CyberStrikeAI 实战指南：15分钟把AI渗透测试从"人肉搬命令"变成"一句话搞定"

【免费下载链接】CyberStrikeAIThe system of action for AI-native cybersecurity—where intent becomes governed execution, evidence becomes operational memory, and every operation improves the next.项目地址: https://gitcode.com/GitHub_Trending/cy/CyberStrikeAI

做过渗透测试的人大概都有过这种崩溃：nmap 扫端口、sqlmap 测注入、gobuster 跑目录，工具装了十几个、命令记了几百条，报告却还没动笔。CyberStrikeAI 就是为这种时刻生的——一个用 Go 写的AI 原生安全测试平台，把 100+ 安全工具配方、智能体编排、角色驱动测试、漏洞全生命周期管理和攻击链可视化塞进同一个可审计的工作空间。它的定位一句话就能说清：把意图变成受治理的行动，把证据变成可复用的运营记忆。下面按"一个安全测试任务的完整旅程"带你走一遍，读完可以直接 clone 下来跑。

开工前，先确认地基够不够

部署安全平台最容易翻车的地方不在代码，在地基：Go 版本差了、Python 没装、证书没处理好，后面全白搭。

地基齐了，剩下的交给脚本：

git clone https://gitcode.com/GitHub_Trending/cy/CyberStrikeAI cd CyberStrikeAI chmod +x run.sh && ./run.sh

run.sh会依次完成环境校验、创建 Python 虚拟环境、装依赖、拉 Go 模块、编译并启动。默认走HTTPS + 本机自签证书（多路流式场景下更稳），只想本地快速体验就加--http走明文。启动成功的标志有两个：终端打出● ONLINE和 Web UI 地址；第一次启动还会生成一个只显示一次的 admin 初始密码，先存下来，登录后第一时间改掉。

💡 浏览器提示"不受信任的证书"是自签证书的正常现象，信任一次即可；如果日志里出现client sent an HTTP request to an HTTPS server，说明你用 http:// 访问了只开 HTTPS 的端口，换成 https:// 就好。

工具层面，tools/ 目录预置了 100+ 个 YAML 配方，nmap、sqlmap、nikto、gobuster、ffuf、nuclei 这些常用的建议在 macOS 上用 Homebrew、在 Kali/Debian 上用 apt 提前装一批。没装全不影响启动——执行时未安装的工具会被自动跳过或改用替代方案，先把核心流程跑通再按需补齐。想接入自研工具也不用写代码：复制一个 YAML 改字段，系统热重载自动识别，不用重启。升级同理有兜底，./upgrade.sh会先备份config.yaml和data/，本地tools/、roles/、skills/目录始终保留，失败了能从.upgrade-backup/恢复。

给 AI 接上大脑：配置模型通道

部署完最高频的疑问不是"怎么扫"，而是"这玩意儿接的什么模型"——这套东西不自带大脑，得你自己接。

首次使用前必须配一个OpenAI 兼容的模型通道，两种方式任选：

• Web 界面：「系统设置 → AI 通道配置」填服务商、Base URL、API Key、模型名，左侧通道列表支持设为默认、复制、删除、批量探活；
• 直接编辑config.yaml，核心就ai.channels下几个字段：

ai: default_channel: openai-main channels: openai-main: provider: openai_compatible base_url: "https://api.openai.com/v1" # 或 api.deepseek.com/v1 api_key: "sk-your-key" model: "gpt-4o" # deepseek-chat、qwen3-max 均可

ai.default_channel是新对话的默认模型；对话页的会话设置里还能按需切到别的已保存通道。多个通道并存没问题，还能配故障切换——所以"想换模型怎么办"的答案就是：通道配置里新增一条、设为默认，或在会话设置里直接切。视觉能力也是从这儿接的：独立视觉模型负责分析截图、验证码和 UI 元素，对话上下文里只留文字摘要，省 token。

一句话丢过去，剩下的它自己干

配好通道，登录后的主界面其实就一个问题："你是谁？你有哪些工具？你能做什么？"

