安全测试还在靠人手敲命令CyberStrikeAI 把渗透过程变成了 AI 的受控执行【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如果你做过安全测试大概率经历过这样的夜晚先手动敲一轮 nmap把结果复制到另一个窗口跑目录爆破再对着扫描输出翻半天判断哪个端口值得跟进最后把这些发现整理成一份漏洞清单。CyberStrikeAI 想解决的问题正是这套流程里最消耗人的部分——它是一个 AI 原生的安全测试平台把规划、工具执行、人工审批、证据留存串进同一个可审计的工作空间让想法直接变成已经跑完的测试步骤。它不是又一个命令聚合器而是一套意图执行系统你用自然语言描述目标它调用真实的扫描与利用工具把结果沉淀成漏洞、资产和攻击链并在关键动作前留给人工把关的余地。下面按一个普通安全工程师的上手路径讲讲它到底怎么用、能帮你省下多少重复劳动。先回答一个现实问题AI 做渗透能信得过吗这是几乎所有安全从业者的第一反应。AI 能不能理解攻击面会不会乱跑工具跑出结果谁来负责CyberStrikeAI 的答案是不追求 AI 全自动接管而是让它做受治理的执行。平台用 Go 构建核心是把每个自然语言指令翻译成受控、可审计的安全行动——每一步工具调用都有记录高风险操作可以被拦下来等人工确认权限通过 RBAC 收敛到具体用户和角色。你可以把它理解成一个会干活但需要签字的实习生活儿它干账它记敏感动作你来拍板。这套思路体现在它的三层设计里Agent 层负责理解目标、拆解步骤、选择工具支持单代理和多种多代理协作模式MCP 工具层把 100 个安全工具nmap、sqlmap、nuclei、metasploit……包装成标准工具接口AI 通过统一协议调用治理层人机协同审批HITL、审计日志、SQLite 持久化让每一次执行都有据可查。换句话说你担心的问题它用流程而非承诺来回答。一条命令起服务第一次启动就完成的事部署环节没有门槛。项目根目录提供了run.sh一键脚本自动完成环境检查、Python 虚拟环境创建、依赖安装、编译和启动git clone https://gitcode.com/GitHub_Trending/cy/CyberStrikeAI cd CyberStrikeAI chmod x run.sh ./run.sh前提是你的机器上有 GoREADME 要求 1.25以 go.mod 为准和 Python 3.10。脚本默认以 HTTPS 启动使用本地自签证书首次访问浏览器提示一次即可需要明文 HTTP 就加--http参数。启动后终端会显示● ONLINE和 Web 地址还有一串只出现一次的admin初始密码——记得保存并尽快修改。首次使用前要做两件事在系统设置 → AI 通道配置里填一个 OpenAI 兼容的 API 通道DeepSeek、通义千问、OpenAI 都行以及按需安装目标系统上的安全工具。没装的工具不会被硬卡住执行时会自动跳过或换替代方案。第一句人话就是一次完整扫描平台登录后你面对的是一个普通聊天窗口。试着输入扫描 192.168.1.1 的开放端口这背后发生的事情是平台把这句话拆解成 Agent 的任务选择 nmap 工具、决定参数、执行、解析输出、汇报结果。如果你进一步说对 192.168.1.1 做 80/443/22 重点扫描它会直接调整参数重跑一轮而不是让你手动换命令。这种说人话就能干活的模式延伸到整个测试生命周期检查 https://example.com/page?id1 是否存在 SQL 注入、枚举 example.com 的子域并批量执行 nuclei每一条都是一次可追踪的任务。批量任务队列还支持一次提交多个目标排队执行状态实时可见适合做定时或周期性的安全评估。从单打独斗到多代理协战单代理适合目标明确的小任务但真实的渗透流程往往需要分工侦察、漏洞分析、利用、报告是不同性质的工作。CyberStrikeAI 基于 CloudWeGo Eino 框架实现了三种多代理协作模式在对话里可以随时切换Deep深度模式一个协调器把任务拆给多个子代理并行推进适合流程较长的完整安全测试Plan-Execute计划执行模式规划 → 执行 → 根据结果重新规划适合目标清晰、需要逐步逼近的场景Supervisor监督模式由监督员按需把任务分派给专家子代理适合多个专业方向轮番上场的路由场景。子代理的定义不是写死在代码里而是放在agents/目录的 Markdown 文件中你可以新增一个负责 XX 方向的子代理——配置方式见docs/zh-CN/MULTI_AGENT_EINO.md界面上的 Agent 管理页也支持直接增删改。