的敏感信息？
- 某类请求是否存在潜在风险？
AI 并不是“凭感觉”回答，而是基于当前历史流量数据进行分析，并在必要时加载对应的请求、响应内容到上下文中。
这也是 Yakit 中第一次让 AI 以 Agent 的形式，参与到一个真实、可复用的日常分析场景里。
HTTP 流量分析专家模式
本次新增的能力，本质上是一个HTTP 流量分析专家 Agent。
它构建在现有的 AI Agent 基础能力之上，尤其是记忆管理和上下文控制能力，使得它可以：
- 面对大量历史流量数据
- 按需、分批地加载流量内容
- 在对话过程中持续保持分析上下文
在使用上，它并不是一个“全量把流量塞进上下文”的简单实现，而是围绕用户问题，逐步拉取和分析相关流量。
举个例子，如果你问"有没有泄露敏感信息的流量"：
首先，AI 会用关键词快速过滤，从几百条流量中筛选出可能包含敏感信息的几十条。这一步只看流量的基本信息：URL、状态码、请求方法等。
然后，AI 会进一步分析这几十条流量的特征，比如哪些返回了 200 状态码（说明请求成功），哪些 URL 路径看起来比较敏感。经过这一轮，可能就剩下 5-10 条真正需要关注的流量。
最后，AI 才会去查看这 5-10 条流量的完整请求和响应内容，仔细检查是否真的存在敏感信息泄露。
这种渐进式的分析方式，既保证了效率，又不会遗漏重要信息。即使面对上千条流量，AI 也能快速定位到关键问题。
流量查询与筛选能力
HTTP 流量分析专家可以直接使用 Yakit 现有流量分析器里的能力，包括：
- 按关键字查询流量
- 使用流量匹配器进行筛选
- 支持正则表达式等复杂匹配方式
只要是历史流量分析页面里已经具备的筛选和查询能力，这个 Agent 都可以“理解并使用”。用户只需要用自然语言描述需求，Agent 会自行决定如何组合这些条件来完成分析。
一个实际场景示例：敏感信息与风险排查
例如，用户可以直接这样询问：
帮我查一下 xxx 相关的流量有哪些，有没有存在漏洞风险的？
在这个过程中，HTTP 流量分析专家会：
1、先定位与 xxx 相关的历史流量
2、结合请求方法、路径、请求体和响应内容进行分析
3、检查是否存在潜在的敏感上下文、认证信息、异常输入或风险点
4、给出一个基于当前流量数据的分析结论
整个过程不依赖用户手动点选或反复筛选，而是通过对话逐步推进分析。
记忆管理与按需加载
为了让 Agent 能在复杂分析中保持上下文一致性，这里引入了记忆管理机制，但整体设计是偏克制的。
- 短期记忆：仅存在于当前会话中，用于保存本轮对话、分析中已经确认的信息，会话结束后即失效。
- 长期记忆：会对记忆进行评分，并从 6 个维度进行分析，后续对话中通过语义检索的方式按需取回。
在流量分析场景下，Agent 不会一次性加载所有历史流量，而是采用按需加载、渐进式加载的方式：
- 先根据问题做初步筛选
- 再逐步引入必要的请求或响应内容
- 随着分析深入，动态扩展上下文
这样既能控制上下文规模，也能保证分析过程是可持续的。
总结
目前，HTTP 流量分析专家 Agent 还处在测试接入阶段，并且：
- 还没有和 UI 做深度联动
- Agent 的分析过程暂时不可视化为具体的 UI 操作
后续会逐步开放能力，让 Agent 可以直接操作 UI 中的筛选、跳转和高亮，让用户能够“看到 AI 是怎么做分析的”。
同时，类似的专家 Agent 也会扩展到其他模块，例如：
- HTTP WebFuzzer 专家 Agent
后续我们会在保持工具可控性的前提下，逐步探索 Agent 在更多安全分析场景中的使用方式。
本文首发于 Yak Project 公众号，阅读原文。