StrikeAgent × 夜安团队 SEC
StrikeAgent_AtkBrain-Flash
此项目由夜安团队开发，旨在探索 AI 渗透方面的能力，希望做点有自己思想的东西而不是Ai千篇一律随便搞出来的
项目整体看似简单，实则经过多轮实战测试，倾注了团队大量心血。细节设计更是数不胜数：单单“不打歪又能获得更大攻击面”这一点，就让团队煞费苦心（Flash 版）。此外，为了避免 AI 给出的漏洞存在夸大或误报的情况，团队特别设计了红队二次评级和二次验证，让漏洞所见即所得、拿着就能用，等等这些小细节。
团队自用的Pro版本更是已经落地几十个项目超千个外网真实授权环境，所有努力只聚焦外网打点。专注于一点登峰造极
架构
控制台调度猎面；攻击图驱动自循环；监督只在轮次边界出方案；收工把可迁移手法蒸馏进记忆库，回灌下一局。
产品页面展示
新建项目：单目标 / 集群，红队（getshell）或 CTF。
控制台：攻击图、时间线、漏洞、对话。
内网横向：橙线为 RCE 路径，紫实线为已控跨主机，紫虚线为跳板可达。
交付报告
此报告为一次真实的授权业务场景
交付报告：打开 HTML
关键攻击路径：
资产画像：
排行榜
Cybench 官方认证榜单第 3 名（deepseek-v4-flash，84.13 / 100）。
环境与安装说明
Agent 部署提示词
把下面整段连同源代码交给任意能跑本机命令的 AI。它应按原文部署，不要改 skill 绑定方式、不要把路径写死成别人的机器。
你要在本机把 StrikeAgent_AtkBrain-Flash 从当前源代码部署到可打开控制台。目标系统是 Kali Linux（Debian 系、systemd、能 sudo）。不要用 Docker 当主路径。不要把仓库里的猎面 skill 装进 ~/.claude。不要把任何路径写死成 /home/kali/桌面/... 或其它克隆者机器上的目录。
一、目录与进程纪律
- 仓库根记为 REPO（含 backend/、frontend/、scripts/、.claude/、tools/）。
- 后端 :5003，前端 :5001。不要在临时 shell 里再起 python3 -m atkbrain.main 或 npm run dev，会和 systemd 抢端口。
- 后端解释器必须是 /usr/bin/python3（3.12+），包装到系统 Python，不要只装进 venv 却让 unit 跑系统 python。
- 数据、库、工作区、密钥只写 backend/data/（已 gitignore）。不要提交 .env、*.db、workspaces、loot、atkbrain-claude.env。
- 启动/重启只用：sudo scripts/atkbrain-up.sh（首次）、sudo scripts/atkbrain-backend.sh restart、sudo scripts/atkbrain-frontend.sh restart。unit 名是 atkbrain-flash-backend.service / atkbrain-flash-frontend.service。
二、依赖
- sudo apt 安装 python3 python3-pip python3-dev build-essential nodejs npm curl；导出 PDF 再装 libcairo2 libpango-1.0-0 libpangocairo-1.0-0 libgdk-pixbuf-2.0-0 libffi-dev shared-mime-info。
- pip：sudo /usr/bin/python3 -m pip install -r backend/requirements.txt --break-system-packages
- 前端：cd frontend && npm install（atkbrain-up.sh 前必须有 frontend/node_modules）
- 全局安装 Claude Code：sudo npm install -g @anthropic-ai/claude-code；本机 claude 能跑（已登录，或 ANTHROPIC_AUTH_TOKEN / ANTHROPIC_API_KEY，可选 ANTHROPIC_BASE_URL）。
- 把当前 shell 里的 ANTHROPIC_* / CLAUDE_* / ATKBRAIN_* 准备好后再 sudo scripts/atkbrain-up.sh。脚本会把密钥快照到 backend/data/atkbrain-claude.env（权限 600）。systemd 的 PATH 里要有 claude。
三、Skill / 工具路径（最容易部署错）
猎面 Claude 的 cwd 是 backend/data/workspaces/<项目id>/，不是仓库根。Skill 和本仓库绑定，不是用户全局环境。
- 源文件：REPO/.claude/skills/kali-kit、recon-fanout、recon-spiral。只进 git，不要复制到 ~/.claude，不要改 Claude Code 用户级 settings。
- 运行时：会话启动会把本赛道 skill 拷到该猎工作区 backend/data/workspaces/<pid>/.claude/skills/。ClaudeAgentOptions 必须是 setting_sources=["project"]、plugins=[]、skills=白名单里这几个名字。
