30 分钟把 100 安全工具拧成一个智能体CyberStrikeAI 实战手记【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凌晨两点CTF 赛题还剩最后一道 pwn。你手上摆着 nmap、pwntools、gdb、one_gadget 四套工具却在来回切换的缝隙里耗掉了大半晚——这正是很多测试员的日常。CyberStrikeAI 想消掉的就是这份内耗它把 100 安全工具、MCP 生态与智能体编排收进同一个可审计工作空间让一句话需求直接变成受控执行再让每次行动沉淀为下一次行动的参考。下面我沿着一场授权测试的完整流程带你从零把它跑起来。一条命令先让测试中枢跑起来手动串联工具链的痛苦在安装平台时不该再体验一遍。CyberStrikeAI 把部署收敛成一条命令前提只有两个Go 1.21 与 Python 3.10。git clone https://gitcode.com/GitHub_Trending/cy/CyberStrikeAI cd CyberStrikeAI chmod x run.sh ./run.shrun.sh会自动校验环境、创建 Python 虚拟环境、安装依赖并编译 Go 服务端默认以 HTTPS 自签证书启动浏览器提示不受信任属正常现象也可用./run.sh --http走明文。启动后访问https://localhost:8080用控制台打印的初始密码登录再在系统设置里改掉它。✅登录后看到的第一眼是一个把所有子系统串起来的控制台对话、工具、任务、WebShell、资产管理各就各位。AI 原生平台的体验从这里正式开场——你不需要先背下每个工具的 CLI 参数。Web 控制台是进入平台的第一站自然语言指令在这里变成真实的工具调用。两处配置决定你的测试体验平台能跑起来只是起点AI 的表现取决于两处关键配置。AI 通道给智能体装上大脑对话驱动的核心是模型通道。把config.example.yaml复制为config.yaml在ai.channels下填写任意 OpenAI 兼容接口OpenAI、DeepSeek、通义等均可用ai: default_channel: my-model channels: my-model: provider: openai_compatible base_url: https://api.openai.com/v1 api_key: sk-xxx model: gpt-4o支持多通道并存与一键切换每个通道可独立配置 token 上限与推理强度reasoning.mode让规划类模型与执行类模型各司其职。角色让 AI 带着任务模板开工第二处是roles/目录下的角色 YAML。每个角色封装了提示词、工具集与启用状态例如roles/CTF.yaml直接把 AI 设定为CTF 竞赛专家自动挂载解题思维与对应工具。切换角色等于切换一整套解题策略而不只是换一句开场白。在角色管理里为 CTF、渗透测试、云安全等场景分别维护专属工具集。从一句话到一份攻击链三次实战演练配置就绪后真正的测试开始了。演练一信息收集一句话化。在对话里输入对 192.168.1.10 做全端口扫描识别服务版本平台会自动挑选 nmap 并组织参数把结果整理成可读报告——省去记忆-sV -p-这类细节的功夫。演练二漏洞利用与攻击链串联。输入分析目标站点的 SQL 注入点并尝试读取数据库版本AI 会依次执行探测、构造 payload、提取数据并把每一步记录成节点生成可导出的攻击链图。这不只是一份结果更是一条可复盘的路径。攻击链图把单次漏洞利用串成完整路径支持筛选与导出复盘报告随手可得。演练三批量任务排队执行。复杂题目常需要先枚举子域再逐域扫目录最后测登录页。把这三个步骤建成批量任务队列交给后台按序执行期间你可以去分析上一轮结果而不是守在终端前盯进度。批量任务把多步骤流程做成可复用队列测试中途随时暂停、续跑或删除。再进一步把它变成你的测试队友熟悉基础用法后有两个进阶能力值得挖掘。一是MCP 联邦。项目自带 MCP 客户端与服务端实现可接入 HTTP、stdio、SSE 以及外部 MCP 服务器mcp-servers/里就有现成的 reverse_shell、pent_claude_agent 示例还能把 Burp Suite、浏览器插件挂进生态让工具集跟着你的需求自然生长。二是人机协同HITL审批。高危操作默认交给人工或审计 Agent 把关config.yaml的hitl.tool_whitelist可对 read_file、glob 等只读工具免审批各类渗透 payload 则按规则放行——既保留 AI 的进攻性又守住可审计、可干预的底线。写在最后从一条命令部署到一句话发起测试再到一份可导出的攻击链CyberStrikeAI 把工具链的杂活交给了系统把判断与决策留给了你。它的文档体系同样完整部署细节看 docs/zh-CN/deployment.md配置画像参考 docs/zh-CN/configuration-profiles.md涉及安全边界务必先读 docs/zh-CN/security-model.md。现在就去 clone 仓库把它跑起来让下一次测试从记参数变成下指令。免责声明CyberStrikeAI 仅用于教育、研究及已获得明确授权的安全测试。请勿对未授权目标执行任何扫描或利用操作使用者须自行承担相关法律责任。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 30 分钟把 100+ 安全工具拧成一个智能体：CyberStrikeAI 实战手记
