文章总结： 本文提出一种轻量化AI渗透平台搭建思路，核心是从依赖skill转向自主推理。作者认为传统AI渗透受限于skill的局限性和安全风险，因此设计七层引擎框架，包括资产探测、功能测试、战略思考、战术执行、回顾、学习与记忆层。该框架通过身份提示词和知识库将AI武装成红队工程师，仅用skill做方向指引，保留AI自主探索能力。实际使用中，平台在JS逆向和接口测试上表现强大，但复杂漏洞仍需人工干预。建议使用Deepseek-v4-flash等模型结合MCP工具实现自动化渗透。 综合评分： 86 文章分类： 渗透测试,红队,AI安全,安全工具,实战经验

从Skill依赖到自主推理，一个轻量化AI渗透平台的搭建思路

原创

QinGC QinGC

网安前线

2026年8月21日 08:00 广东

在小说阅读器读本章

去阅读

一、前言

2025年底，自从Claude code问世以来，AI在网络安全领域上的影响力再次跨上一个阶层，AI自动化渗透的言论开始不断传出，但是在25年末到26年初的时候，AI渗透的能力还是处于一个比较拉垮的存在，各种打着AI自动化渗透的工具，其实跟Xray等漏洞扫描器也没什么区别，常常出现的就是吃了我的token却什么都没干出来的情况。当时间来到了26年的3月左右时，随着各种渗透skill的诞生，AI渗透开始逐渐流行起来，大家也仿佛看到了AI渗透真正的可实现性。于是我开始收集网络上的各种skill，学习这些skill的写法时，但在实际的使用时，感觉AI渗透还是存在一定的局限性，于是开始在互联网学习其他大佬们使用AI的方法，同时也在思考着AI真正的用法。

二、全新思路

按照以往的思路，AI渗透总是依靠着各种各样的skill，skill越全越丰富，渗透起来效果就越好。可有一个问题是，skill再全也是具有一定的局限性，或多或少会限制一部分AI的思想，并且过多的skill光人工指定都是一个有点麻烦的工作，更别说之前在网上爆出过的一些skill藏毒等事件。在互联网上学习到一些内容后，我再想能不能够把AI武装成一个我自定义的渗透平台呢，不再通过skill去指示AI操作，而是通过给一个身份提示词加上知识库的方式将AI武装成一个专业的红队工程师？针对曾经的各种各样的skill，只做指引，不做约束，例如：禁止将挖洞流程、攻击思路写死在规则中。仅用Skills做任务规划、方向指引，最大限度保留AI的自主推理与探索能力。面对一些渗透测试的安全红线，配置好禁止规则：严禁增删改业务数据、严禁脱库、严禁上传Webshell等高危操作，在安全可控的前提下，完全释放AI能力。以此来打造一个独属于自己的、真正具有能力、思想不再被框框架架局限的AI渗透平台。

三、具体框架

具体AI实施的框架我参考了“A1xxNy”大佬的思路，根据他的框架思路结合工作中的经验，进行了个性化的修改，总结了一个七层引擎渗透框架：

S1 引擎：架构的基础入口，核心负责全维度资产探测与指纹识别。自动识别目标系统编程语言、服务框架、中间件版本、API接口清单、路由目录、组件CVE指纹。

S2 引擎：测试系统功能实现的工具，负责对系统的功能点逐个进行正常实现的测试，重点摸清楚系统中的高危功能实现方式，结合账号权限深度理解每个功能点的逻辑原理，理清楚账号的权限边界。

S3 引擎：这层的引擎为战略层，它会基于探测层数据进行架构级深度思考。根据S2引擎的数据，去猜测该架构下开发者大概率存在的逻辑漏洞、通用缺陷、配置漏洞。同时调取记忆层历史相似架构的渗透经验，复用成熟攻击思路，预判可利用攻击面，生成多维度攻击假设。

S4 引擎：战术层，通过安装谷歌MCP+Burpsuite MCP，模拟人类操作操作电脑浏览器，并且通过AI之前学习过的渗透手法，历史漏洞等进行高度集中地深入渗透，每一次攻击假设，都会返回「命中/新发现/衍生问题」三种结果，反向反馈战略层与战术层，持续迭代验证，深度挖掘漏洞。

S5 引擎：回顾层，初步测试完成后，结合已知漏洞，建立连接，检查回顾有没有还尚未挖掘的攻击面，以及各种js，jsmap中的信息比如接口是否都进行了测试？

A1 学习层： 进行自我的技术迭代，赋予AI自主进化能力。可以通过Claude code学习行业优质文章、漏洞分析报告、实战复盘案例，自主推理剖析核心技术点，提取有效攻击手法、漏洞思路、绕过方案。

A2 记忆层： 平台的核心沉淀内核。每一次渗透测试结束后，AI自动完成全流程复盘归档，同时分级管理数据置信度：真实实战测试、复现成功的漏洞、有效Payload、落地攻击链为高置信度；网络文章学习、理论漏洞思路、未验证攻击方法为低置信度。分层存储、分类调用，避免理论垃圾干扰实战效果，保证知识库精准、高效、可用。

四、使用教程

这里以Deepseek-v4-flash为基础模型。使用claude code过程中如果不想频繁点击“yes”，可以使用命令“claude –dangerously-skip-permissions”打开claude code

安装好对应的“burpsuite”与“谷歌浏览器”的mcp工具后，进行简单的提示词绕过即可开启自动化的AI渗透。

渗透结束后，AI会对内容自动进行归档，并从工作内容中进行复盘学习。

面对AI出具的渗透报告，进行复现的过程中还可以让它在burpsuite中一键生成可复现的请求包。

在互联网上看见优秀的文章内容，也能把内容喂给AI，增强AI的渗透能力。

面对着复杂的SM4加解密算法，曾经需要费劲心思地去寻找解密方法

在AI的面前如同薄纸一张，被轻易的撕破了，一句话就可以让AI帮我们生成解密脚本辅助测试

五、总结

这套思路在实际深度使用中，表现已经远超预期，虽然在一些注入漏洞以及一些藏的比较深的漏洞中，并不能主动挖出来，还是需要人为地去指示（可能使用的模型不够强大），但是在JS文件的逆向和接口的测试上，已经是具有非常强大的渗透的能力与高度的自动化，随着AI大模型的高速发展，现在存在的瑕疵，也许下一次迭代的AI就能够补齐了。AI不一定能取代人类，但会用AI的人一定能够取代不会用AI的人，希望大家都能在这个新时代中把握住自己的机遇。

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：网安前线 QinGC QinGC《从Skill依赖到自主推理，一个轻量化AI渗透平台的搭建思路》