- kali-kit 不能用手写死本机路径。仓库里的 .claude/skills/kali-kit/SKILL.md 用占位符 <REPO>。真正给从者看的那份由 backend/atkbrain/agents/kali_kit.py 的 skill_markdown() 按 REPO_ROOT 生成（REPO_ROOT = backend 的上一级）。project_skills.install_into_workspace 会在拷贝后覆盖工作区里的 kali-kit/SKILL.md。部署时不要把 SKILL.md 改成某台机器的绝对路径。
- Kali 没有、仓库自带的脚本必须用仓库绝对路径调用（工作区 cwd 找不到相对路径）：
python3 $REPO/tools/JSFinder/JSFinder.py -u <url> -ou js_urls.txt -os js_subs.txt
bash $REPO/tools/bypass-403/bypass-403.sh http://<host> <path>
禁止 which jsfinder / which bypass-403，也不要把这两份脚本复制进 /usr/bin。
- nmap / ffuf / nuclei 等用系统绝对路径（/usr/bin/...），清单在 kali-kit，禁止 which / ls /usr/share/wordlists。
- 不要把 kali-kit 全文塞进系统提示；从者需要路径时调用 skill kali-kit。CTF 开局读 recon-fanout，红队开局读 recon-spiral。
四、验收
curl -sS http://127.0.0.1:5003/api/health 期望 ok: true，并有 claude_sdk
curl -sS -o /dev/null -w '%{http_code}\n' http://127.0.0.1:5001/ 期望 200
浏览器打开 http://127.0.0.1:5001/
失败先看 backend/data/logs/backend.err.log 与 frontend.err.log：缺包、端口占用、claude 不在 unit 的 PATH、或没快照密钥。
环境
建议在 Kali Linux 上跑（执行层会调用本机已有的渗透工具）。其它 Debian / Ubuntu 也能起控制台，但工具不一定齐。
| 依赖 |
版本 / 说明 |
| 系统 |
Kali / Debian 系，systemd，root（sudo） |
| Python |
/usr/bin/python3，3.12+。后端 unit 直接跑这个解释器，不要只用 venv 装包却不改 unit |
| Node.js / npm |
18+（Claude Code 官方要求 ≥ 22 时按官方走） |
| Claude Code |
本机 claude 能用：已登录，或配好 Anthropic 兼容网关 |
| 端口 |
5001 控制台，5003 API，不要被其它进程占着 |
| 磁盘 |
backend/data/ 会写库、工作区、日志、报告 |
系统包（Kali / Debian）：
sudo apt update
sudo apt install -y python3 python3-pip python3-dev build-essential \
nodejs npm curl
# 导出 PDF 报告时 weasyprint 需要这些库；不装也能跑渗透，导出 PDF 会失败
sudo apt install -y libcairo2 libpango-1.0-0 libpangocairo-1.0-0 \
libgdk-pixbuf-2.0-0 libffi-dev shared-mime-info
安装 Claude Code：
sudo npm install -g @anthropic-ai/claude-code
claude --version
claude auth status # 或按官方文档完成登录
模型密钥用环境变量即可，安装脚本会快照到 backend/data/atkbrain-claude.env（权限 600，不要提交进 git）：
| 变量 |
作用 |
ANTHROPIC_API_KEY / ANTHROPIC_AUTH_TOKEN |
大模型密钥 |
ANTHROPIC_BASE_URL |
兼容 Anthropic Messages 的网关（可选） |
ANTHROPIC_MODEL 等 |
模型名（可选） |
ATKBRAIN_CLAUDE_BIN |
claude 可执行文件路径，默认 claude |
ATKBRAIN_CLAUDE_MODEL |
默认 sonnet |
ATKBRAIN_API_TOKEN |
非空则 API / WebSocket 要带令牌（可选） |
Debian 12+ 若 pip 报 externally-managed-environment，给系统 Python 装包时加 --break-system-packages（本仓库的 systemd unit 用的就是 /usr/bin/python3）。
安装
git clone <本仓库 URL>
cd StrikeAgent_AtkBrain-Flash
- 前端依赖（
atkbrain-up.sh 前必须有 frontend/node_modules）：
cd frontend
npm install
cd ..
- 后端依赖（装到 系统
python3，和 unit 一致）：
cd backend
sudo /usr/bin/python3 -m pip install -r requirements.txt --break-system-packages
cd ..
