ZONE.CI 全球网

本文探讨基于BDI模型构建自主AIAgent的路径。BDI架构含信念、欲望与意图，能打破当前AI被动指令交互的局限。文章指出意图层的规划可靠性是当前核心瓶颈，建议开发者重点攻克多步推理与异常处理难题，推动AI从被动执行向主动替人操心的方向演进。

VulnClaw是一款基于AIAgent的自动化渗透测试工具，支持自然语言输入驱动全流程（信息收集、漏洞发现、利用、报告生成）。其核心创新在于目标驱动求解引擎与黑板图状态空间搜索，通过Fact和Intent原语避免重复探索，并引入证据级反幻觉闸门确保结论真实性。工具支持13个LLMProvider、MCP工具链及21个渗透Skill，适用于授权渗透测试、CTF竞赛等场景。安装简便，提供CLI、TUI和WebUI多种交互方式。

Miko是一款基于Tauri2和React构建的开源桌面应用，定位为渗透测试中的AI探路者。其核心设计是黑板机制，由LLM承担调度决策，将探索过程记录为Facts、Intents和Findings三类信息，形成探索树，解决通用AI助手无记忆的问题。工具内置subfinder、fscan等多款安全工具，支持广度优先和深度优先的探索模式，并支持将临时会话转为持久化项目，便于后续回溯。项目已开源，提供Windows便携版下载。

Anthropic公开了AI原生软件开发生命周期实践，将开发流程拆分为Plan、Design、Build、Test、Deploy、Maintain六个阶段，并重新定义人机分工。核心结论是AI可承担约80%编码工作，使工程师人均产出提升约8倍，但需求、审查、测试等环节需重新设计。关键发现包括将线性流水线改为闭环，通过intent.md、spec.md、plan.md等标准产物驱动流程，并将安全治理提前到需求阶段。可操作建议是从项目根目录的CLAUDE.md开始逐步落地，记录构建测试规则和AI常见错误。

本文介绍Cairn与XuanMu两个开源项目，将渗透测试视为有向搜索过程。Cairn采用黑板架构，通过Fact、Intent、Hint组织Agent协作，使用OODA循环驱动任务，强调无角色分工设计。XuanMu增加证据平面分离过程与结果层。文章还探讨了将思路迁移至漏洞审核场景，提出三层拆分方法及Finding概念，并给出落地建议。

本文深度解析第三届腾讯云智能攻防挑战赛线上赛第一名sapper-v2系统的架构设计与角色分工。系统基于ClaudeCodeCLI构建，采用Commander、worker、intent三层角色协作机制，通过事实图实现多会话上下文共享与交接。文章详细拆解了四层提示词设计、模型分层策略及看门狗机制，并复盘了b-01至a-03等典型题目的渗透路径，展示了AI在自动化渗透测试中的实战应用与架构创新。

本文探讨AI渗透测试架构设计，反思黑板架构的必要性。作者从intentlogic到cybernetics，通过消融实验发现黑板结构不影响效果，主要收益在效率（约16%耗时节省），黑板本质是仪表盘而非发动机。产品cyber保留fact和intent，引入intent状态机与冷热图算法，下版本黑板不再作为主要推理接口，转向可观测性与可解释性优化。

本文档介绍DeepSeekHarness渗透测试模式插件dsh-pentest，提供安装方式、架构设计、工具集与Web界面。核心功能包括探索链路、漏洞、资产视图及报告生成，强调授权测试原则，记录按会话作用域，支持sqlite后端存储。建议用户通过dshpluginadd安装，并遵循授权要求使用。

本文探讨了腾讯云智能渗透挑战赛中AIFirst理念的应用，重点分析了淚笑师傅提出的CairnAI系统的黑板架构设计。该系统将渗透测试抽象为无限状态空间的有向搜索问题，通过Fact、Intent、Hint三个核心要素实现OODA循环。文章对比了Harness编排与AIFirst的差异，指出黑板架构的可解释性优势，并强调在AI时代理解深度比工具堆砌更重要。

本文介绍了CairnAI系统在腾讯云黑客松智能渗透挑战赛中的应用，该系统采用黑板架构和蚁群算法实现路径涌现而非预设流程，具备从渗透测试扩展到通用问题求解的能力。关键创新在于去除传统多Agent固定角色分工，通过动态任务分配实现高效协同，比赛获得全国第三成绩。系统代码将开源，可供社区讨论改进。

Cairn是一个基于黑板架构的多智能体协作框架，通过让多个LLMWorker围绕共享的Fact-Intent有向无环图协作求解问题。其采用间接协调机制，不注入领域知识，依赖LLM的涌现能力自行驱动问题求解，具有完全通用性但缺乏兜底机制。项目采用Python+FastAPI+SQLite技术栈，核心模块约6000行代码。

Cairn是一个无预设角色和工作流的通用问题求解引擎，通过黑板架构实现事实-意图图管理，支持OODA循环和间接协作的智能体工作模式。该系统提供Bootstrap、Reason、Explore三类动态任务，可在渗透测试等场景中自动探索解决方案路径。文档包含完整的部署指南和项目地址，但末尾存在证书售卖等非技术内容。

