CyberStrikeAI 实战教程：从一句自然语言到漏洞闭环的 AI 渗透测试平台完整上手指南

【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

凌晨两点，甲方把一份资产清单甩给你：五个域名、二十个内网 IP，周末之前要出渗透报告。你打开终端，nmap 刚扫完端口，sqlmap 的 payload 还没敲对，gobuster 在后台跑着目录，nuclei 又报了一堆待复核的告警——十几个工具的窗口挤在屏幕上，每一条结论都还散落在聊天记录里，报告一个字没动。这种"工具装了一堆、却卡在哪都说不清"的崩溃，做过安全测试的人都体会过。而 CyberStrikeAI 正是为终结这种局面而生：它是一个 Go 写的 AI 原生安全测试平台，你只需用自然语言说出目标，它就替你拆解任务、挑选工具、执行命令、收集证据，最后沉淀成可追踪的漏洞记录与攻击链。这篇文章就带你从一条run.sh命令，跑到漏洞导出、攻击链成图的完整闭环。

它到底替你扛掉了什么

CyberStrikeAI 的定位可以用三句话说清：它是一支"会执行"的 AI 安全团队，把你的意图翻译成受治理的工具行动；它把规划、执行、审批、证据、复盘全部装进同一个可审计的工作空间；核心机制一句话概括——意图进，受控行动出，证据留下成为可复用的运营记忆。下面这张仪表盘就是它的全局视角：

最小路径跑通：一条命令起服务

说人话就是——先别管那些花活，把服务跑起来、能用上嘴跟它说话，才算入门。

环境要求很简单，两个依赖：

然后把安装交给脚本：

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

run.sh会自动校验环境、建 Python 虚拟环境、装依赖、拉 Go 模块、编译并启动服务。它默认走 HTTPS + 本机自签证书（流式场景更稳），只想本地快速体验就加--http走明文。

第一次成功的标志（记住这两点）：

1. 终端出现● ONLINE并打印出 Web UI 地址（默认https://127.0.0.1:8080/）；
2. 首次安装会在ADMIN SETUP REQUIRED下给出一个只显示一次的admin初始密码——先存下来，登录后立刻改。

💡 经验提示：浏览器报"不受信任的证书"是自签证书的正常现象，手动信任一次即可；若日志刷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。

服务起来后先做一件事：进入「系统设置 → 基本设置 → AI 通道配置」，填一个 OpenAI 兼容通道（服务商、Base URL、API Key、模型名），保存。没有这一步，后面所有对话都无从谈起。工具没装全不影响启动，未安装的工具执行时会自动跳过或换替代方案，先把主链路跑通即可。

主线任务：从一句话到漏洞闭环

接下来是核心篇幅。我不按功能清单给你念菜单，而是拆成五个你真正要完成的任务，每个任务都按"解决什么麻烦 → 怎么操作 → 你会看到什么 → 一句经验提示"走。

任务一：用一句话发起第一次扫描

解决什么麻烦：不用背 nmap 参数，直接说人话。

怎么操作：打开 Web 控制台，在对话窗口直接输入：

对 192.168.1.1 做 80/443/22 重点扫描

你会看到什么：左侧是对话列表，右侧 AI 会自己规划端口、选中工具、执行并把结果解读成结论，而不是甩给你一屏原始输出。

💡 经验提示：底部输入框支持@唤起工具、Enter 发送、Shift+Enter 换行。系统预置了体验示例，直接照着输就能看到效果，比如"检查某 URL 是否存在 SQL 注入""枚举隐藏目录与组件漏洞"。

任务二：把一批目标丢进队列自动排期

解决什么麻烦：手头有十几个 URL 要测，逐个对话不现实。

怎么操作：打开批量任务队列，把多个目标一次性添加进去，每条任务作为独立对话执行，拥有完整状态流转（待处理 / 运行中 / 已完成 / 失败 / 已取消）。统一给队列选一个角色，点开始，之后只管回来看结果，支持单条执行、编辑、删除。

💡 经验提示：批量队列默认走单代理，最省 token；想让批量任务也上多代理编排，需要在配置里打开batch_use_multi_agent，成本会相应上升，按需取舍。

任务三：给 AI 换一个"专家身份"

