CyberStrikeAI：3分钟上手的AI安全测试工具完整指南

CyberStrikeAI：3分钟上手的AI安全测试工具完整指南

【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

CyberStrikeAI 是一个用 Go 编写的 AI 原生安全测试平台：你用自然语言下达测试意图，它调用 100+ 安全工具执行、留痕，并自动沉淀出漏洞记录和攻击链分析。一句话概括它的价值——把"意图 → 受控执行 → 证据 → 复盘"放进同一个可审计的工作区。如果你正在做安全运营或授权渗透测试，这篇文章会带你从零装到跑完第一个完整任务，再讲透几个值得深挖的能力。

🚀 3分钟完成首次部署与配置

环境要求只有两项：Go 1.25+ 和 Python 3.10+。克隆仓库后直接运行自带脚本，它会顺路完成环境检查、依赖安装和编译：

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

终端出现● ONLINE和访问地址即部署完成。默认启用本地自签 TLS，浏览器警告接受一次即可；首次启动会在控制台打印一次性admin初始口令，登录后建议立即修改。

必须完成的配置只有一项——AI 通道。可在网页的「系统设置 → 基础设置 → AI 通道配置」中填写，也可直接编辑config.yaml（支持任意 OpenAI 兼容端点）：

ai: default_channel: openai-main channels: openai-main: provider: openai_compatible base_url: "https://api.deepseek.com/v1"

安全工具按需安装即可，缺失的会在运行时自动跳过，不阻塞流程：

sudo apt install -y nmap masscan sqlmap nikto gobuster ffuf nuclei subfinder

更多字段说明见 docs/ 下的部署与配置文档。登录之后，就可以用一条真实任务验证整条链路了。

🧪 跑一个真实任务：从扫描到报告

在 Web 控制台的「任务管理」里新建任务，角色选内置的「渗透测试」，指令用一句自然语言：

扫描 192.168.1.100 的开放端口，重点 80、443、22，并识别服务版本

任务队列：新建任务、选择角色、跟踪执行状态

接下来观察它的三段式演进。任务状态从待处理推进到运行中、已完成，全程可在队列里跟踪；每条任务都是一个独立对话，工具调用的参数、原始输出、模型的分析结论都留在对话中，方便复核取证。

结果不会停在原始输出上。系统会从对话里自动抽取漏洞，按严重/高危/中危/低危/信息五级归类，每条记录附带描述、证据、影响分析和修复建议；你负责推进它的生命周期——打开、确认、已修复或标记误报，统计和趋势报表随之实时生成。

漏洞记录自动分级，支持生命周期跟踪与统计导出

使用边界：请仅在你拥有或取得书面授权的目标上运行本工具，并遵守所在地法律法规。启用 C2、WebShell 等高危能力前，建议先阅读 docs/en-US/security-model.md 的安全模型。授权之外的使用，责任由操作者自行承担。

任务流程只是入门姿势。真正让 CyberStrikeAI 区别于"会调 nmap 的聊天框"的，是下面四个平时单任务里看不太见的部分。

🎯 核心能力聚焦：四个差异化设计

攻击链：把"怎么打进去"变成可回放的图

系统会解析每个对话，自动构建目标、工具、漏洞之间的关系图，并对节点做严重度评分。你得到的不是日志文本，而是一张可以逐步回放的攻击路径——红队复盘、跨会话项目跟踪时尤其有用，还支持导出"严重度不低于高危"的节点列表给外部报告管道。

攻击链图：目标、工具与漏洞的关联及步骤回放

工具配方：一个 YAML 包装任意命令

内置的 100+ 工具全部以 YAML 配方定义，tools/ 目录就是它的说明书。想接入自研脚本，复制一份现有文件改三处即可被识别：

name: "my-scan" command: "my-scan" parameters: - name: "target" type: "string" position: 0

参数名、flag、位置都在 YAML 里声明，模型按此拼装命令，不需要改代码。

角色与技能：把"专家经验"固化成配置

内置 12+ 预定义角色，每个角色 = 一段提示词 + 一份工具白名单，相当于把不同岗位的方法论打包。新建角色只需在 roles/ 放一个 YAML。技能系统（20+ 技能包）则让模型在多代理会话中按需加载细分知识，比如 SQL 注入手法、后渗透 playbook，而不是一股脑塞进上下文。

角色管理：预定义角色、自定义角色与工具策略

知识库：把文档变成可检索的测试经验

把 Markdown 放进knowledge_base/目录即自动索引，检索链路包含查询改写、向量召回、重排和结果后处理。你的历史报告、内部 SOP 从此能被模型在测试中直接引用。

知识库：Markdown 自动索引与向量检索

以上都够用之后，再往下看扩展面——多代理、MCP 和插件，都是"点到能用"的程度。

🧩 进阶玩法：多代理、MCP 与插件

多代理协作提供三种编排模式：深度模式（协调器 + 任务子代理）、计划执行模式（规划/执行/重规划循环）、监督模式（监督员分配任务），定义集中在agents/目录的 16 个 Markdown 文件里，改提示词即改行为。

MCP 协议有四种接法：内置 HTTP MCP 服务、cmd/mcp-stdio暴露给 Cursor 等本地工具、外部 HTTP/Stdio/SSE 三种传输的联邦接入，以及动态工具发现。长耗时工具调用跑在独立 worker 里，支持断点续轮询、取消和按服务器熔断，不会因为一个慢工具卡死整个会话。

MCP 管理：外部服务器联邦接入与授权

插件方面，Burp Suite 扩展和浏览器扩展都在plugins/目录，前者把代理流量送进平台做 AI 辅助分析，后者从 DevTools 直接捕获 Network 流量。移动端接入了钉钉、飞书、企业微信、Telegram 等 8 种机器人渠道，用一条消息就能切换对话和角色。C2 与 WebShell 属于授权环境下的高危能力，前者提供 TCP/HTTP/WebSocket 监听器、加密信标与任务队列，后者支持 PHP/ASP/JSP 等类型的虚拟终端，按需启用。

日常维护基本无感：仓库提供一键升级脚本，自动备份配置与数据，本地的tools/、roles/、skills/会保留。

🧭 场景速查：三个即拿即用的组合

批量目标评估——痛点是几十个域名逐个扫太慢。做法：批量任务队列一次提交，每个目标独立对话、独立状态，配「Web应用扫描」角色。效果：跑完直接得到按严重度汇总的漏洞报表，而不是几十份散装日志。

API 专项测试——痛点是通用扫描覆盖不到参数级问题。做法：切到「API安全测试」角色，工具面收窄到 arjun、graphql-scanner 这类针对性工具。效果：发现集中在接口行为本身，噪音显著下降。

应急研判——痛点是主机事件线索分散、时间线靠手工拼。做法：让模型编排 strings、volatility、radare2 做取证，用时间戳重建攻击时间线。效果：拿到一份带影响评估和修复建议的结构化结论，可直接进汇报。

🧑 它适合谁，以及你的下一步

CyberStrikeAI 的定位很明确：不是玩具化的"AI 跑 nmap"，而是把规划、执行、人工审批、证据留存和复盘串成一条受治理的流水线，且每一环都用 Go 原生实现、可审计。如果你是有授权测试需求的安全工程师、想搭建自动化评估流水线的团队，或研究多代理安全编排的开发者，它都值得花一下午搭起来跑一轮。最短路径就是开头那三条命令——部署完成后，先拿你自己的一台测试机跑完「跑一个真实任务」那一节，你会对它的证据留存方式有更具体的感觉。

【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