扫描结束只是开始漏洞、资产、攻击链如何沉淀很多工具跑到输出一堆结果就结束了但安全测试的真正价值在于把这些散落的发现变成可追踪、可复用的资产。CyberStrikeAI 有三件套漏洞管理会自动从对话中提取漏洞信息按严重程度分级支持打开/确认/已修复/误报等状态流转并生成统计看板——方便你在报告里直接引用也方便后续跟踪修复进度。资产与攻击链更进一步平台把跨会话的事实域名、IP、端口、服务、漏洞关联起来自动构建攻击链图并给出基于影响的严重度评分。你可以在图上回放每一步测试步骤也可以只导出风险等级较高的节点交给报告管道。对复盘和汇报来说这比翻几十页原始日志高效得多。知识库则承担越用越聪明的部分把knowledge_base/目录下的 Markdown 文档自动索引通过向量检索让 Agent 在测试中按需查询。团队把历史测试方法、特定系统的注意事项写进去平台就能在后续对话中调用这些经验。危险动作前永远有一道人工闸门AI 执行工具天然让人紧张它会不会把扫描变成攻击、把探测变成破坏CyberStrikeAI 用两层机制兜底。第一层是人机协同HITL。你可以设置审批模式把工具列入白名单或黑名单敏感操作执行前会在审批队列里等人工确认甚至可以配置一个独立的审计 Agent来做初筛它负责判断某个工具调用是否会造成实质性破坏只有高风险动作才升级给你。第二层是权限与审计。平台内置完整的 RBAC 权限模型支持多用户、自定义角色和资源归属所有对话和工具调用都记录在 SQLite 中支持审计日志查询和 CSV 导出。配合docs/zh-CN/security-model.md和docs/zh-CN/security-hardening.md里的加固建议可以在生产环境里把使用边界约束得很清楚。让它更懂你的战场工具、角色、技能、MCP 四方扩展平台默认预置了 100 个 YAML 工具配方tools/目录覆盖扫描、爆破、逆向、取证、云安全等完整链条。想加自己的工具复制一个现有 YAML 改改命令和参数即可热加载生效。角色解决不同人做不同事的问题。roles/目录里有 12 个预设角色渗透测试、Web 应用扫描、二进制分析、云安全审计等每个角色绑定特定的提示词和工具集。你也可以写一个自己的角色 YAML——描述、图标、工具列表两三分钟就能生成一个专属安全助手。**技能包Skills**采用标准 Skill 目录结构多代理会话中模型通过skill工具按需加载。skills/下已有 20 个方向覆盖 SQL 注入、XSS、API 安全等领域可以理解为给 AI 准备的专项操作手册。MCP 集成则是生态层的开放性平台既是 MCP 服务器支持 HTTP、stdio、SSE 三种方式也能作为客户端接入外部 MCP 联邦——比如mcp-servers/目录里就带了反向 Shell 和 Claude 代理示例。你甚至可以把 Burp Suite 的流量通过插件转发进来做认证流量回放详见docs/zh-CN/mcp-federation.md。离开电脑也能指挥测试机器人接入平台还支持把对话能力搬到手机上。通过个人微信、企业微信、钉钉、飞书、Telegram 等机器人渠道接入后你可以在移动端完成列表看对话、切换会话、角色换角色、新对话开新任务等操作。配置入口在系统设置 → 机器人设置对应config.yaml里的robots段。通勤路上收到一条高危告警掏出手机跟进一下这种体验对需要随时响应的人很实用。谁适合用它以及一句必须说的提醒如果你属于下面任一类人群CyberStrikeAI 大概率值得一试安全测试从业者想把重复的扫描、整理、报告工作交给 AI自己专注在判断和利用上红队与攻防演练团队需要多代理协作、攻击链可视化和可复现的执行过程企业安全团队需要把测试流程、知识沉淀和权限治理统一起来的平台安全学习者想观察 AI 如何一步步完成一次完整的授权测试。最后是必须认真对待的合规提醒CyberStrikeAI 是专业安全测试平台仅限用于自有系统或已获得明确书面授权的目标。使用前请阅读项目中的安全模型与安全加固文档遵守适用法律法规任何未经授权的使用责任自负。它的所有强大能力都应该在授权这个前提下发挥作用。下一步动手跑一次./run.sh用一条中文指令完成第一轮端口扫描然后试着创建第一个项目、记录第一条漏洞、看一眼自动生成的攻击链——你会直观感受到意图变成受治理执行是什么体验。完整的配置参考、API 文档和排错指南都在项目的docs/zh-CN/目录里。【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