30 分钟把 100 安全工具拧成一个智能体CyberStrikeAI 实战手记【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凌晨两点CTF 赛题还剩最后一道 pwn。你手上摆着 nmap、pwntools、gdb、one_gadget 四套工具却在来回切换的缝隙里耗掉了大半晚——这正是很多测试员的日常。CyberStrikeAI 想消掉的就是这份内耗它把 100 安全工具、MCP 生态与智能体编排收进同一个可审计工作空间让一句话需求直接变成受控执行再让每次行动沉淀为下一次行动的参考。下面我沿着一场授权测试的完整流程带你从零把它跑起来。一条命令先让测试中枢跑起来手动串联工具链的痛苦在安装平台时不该再体验一遍。CyberStrikeAI 把部署收敛成一条命令前提只有两个Go 1.21 与 Python 3.10。git clone https://gitcode.com/GitHub_Trending/cy/CyberStrikeAI cd CyberStrikeAI chmod x run.sh ./run.shrun.sh会自动校验环境、创建 Python 虚拟环境、安装依赖并编译 Go 服务端默认以 HTTPS 自签证书启动浏览器提示不受信任属正常现象也可用./run.sh --http走明文。启动后访问https://localhost:8080用控制台打印的初始密码登录再在系统设置里改掉它。✅登录后看到的第一眼是一个把所有子系统串起来的控制台对话、工具、任务、WebShell、资产管理各就各位。AI 原生平台的体验从这里正式开场——你不需要先背下每个工具的 CLI 参数。Web 控制台是进入平台的第一站自然语言指令在这里变成真实的工具调用。两处配置决定你的测试体验平台能跑起来只是起点AI 的表现取决于两处关键配置。AI 通道给智能体装上大脑对话驱动的核心是模型通道。把config.example.yaml复制为config.yaml在ai.channels下填写任意 OpenAI 兼容接口OpenAI、DeepSeek、通义等均可用ai: default_channel: my-model channels: my-model: provider: openai_compatible base_url: https://api.openai.com/v1 api_key: sk-xxx model: gpt-4o支持多通道并存与一键切换每个通道可独立配置 token 上限与推理强度reasoning.mode让规划类模型与执行类模型各司其职。角色让 AI 带着任务模板开工第二处是roles/目录下的角色 YAML。每个角色封装了提示词、工具集与启用状态例如roles/CTF.yaml直接把 AI 设定为CTF 竞赛专家自动挂载解题思维与对应工具。切换角色等于切换一整套解题策略而不只是换一句开场白。在角色管理里为 CTF、渗透测试、云安全等场景分别维护专属工具集。从一句话到一份攻击链三次实战演练配置就绪后真正的测试开始了。演练一信息收集一句话化。在对话里输入对 192.168.1.10 做全端口扫描识别服务版本平台会自动挑选 nmap 并组织参数把结果整理成可读报告——省去记忆-sV -p-这类细节的功夫。演练二漏洞利用与攻击链串联。输入分析目标站点的 SQL 注入点并尝试读取数据库版本AI 会依次执行探测、构造 payload、提取数据并把每一步记录成节点生成可导出的攻击链图。这不只是一份结果更是一条可复盘的路径。攻击链图把单次漏洞利用串成完整路径支持筛选与导出复盘报告随手可得。演练三批量任务排队执行。复杂题目常需要先枚举子域再逐域扫目录最后测登录页。把这三个步骤建成批量任务队列交给后台按序执行期间你可以去分析上一轮结果而不是守在终端前盯进度。批量任务把多步骤流程做成可复用队列测试中途随时暂停、续跑或删除。再进一步把它变成你的测试队友熟悉基础用法后有两个进阶能力值得挖掘。一是MCP 联邦。项目自带 MCP 客户端与服务端实现可接入 HTTP、stdio、SSE 以及外部 MCP 服务器mcp-servers/里就有现成的 reverse_shell、pent_claude_agent 示例还能把 Burp Suite、浏览器插件挂进生态让工具集跟着你的需求自然生长。二是人机协同HITL审批。高危操作默认交给人工或审计 Agent 把关config.yaml的hitl.tool_whitelist可对 read_file、glob 等只读工具免审批各类渗透 payload 则按规则放行——既保留 AI 的进攻性又守住可审计、可干预的底线。写在最后从一条命令部署到一句话发起测试再到一份可导出的攻击链CyberStrikeAI 把工具链的杂活交给了系统把判断与决策留给了你。它的文档体系同样完整部署细节看 docs/zh-CN/deployment.md配置画像参考 docs/zh-CN/configuration-profiles.md涉及安全边界务必先读 docs/zh-CN/security-model.md。现在就去 clone 仓库把它跑起来让下一次测试从记参数变成下指令。免责声明CyberStrikeAI 仅用于教育、研究及已获得明确授权的安全测试。请勿对未授权目标执行任何扫描或利用操作使用者须自行承担相关法律责任。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考