解决什么麻烦：同一个平台，测 Web 和测二进制，思路完全不同，角色化测试就是让 AI 按场景换大脑。

怎么操作：进入角色管理，内置 12+ 预定义角色（渗透测试、Web 应用扫描、API 安全、二进制分析、云安全审计……），每个角色绑定专属提示词与工具集，直接选用即可。想加自定义角色，在roles/目录新增一个 YAML 文件，系统启动后自动加载，例如：

name: 自定义API安全测试 description: 专注于API安全测试的专家角色 user_prompt: 您是一名API安全专家，专注于检测API接口中的安全漏洞... icon: "🔐" tools: - api-fuzzer - arjun - graphql-scanner enabled: true

💡 经验提示：角色只决定"用什么提示词 + 能用哪些工具"，并不绕过权限与审批；想让某个角色更保守，直接收窄它的tools列表即可。

任务四：让发现进入漏洞生命周期，而不是停在聊天里

解决什么麻烦：漏洞散落在对话里，三天后谁也不知道修没修。

怎么操作：对话中 AI 会自动识别并提取漏洞，生成结构化记录——含描述、证据、影响分析、修复建议。每条记录按严重 / 高危 / 中危 / 低危 / 信息自动分级，走"打开 → 确认 → 已修复 / 误报"的状态流转，支持批量导出、批量删除，统计看板按等级分布与趋势实时刷新。

💡 经验提示：导出的结构化数据可直接对接你们现有的漏洞管理或工单系统，测试成果不再是一次性消费。

任务五：让一支 AI 团队并行干活

解决什么麻烦：单代理处理简单任务够用，但复杂目标需要分工协作。

怎么操作：基于 CloudWeGo Eino 框架，平台提供三种多代理编排模式，在对话里切换即可：

所有代理定义都是agents/目录下的 Markdown 文件：orchestrator.md（深度协调器）、orchestrator-plan-execute.md、orchestrator-supervisor.md，其余是各类子代理（侦察、攻击面枚举、横向移动、权限提升等）。每个文件由 YAML front matter（name / id / description / tools / bind_role）加正文系统提示词组成，想调某个子代理的行为，改文件就行，不碰代码。

💡 经验提示：多代理更耗 token，日常简单扫描用单代理足够；只有面对需要拆阶段的复杂目标时才切 Deep / Plan-Execute。

深入机制：为什么这么设计

光会点按钮不够，看懂下面三点，你才知道什么时候该信它、什么时候该干预。

攻击链：把"过程"变成一张图

它能做什么你已经看到了；关键是为什么。一次测试横跨多天、多个会话，如果证据只躺在各条对话里，复盘时你得人肉拼接"从哪一步走到哪一步"。CyberStrikeAI 的做法是让 AI 自动解析每个对话，把目标、工具、漏洞之间的关系织成一张攻击链图：节点按风险等级着色（红/橙/黄/绿），支持交互式回放每个环节，也能导出攻击链或只导出"风险 ≥ 高"的节点列表接入外部报告管道。配合项目事实黑板（跨会话关联事实、风险评分、图谱视图），关键结论不会丢。

设计动机一句话：证据不应是"一次性对话副产品"，而应成为可被检索、可被下游管道消费的运营资产。

知识库：让 AI 带着你的经验干活

同样是向量检索，CyberStrikeAI 没有停在"裸搜一把"。它扫描knowledge_base/下的 Markdown → 自动切块、向量化 → 按目录结构分类 → 文件变更后增量重建索引；检索链路再叠加查询改写（MultiQuery）、精排（rerank）与结果后处理，回答质量比单段向量搜索高一个档次。在config.yaml里打开：

knowledge: enabled: true base_path: knowledge_base embedding: provider: openai model: text-embedding-v4

把团队沉淀的测试方法、内网笔记、历史案例丢进去，AI 测试时就是"参考经验"而非"凭空发挥"。为什么值得做：向量检索的天花板是检索质量，而改写 + 精排 + 后处理这三段正是把"召回一堆相关"变成"命中那条最有用"的关键。

工具即 YAML：为什么新工具 = 新文件

平台预置 100+ 工具配方，全部是tools/下的 YAML，支持热重载。拿nmap.yaml举例，它把命令、默认参数、每个参数的位置/flag/模板都声明清楚了：

name: "nmap" command: "nmap" args: ["-sT", "-sV", "-sC"] enabled: true parameters: - name: "target" type: "string" position: 1 - name: "ports" type: "string" flag: "-p"