- 把当前 shell 里的
ANTHROPIC_* / CLAUDE_* / ATKBRAIN_* 准备好（没有的可以先 export ANTHROPIC_API_KEY=...），再一键交给 systemd：
sudo scripts/atkbrain-up.sh
脚本会安装并 enable atkbrain-flash-backend.service、atkbrain-flash-frontend.service，把模型相关环境变量写入 backend/data/atkbrain-claude.env，拉起后端 :5003、前端 :5001（崩溃会自动重启）。
浏览器打开 http://127.0.0.1:5001/。局域网其它机器用 http://<kali-ip>:5001/。
确认起来：
curl -sS http://127.0.0.1:5003/api/health
# 期望含 "ok": true，以及 claude_sdk 状态
curl -sS -o /dev/null -w '%{http_code}\n' http://127.0.0.1:5001/
# 期望 200
日志：backend/data/logs/backend.log、backend.err.log、frontend.log、frontend.err.log。数据在 backend/data/，已进 .gitignore。
红队默认 5 个项目、CTF 默认 3 个，两道互不占槽，都可调到 20。每项目 2 路编排（从者 + 御主）。设置页和顶栏能看到当前占用。
常见问题
health: DOWN
刚 restart 时 uvicorn 还在加载，等几秒再 curl。一直挂就看 backend.err.log：缺包、端口占用、或 claude 不在 PATH。
前端 unit 起不来，提示先 npm install
scripts/atkbrain-frontend.sh 要求 frontend/node_modules 已存在。
控制台显示 Claude Code 未就绪
本机 claude 未登录，或 atkbrain-claude.env 里没有密钥。在已登录的 shell 里再执行一次 sudo scripts/atkbrain-backend.sh restart（会重新快照环境变量）。
5001 / 5003 被占
ss -tlnp | grep -E '5001|5003'，停掉旧进程后再 atkbrain-up.sh。
开源协议与免责声明
本仓库按 LICENSE 开源，不准商用。
学习、研究和授权测试可以阅读、修改、非商用分发。售卖、SaaS、外包、把本软件用于收费服务等商业用途，请联系 [email protected]。
本软件仅限在已获明确授权的环境中使用。使用即表示你已获得目标环境的授权，并自行承担合规与后果。作者与夜安团队 SEC 不对滥用、数据损坏或法律纠纷负责。
交流群目前已满。关注公众号「夜安团队SEC」，联系我们拉进群。
写在最后
当前 AI+安全领域百花齐放，各种工具层出不穷。在 AI 的加持下，想法到落地可以以极快的方式进行，但很多工具缺乏大量测试，只有其形没有其神。我们在写项目的同时，也对 AI+安全方向的众多工具（包括商业化闭源工具）进行了测试。
测试后发现，同质化问题相当严重；也拿到过一些竞赛排名靠前的项目，发现不少问题。比如竞赛通常有时间和并发限制，大概率没有 WAF，并且题目肯定有解；而红队则不限时间，是否会有 RCE 或者数据库权限等，都是未知数，并且大概率有 WAF。再比如大资产的测试时间分配、是否容易打偏、什么叫目标资产（比如 JS 中有很多资产，如何精准区分旁站和毫不相关的资产）、Agent 的调用、沙箱、上下文、召回率，skill 的数量、嵌套深度和最佳平衡点到底是多少，是否采用 Skill 和 MCP，等等一系列问题，都需要大量测试和反复验证。
现在这个 AI 盛行的时代，代码不是重点，重要的是思想、观点和想法，而不是千篇一律地二开个项目、加几句话，然后导入一大坨资产，发现能搞点东西——这种量变无法引起质变。当然，也看到社区里有非常优秀的产品和非常先进的理念。比如杭州那个前辈团队的 Cairn 理念就很有意思：它摒弃了 Skill、MCP、RAG，完全由底座模型和 Agent，再加上一些编排自行决定，这颠覆了以往传统的“Skill+RAG 引导调用 MCP 工具”的理念，这种思想的提出也极具参考意义。还有社区“教红队的 Des”的产品融合，感觉做得很有意义，在增效方面有巨大提升，等等。许多极其优秀的前辈/作品都值得学习。
我 2024 年开始做进攻型红队方向，前期在训练模型上走了不少弯路。如今感受到这股浪潮的来临，也希望在这股潮流中实现自我价值。最后欢迎拷打，欢迎比较，共同进步！
这是由 Yean-Sec 团队（夜安团队SEC）打造的 AI 智能体渗透测试平台，通过自监督、自循环、自进化的智能体周期，自动化完成红队据点建立、SRC 漏洞赏金和 CTF 工作。