本文探讨基于BDI模型构建自主AIAgent的路径。BDI架构含信念、欲望与意图，能打破当前AI被动指令交互的局限。文章指出意图层的规划可靠性是当前核心瓶颈，建议开发者重点攻克多步推理与异常处理难题，推动AI从被动执行向主动替人操心的方向演进。

Miko是一款基于Tauri2和React构建的开源桌面应用，定位为渗透测试中的AI探路者。其核心设计是黑板机制，由LLM承担调度决策，将探索过程记录为Facts、Intents和Findings三类信息，形成探索树，解决通用AI助手无记忆的问题。工具内置subfinder、fscan等多款安全工具，支持广度优先和深度优先的探索模式，并支持将临时会话转为持久化项目，便于后续回溯。项目已开源，提供Windows便携版下载。

dsh-pentest是面向DeepSeekHarness的渗透测试模式，提供在授权范围内记录目标、探索线索、验证结果、资产与漏洞的功能，并支持Web界面展示探索链路、漏洞和资产视图。该模式通过插件安装，包含多个工具和协议，但文档末尾包含付费漏洞库广告。

DeepSeekHarness的渗透测试模式(dsh-pentest)是一个自包含bundle包，通过dsh插件安装，用于在授权范围内记录目标、探索线索、验证结果、管理资产与漏洞。其架构包含六张领域模型表，提供多种工具函数和Web界面，支持探索链路、漏洞、资产视图及报告生成。安装可通过ReleaseURL或本地文件进行，重启后选择渗透模式即可使用。

本文介绍了DeepSeekHarness的渗透测试插件dsh-pentest。该自包含包集成宿主插件、Web界面与sqlite后端，提供探索链路图、漏洞及资产视图和报告功能。架构上采用专属存储域与八个工具函数实现节点关联与会话投影。插件强调仅限授权测试，通过参数记录授权信息以供审计，数据严格隔离于单次会话。用户可按官方命令快速安装并启用渗透模式开展安全评估。

本文介绍DeepSeekHarness(dsh)的渗透测试模式插件，提供在授权范围内记录目标、探索线索、验证结果、管理资产与漏洞的功能，并通过Web界面以链路、漏洞和资产视图展示。该插件支持通过ReleaseURL或本地文件安装，架构包含领域模型、确定性ID、工具集和会话投影，强调授权测试与记录留痕。建议用户在授权范围内使用，并注意单会话作用域等边界。

Anthropic公开了AI原生软件开发生命周期实践，将开发流程拆分为Plan、Design、Build、Test、Deploy、Maintain六个阶段，并重新定义人机分工。核心结论是AI可承担约80%编码工作，使工程师人均产出提升约8倍，但需求、审查、测试等环节需重新设计。关键发现包括将线性流水线改为闭环，通过intent.md、spec.md、plan.md等标准产物驱动流程，并将安全治理提前到需求阶段。可操作建议是从项目根目录的CLAUDE.md开始逐步落地，记录构建测试规则和AI常见错误。

本文介绍Cairn与XuanMu两个开源项目，将渗透测试视为有向搜索过程。Cairn采用黑板架构，通过Fact、Intent、Hint组织Agent协作，使用OODA循环驱动任务，强调无角色分工设计。XuanMu增加证据平面分离过程与结果层。文章还探讨了将思路迁移至漏洞审核场景，提出三层拆分方法及Finding概念，并给出落地建议。

本文深度解析第三届腾讯云智能攻防挑战赛线上赛第一名sapper-v2系统的架构设计与角色分工。系统基于ClaudeCodeCLI构建，采用Commander、worker、intent三层角色协作机制，通过事实图实现多会话上下文共享与交接。文章详细拆解了四层提示词设计、模型分层策略及看门狗机制，并复盘了b-01至a-03等典型题目的渗透路径，展示了AI在自动化渗透测试中的实战应用与架构创新。

本文探讨AI渗透测试架构设计，反思黑板架构的必要性。作者从intentlogic到cybernetics，通过消融实验发现黑板结构不影响效果，主要收益在效率（约16%耗时节省），黑板本质是仪表盘而非发动机。产品cyber保留fact和intent，引入intent状态机与冷热图算法，下版本黑板不再作为主要推理接口，转向可观测性与可解释性优化。

本文档介绍DeepSeekHarness渗透测试模式插件dsh-pentest，提供安装方式、架构设计、工具集与Web界面。核心功能包括探索链路、漏洞、资产视图及报告生成，强调授权测试原则，记录按会话作用域，支持sqlite后端存储。建议用户通过dshpluginadd安装，并遵循授权要求使用。

本文探讨了腾讯云智能渗透挑战赛中AIFirst理念的应用，重点分析了淚笑师傅提出的CairnAI系统的黑板架构设计。该系统将渗透测试抽象为无限状态空间的有向搜索问题，通过Fact、Intent、Hint三个核心要素实现OODA循环。文章对比了Harness编排与AIFirst的差异，指出黑板架构的可解释性优势，并强调在AI时代理解深度比工具堆砌更重要。

本文介绍了CairnAI系统在腾讯云黑客松智能渗透挑战赛中的应用，该系统采用黑板架构和蚁群算法实现路径涌现而非预设流程，具备从渗透测试扩展到通用问题求解的能力。关键创新在于去除传统多Agent固定角色分工，通过动态任务分配实现高效协同，比赛获得全国第三成绩。系统代码将开源，可供社区讨论改进。