日常的主战场是Web 控制台：左边历史对话列表，右边对话窗口，底部输入框支持@唤起工具、Enter 发送、Shift+Enter 换行。

最"魔法"的部分在这：你说人话，系统替你翻译成工具调用。输入"对 192.168.1.1 做 80/443/22 重点扫描"，它自己规划端口范围、挑工具、执行、解读结果——省的不只是敲命令的时间，更是翻工具文档的时间。系统还内置了一批体验示例，直接照着输就能看到效果：

扫描 192.168.1.1 的开放端口 检查 https://example.com/page?id=1 是否存在 SQL 注入 枚举 https://example.com 的隐藏目录与组件漏洞

仪表盘是全局态势的总览屏：运行中任务数、漏洞总数与等级分布、工具调用次数与成功率、批量队列状态一屏看完，红色告警会直接引导你跳到漏洞或监控详情。

除了 Web，入口还能往手机上搬：个人微信、企业微信、钉钉、飞书、Telegram、Slack、Discord、QQ 机器人全覆盖，"帮助""列表""切换 68f8e8e6…""角色 渗透测试"这类自然语言命令在手机上就能干活；plugins/ 里还有 Burp Suite 插件（在 Burp 里直接看 AI 辅助结果）和浏览器扩展（DevTools 抓的流量转发给平台分析）。协议层面它原生支持MCP（Model Context Protocol），三种姿势：内置 HTTP MCP 服务器供 Web 界面使用、stdio 方式通过 cmd/mcp-stdio/ 暴露给 Cursor 等客户端、外部 MCP 联邦把 Burp 认证流量或内网扫描器挂进来统一调度。

一把目标塞进队列，回头来看结果就行

手头有十个目标要测，你不会想开十个对话窗口人肉轮询。

批量任务队列就是干这个的：多个目标一次提交，每个任务作为独立对话执行，拥有完整的状态流转（待处理/运行中/已完成/失败/已取消）和执行历史。队列支持整体控制（添加、开始执行、删除队列），也支持单条任务的执行、编辑与删除。

一个拿来即用的剧本——Web 应用安全评估：把一批待测 URL 塞进队列 → 统一选"Web 应用扫描"角色 → 一键启动 → 系统自动调度 nmap、nikto、sqlmap 等工具 → AI 汇总结果并自动提取漏洞 → 导出结构化报告与修复建议。全程你只出现两次：提交时和收报告时。

💡 批量任务默认走单代理以省 token；确需多代理执行时在配置里打开batch_use_multi_agent，成本会相应上升，按需取舍。

给 AI 穿上角色：通用模型变专家

同一个问题，问通用模型给的是万金油答案，换上对的角色才像专家在做。

这套东西内置 12+ 预定义角色，每个角色绑定特定的提示词和工具集：渗透测试专家面向全面评估、Web 应用扫描专注 Web 漏洞、API 安全测试专攻接口、二进制分析聚焦逆向利用、云安全审计侧重配置核查，另外还有容器安全、数字取证、CTF、后渗透等。

自定义角色不复杂：往 roles/ 目录丢一个 YAML（name / description / user_prompt / tools / enabled 几个字段），启动后自动加载，全程不碰代码。角色选对了，后面所有任务的"专家程度"就有了下限。

别让证据散掉：漏洞进档案，过程画成图

聊天记录里最不缺的就是"当时明明扫出来了，第二天没人找得到"。这套东西的解法是把证据沉淀成资产。

AI 会自动从对话里识别并提取结构化漏洞记录：描述、证据、影响分析、修复建议一个不少，按严重/高危/中危/低危/信息智能分级，状态走"打开 → 确认 → 已修复/误报"的流转，支持批量导出、批量删除，统计看板按等级分布实时刷新。导出的数据能直接对接你们现有的漏洞管理或工单系统，测试结果不再是"一次性消费"。

更进一步，AI 会解析每个对话，把目标、工具、漏洞之间的关系织成一张攻击链图：节点连线展示"从哪一步走到哪一步"，按严重度红/橙/黄/绿着色，支持交互式步骤回放，也能导出 PNG/SVG 或原始发现接入外部报告管道。配合项目事实黑板，跨会话保留关键结论与风险评分——一次测试横跨多天、多个会话，结论也不会丢。