接入内部自研工具？复制一个 YAML 改字段即可，无需重启。为什么这么设计：把"工具能力"从 Go 代码里剥离成数据，安全团队扩工具就不用走研发排期，运营同学也能自己维护。MCP（Model Context Protocol，一种让 AI 统一调用外部工具的协议）则提供了另一条扩展路：内置 HTTP MCP 服务器、cmd/mcp-stdio暴露给 CLI 客户端、外部 MCP 联邦（HTTP / Stdio / SSE 三传输），能把 Burp 认证流量、内网扫描器等挂进来统一调度。

治理与边界：怎么让自动化不反噬你

自动化是双刃剑，CyberStrikeAI 用三层机制把它关进笼子，口吻是"放权但不失控"。

• 人机协同（HITL）：敏感操作可设审批门槛。侧边栏配置审批模式与工具白名单，config.yaml里的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——用一个独立小模型审查每次工具调用的参数与影响，按规则裁决放行还是拦截。它的精髓是：绝大多数非破坏性渗透操作放行，只有会破坏业务可用性或造成数据不可逆损坏的才拒绝。
• 调用拦截：在「安全防护」下用正则做执行前拦截（默认开政府域名保护），命中即不执行，并有独立的"已拦截"状态与统计。它比审批多一道"文本级"护栏。详见 调用拦截。
• 平台 RBAC + 审计：多用户、系统/自定义角色、权限 Scope、资源归属与显式授权，谁负责 Web、谁负责二进制，边界清楚。所有操作全程留痕，工具调用与系统变更都进 SQLite，保留策略可配置，支持 CSV 导出对接合规审查。

⚠️ WebShell、内置 C2 等高风险能力仅限自有系统或已获得明确授权的测试环境，使用前请先读 安全模型 与 安全加固指南。

实战剧本：三个可直接照抄的场景

剧本一：自动化 Web 应用安全评估

1. 把多个目标 URL 加入批量任务队列；
2. 队列统一选"Web 应用扫描"角色；
3. 启动执行，系统自动调度 nmap、nikto、sqlmap 等工具；
4. AI 汇总结果、自动提取漏洞并分级；
5. 批量导出结构化漏洞报告与修复建议，接入工单系统。

剧本二：红队演练与攻击链构建

1. 目标侦查：amass、subfinder 做子域枚举；
2. 漏洞探测：nuclei、wpscan 批量检测；
3. 攻击链构建：让 AI 把发现串成利用路径，导出"风险 ≥ 高"节点；
4. C2 部署：用内置框架建立命令控制通道；
5. 横向移动：模拟内网横向渗透过程。

剧本三：应急响应与事件调查

1. 证据收集：volatility 做内存分析、strings 提取线索；
2. 样本分析：radare2、ghidra 做二进制逆向；
3. 时间线重建：基于日志与文件时间戳还原攻击过程；
4. 影响评估：评估业务影响与数据泄露风险；
5. 修复建议：基于发现输出针对性处置方案。

避坑 FAQ

Q1：工具没装全，会影响使用吗？不会。未安装工具执行时自动跳过或换替代方案，先把核心流程跑通再按需补齐。常用工具可brew（macOS）或apt（Kali/Debian/Ubuntu）装 nmap、sqlmap、nikto、gobuster、nuclei 等，ffuf/subfinder等部分发行版没有的用go install补。

Q2：想换模型怎么办？在「系统设置 → AI 通道配置」新增通道并设为默认即可；也可在对话页会话设置里临时切换。支持多个 OpenAI 兼容通道并存，还能配故障切换通道。

Q3：升级会丢配置吗？优先用控制台「系统设置 → 一键更新」，或./upgrade.sh。它会自动备份config.yaml和data/，本地tools/、roles/、skills/、agents/始终保留不被覆盖。失败时 git 工作树用-update-rollback回滚，tarball 安装从.upgrade-backup/恢复。

Q4：生产环境怎么上 HTTPS？config.yaml里server.tls_cert_path/server.tls_key_path配正式证书即可；本地测试用自签证书就行。

Q5：跑久了会越来越慢吗？建议定期清理历史对话、只启用需要的工具、按服务器性能调并发参数。这些是常规运维项，详见 配置参考 与 运维 Runbooks。

今天就做一件事

安全测试的终极目标，是把精力放在"判断"而不是"执行"上。所以别只收藏这篇文章——今天就git clone下来跑一次./run.sh，用"扫描 127.0.0.1 的开放端口"这类无害指令做第一次对话，再逐步试角色切换、批量任务和多代理编排。记住一个前提：一切测试只针对自有系统或已获明确授权的目标，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