Pentest-Swarm-AI

多智能体组队自动打渗透,侦察到报告一条龙

开源 free 智能体
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 2779
维护状态 较活跃
是否开源 是
定价模式 free

项目预览

项目数据

分类智能体
开发团队Armur-Ai
所属国家
官网地址
定价模式free
价格说明开源免费,需自行部署
访问状态
是否开源是
开源协议AGPL-3.0
主要语言Go
技术栈/模型ai-agents,bug-bounty,cybersecurity,offensive-security,penetration-testing,penetration-testing-framework,penetration-testing-tools
GitHub 星标★ 2779
30天Star增速
HF 下载量
上线时间2024-03-26 00:00:00
代码更新—
仓库体积—
本站数据更新—
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-10-11
浏览次数0

项目介绍

Pentest-Swarm-AI 是一个用 Go 编写的自主渗透测试框架,核心思路是把渗透流程拆解成侦察、分类、利用、报告等专职 AI 智能体,组成一个「蜂群」协同工作,而不是让单个大模型从头包办。每个智能体基于 ReAct 推理循环自主决定下一步动作,并按需调用 7 种以上原生安全工具(如端口扫描、目录枚举、漏洞探测等)完成实际探测与利用。项目面向三类场景:漏洞赏金(bug bounty)、持续安全监控和 CTF 竞赛。它解决的是传统渗透测试中人工重复劳动多、工具切换繁琐、报告整理耗时的问题,让安全工程师用一条命令启动多智能体流水线,自动完成从信息收集到结果汇总的闭环。Go 语言带来单二进制部署和较高并发效率,适合在授权范围内做自动化安全评估。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度:入门 约 10 分钟 部署方式:命令行工具 6 步

环境要求

  • Node.js ≥ 16(使用 npm 安装方式时)
  • macOS 或 Linux 系统(使用 curl 一键脚本时)
  • Go 工具链(使用 go install 时)
  • Docker(使用 Docker 镜像或启动内置漏洞靶场时)
  • 可选的 AI 提供商密钥(Together AI / Claude / OpenAI / Gemini),或使用本地 Ollama / LM Studio 则无

安装与启动步骤

  1. 1安装工具

    README 提供 5 种安装方式,按你已有的环境任选一条执行即可,不必全部运行。

    npm install -g @armurai/pentestswarm
    curl -fsSL https://raw.githubusercontent.com/Armur-Ai/Pentest-Swarm-AI/main/scripts/install.sh | sh
    brew install Armur-Ai/tap/pentestswarm
    go install github.com/Armur-Ai/Pentest-Swarm-AI/cmd/pentestswarm@latest
    docker run --rm ghcr.io/armur-ai/pentestswarm:latest --help
  2. 2启动主程序

    执行 run 会打开交互式 TUI 启动器,无需记忆任何命令行参数,全部在界面里完成。

    pentestswarm run
  3. 3选择 AI 提供商

    在 TUI 中挑选提供商并直接粘贴密钥:Together AI、Claude、OpenAI、Gemini,或完全本地的 Ollama / LM Studio(无需密钥)。

  4. 4指定攻击目标

    可以填一个 URL,也可以选择内置的合法漏洞靶场(cRAPI、Juice Shop、VAmPI、DVGA),靶场会自动拉起、被攻击并在结束后销毁。

  5. 5选择实时视图

    默认同时开启两种视图:localhost:7777 的 Web 仪表盘,以及带实时图表、蜂群拓扑图和分级 findings 流的终端 TUI。

  6. 6启动蜂群

    点击启动后观察多智能体协同工作;启动器会先做就绪检查(Go、Docker、工具、提供商),缺失项只提示不阻塞。

关键配置

配置项必填说明示例
AI 提供商 API Key否使用云端模型时在 TUI 中粘贴;本地 Ollama / LM Studio 无需填写sk-xxxxxxxx
目标地址是要测试的 URL,或选择内置漏洞靶场http://localhost:3000
本地模型服务否选择 Ollama / LM Studio 时可完全本地推理,不产生费用http://localhost:11434

如何确认成功

启动后浏览器打开 localhost:7777 能看到 Web 仪表盘,终端 TUI 同步显示蜂群拓扑与实时 findings 流。

常见问题

Q:没有 API Key 能不能跑?

A:可以。启动器支持完全本地的 Ollama 或 LM Studio,不需要任何密钥和云服务,也不产生账单。

Q:没有 Docker 还能用吗?

A:可以正常使用框架本身,但内置漏洞靶场依赖 Docker 拉起;就绪检查只会把缺失项标为提示,不会阻止启动。

Q:哪种安装方式最省事?

A:macOS/Linux 可用 curl 一键脚本或 Homebrew;有 Node 环境可用 npm;有 Go 环境可用 go install;也可以用 Docker 直接运行镜像。

Q:Web 仪表盘地址可以改吗?

A:README 只说明默认运行在 localhost:7777,未提供修改端口的方法,请以启动器实际显示为准。

注意事项

  • 仅对你拥有明确授权的目标进行测试,避免法律风险。
  • README 强调开箱即用:一条命令安装、一条命令运行,无需初始 Key 或云服务。
  • 默认同时开启 Web 仪表盘和终端 TUI 两种实时视图。
  • 内置靶场(cRAPI、Juice Shop、VAmPI、DVGA)会自动创建并在结束后销毁,适合零配置试跑。

核心亮点

  • 用 Go 编写,编译为单一二进制,部署和跨平台运行比 Python 类框架更省事
  • 把渗透流程拆成专职智能体并基于 ReAct 推理调度,职责清晰、可扩展新角色
  • 原生集成 7 种以上安全工具,侦察、分类、利用、报告形成完整闭环

不足之处

  • 自主利用阶段风险高,若缺乏严格授权与沙箱约束容易误伤目标
  • 多智能体+多工具编排对模型 API 和 token 消耗较大,成本和稳定性依赖外部服务

适用场景

  • 授权范围内的漏洞赏金自动化侦察与初步验证
  • 企业资产的持续安全监控与周期性渗透巡检
  • CTF 比赛中快速完成信息收集和常见漏洞利用

替代项目

Nuclei、PentestGPT、Nebula

上一篇:awesome-agentic-patterns

下一篇:kagent

同类项目推荐

xinchao-dynamic-mind 开源

给 AI 装上疲惫和欲望,让交互更真实

独立、可自托管的 AI 动态心智状态引擎:驱动力、念头池、疲惫、睡眠与意图。

★ 211 2026-08-09
goutoujunshi 开源

先哄情绪再出招,恋爱难题给可执行方案

一个先接住情绪、再分析关系并给出可执行策略的 Codex 恋爱军师,内置心理、法律、社会、人···

★ 7548 2026-09-25
geo-sleuth 开源

给 AI 装上地理侦探技能,一张照片顺藤摸瓜找到拍摄地

An agent skill that finds where a photo was taken — OpenStreetMap geometry, elevati···

★ 1628 2026-09-25
deepseek-harness 开源

把 AI 能力拆成乐高积木,拼出你的专属智能体。

DeepSeek Harness: Everything is a Plugin.

★ 246924 2026-08-15