文章总结： 本文介绍liyouAI工具，采用C原生自研Agent运行时，架构为跨进程反向RPC与分层抽象，支持虚拟机、浏览器操作、抓包、翻译等功能，并提及赞助群与QQ联系方式，属于产品推广内容。 综合评分： 45 文章分类： 产品介绍,AI安全,安全工具

liyouAI

原创

teacher李 teacher李

由由学习吧

2026年9月13日 20:42 重庆

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

liyouAI将在赞助群里面进行发布，可以通过赞助加群，群内会定时更新最新版本，如果需要赞助获取最新版本的软件请联系qq:841350625

同时ctftools-all-in-oneV8.8Beta已于8月发布，同时V8.8的MCP功能也开发完毕，等8.8Beta部分bug修复后发布，V8.9版本的ctftools-all-in-one可以直接用MCP或者用skills进行调用，让ai操作图形界面，以后的版本将不支持虚拟机，虚拟机使用请用V8.7以下版本

liyouAI功能一览,（LiyouAI）没有使用 AutoGen、LangGraph 等现成开源框架，而是采用 C原生手写（Hand-rolled）自研 Agent 运行时。

为什么择自研?

1. 极致性能与轻量：不背负 Python 框架的抽象层，用C跑核心循环，内存占用低、响应极快。
2. 进程解耦与安全性：“C侧发起 tool 请求，回调 TS 渲染层”。这种架构（原生 Worker + UI 渲染层）能将危险的“工具执行（如读写文件、跑 Bash）”放在后端，UI 只负责展示与审批，天然适合桌面 Agent。
3. 完全定制的控制流：自带“子代理/团队（SubAgent/Team）”、“上下文压缩”、“权限策略”，无需受限于 LangGraph 的图节点或 AutoGen 的群聊模式，贴合自身业务 SOP。
4. Provider 无关且统一：一套抽象无缝对接 OpenAI/Anthropic/Gemini，切换模型无感。

是怎么实现的？

其架构可拆解为 “一个核心循环 + 跨进程反向 RPC + 分层抽象”：

1. 核心：手写 Agent Loop（ReAct 模式）

• 原理

  ：没有用框架的 while 封装，而是自己写了循环逻辑：

• 组装上下文（含系统提示、历史、工具定义） → 调用 LLM API。

• 解析 LLM 返回的 Tool Calls → 执行工具 → 将结果追加回上下文 → 再次调用 LLM，直到模型输出最终回答或达到最大轮次。

• 支持流式输出（边生成边推给 UI）。

2. 跨进程通信：MessagePack 反向 RPC

这种设计让 “Loop 活在 C，渲染/交互活在 TS”，兼顾性能与体验。

3. 模块化分层

（1）支持将虚拟机（ssh登录）或者wsl（相当于沙箱运行），用的shell不污染windows，下图是我链接kali后的工具展示

（2）自带上下文压缩和数据库查询（记忆永不丢失），压缩摘要后丢失的信息可以通过查询会话工具（支持跨会话查询、跨会话交流等功能）

（3）支持computer use和内置浏览器，ai操作浏览器告别写脚本时代直接原生操作

（4）浏览器支持抓包、重放流量、爆破、标注等功能

（5）支持切换UA和修改cookie，支持插件功能

（6）支持快捷启动，历史记忆，访问权限控制

（7）支持全局会话级别引用

(8)支持审查模式和终端

（9）支持本地模型，支持市面上的模型

（10）支持将opencode、claudecode、codex的协同调用

（11）支持局域网手机通信，用手机查看实时进度，用plan模式规划流程、用目标模式达到目的，用联网搜索查询扩展知识，用知识库（需要配置向量模型）扩展知识

（12）文件支持多种模式预览、编辑、ai修改（可以直接在预览的内容中通过标注位置让ai进行修改，此功能部分依赖多模态模型）

（13）支持对接微信、钉钉等等各种聊天频道，消息不错过

（14）遇到英文不用怕原生支持翻译

（15）更多功能持续研发中，敬请期待

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：由由学习吧 teacher李 teacher李《liyouAI》