应急响应是同一套逻辑的另一个剧本：volatility 做内存分析、strings 提取线索、radare2/ghidra 逆向恶意样本，然后基于日志与文件时间戳重建攻击时间线、评估业务影响、输出修复建议——整条链路依然是"说话"完成的。

最后让经验留下来：知识库基于RAG（向量检索），扫描 knowledge_base/ 目录下的 Markdown 自动切块、向量化，文件变更后增量重建索引；检索链路还组合了查询改写（MultiQuery）、精排（rerank）与结果后处理，比裸向量搜索高一个档次。config.yaml里knowledge.enabled: true配好 embedding 模型即可。把团队沉淀的测试方法、内网环境笔记、历史案例丢进去，AI 测试时是"参考经验"而不是"凭空发挥"。

让整个 AI 团队接活：从单代理到多代理

单代理对付简单扫描绰绰有余，但目标开始复杂时，你想要的是"有人管侦察、有人管利用、有人管收尾"。

基于 CloudWeGo Eino 框架，CyberStrikeAI 提供三种多代理编排模式：

代理定义全部是 agents/ 目录下的 Markdown 文件（YAML front matter 加正文系统提示词），orchestrator.md是深度模式协调器，其余是攻击面枚举、横向移动、权限提升等子代理。想调整某个子代理的行为，直接改对应文件，无需碰代码。

红队演练剧本在这一步闭环：amass、subfinder 子域枚举 → nuclei、wpscan 批量漏洞探测 → 让 AI 把发现串成利用路径 → 用内置 C2建命令控制通道（TCP 反向/HTTP 信标/WebSocket 多类型监听器，持久化会话 + 任务队列，SSE 实时事件，C2 操作以 MCP 工具形式暴露给 AI 调度）→ 模拟内网横向移动。前半段拿到立足点之后，WebShell 管理模块接上后半段：支持 PHP/ASP/ASPX/JSP 及自定义 Shell，连接管理、虚拟终端、文件管理器、数据库管理、AI 助手标签页齐备，"列出当前目录文件""读某配置"这类指令直接说给 AI，由它转成对 Shell 的操作。

⚠️ WebShell 与 C2 属于攻击能力，仅限自有系统或已获得明确授权的测试环境使用，动手前务必读一遍 docs/zh-CN/ 里的安全模型与安全加固文档。

放权但不失控：审批、权限与审计

AI 自主性越强，越要提前回答三个问题：谁审批？谁能看什么？事后怎么查？

• HITL（人机协同）：侧边栏配审批模式与工具白名单，hitl.tool_whitelist定义全局免审批工具；审批方可以是人，也可以是审计 Agent——用独立小模型审查每次工具调用的参数与影响，规则精髓是绝大多数渗透操作（注入、上传、getshell 探测）放行，只有会破坏业务可用性、造成数据不可逆损坏的操作才拒绝；
• RBAC：多用户、系统角色与自定义角色、权限 Scope、资源归属和显式授权，团队里谁负责 Web 扫描、谁负责二进制分析，边界清清楚楚；
• 审计日志：对话内容、工具调用存 SQLite，用户操作、工具执行、系统变更全程留痕，保留策略可配置，支持 CSV 导出对接合规审查。

🚀 今天就能做的第一步：

git clone https://gitcode.com/GitHub_Trending/cy/CyberStrikeAI && cd CyberStrikeAI && ./run.sh

等● ONLINE出现、保存好一次性 admin 密码、配好模型通道，然后用一句无害指令做第一次对话："扫描 127.0.0.1 的开放端口"。跑通之后，再慢慢解锁角色切换、批量队列和多代理模式。记住一个前提：一切测试只针对自有系统或已获得明确授权的目标，并遵守当地法律法规与道德准则——从第一句自然语言指令开始，你的安全测试工作流值得被重新定义一次。

【免费下载链接】CyberStrikeAIThe system of action for AI-native cybersecurity—where intent becomes governed execution, evidence becomes operational memory, and every operation improves the next.项目地址: https://gitcode.com/GitHub_Trending/cy/CyberStrikeAI