文章总结： 本文介绍TypeSafeAI推出的Jev决策模型，其非聊天模型形态，通过Choice、Score、Noul三种原语输出结构化数字答案。重点阐述红队应用PentestSwarmAI集成Jev实现误报过滤与攻击路径评分，支持自托管与多模型切换，并提供实战用法与相关生态项目概览。 综合评分： 80 文章分类： 渗透测试,红队,AI安全,安全工具
Jev System One 决策模型：Pentest Swarm AI 渗透实战应用
原创
Red Hunter Red Hunter
黑白之道
2026年9月26日 09:10 韩国
在小说阅读器读本章
去阅读
在公众号小说中沉浸阅读
导语：TypeSafe AI 在 2026 年 9 月 15 日放出 System One 模型家族的旗舰 Jev。它不写一个字，只回答”在某个状态下，这几个问题的答案分别是多少”。社区 awesome-jev 列表两天内已经收录近 1000 个项目，红队方向最值得关注的应用是 Armur-Ai 的 Pentest Swarm AI——已经把 Jev 接进了攻击路径评分（
--jev-adaptive）和误报过滤（--jev）两个核心环节，开源、可自托管。
一、Jev 是什么
Jev 不是聊天模型。它是 TypeSafe AI 给”机器原生智能”打的第一张牌——输入是”一个状态 + 一组类型化问题”，输出是”每个问题的数字答案 + 校准概率”。模型 ID 是 jev-latest，端点是 POST https://api.typesafe.ai/v1/systemone，9 月 15 日开放早期访问。
1.1 三种问题原语
Jev 的能力完全由三种问题原语定义：
| 原语 | 作用 | 输出 | | — | — | — | | Choice | 单选/多选题 | 每个选项的概率分布 | | Score | 评分题 | 连续区间的数值 + 置信度 | | Noul | 二元判断 | 是/否 + 校准概率 |
调用一次接口能把几十个问题并行问完，代码直接拿结构化数据走控制流——不需要 prompt 工程，不需要防模型越狱，不会有”幻觉文字”污染下游。
1.2 为何不是聊天模型
普通 LLM 给你一段自然语言让你自己 parse。Jev 给你的是带 schema 的数字，调用方拿到就能落到业务分支上。TypeSafe 的官方描述很直白：”Jev 不写文字，它下判断。”这种形态天然适合做评分器、路由器、过滤器——正好对应安全工具链里那些”是不是真有洞”、”哪条路径最该先打”的环节。
二、awesome-jev 生态
社区维护的 awesome-jev 列表两天内（截至 9 月 23 日）已经收录 990 个项目，覆盖以下几类：
2.1 官方资源
- TypeSafe 官方文档：docs.typesafe.ai
- HTTP API 文档（POST /v1/systemone）
- 三种原语详解 + Patterns（speculative fan-out、confidence-gated routing、composite scoring、intent routing）
- 多份 Cookbooks（并行问题、reranking、guardrails、citation checks、extraction、hierarchical classification）
- 官方 Playground：console.typesafe.ai/playground
2.2 多语言 SDK
几乎所有热门语言都有客户端：
- 官方：Python、JavaScript/TypeScript
- 社区：Go、Rust、Java/Spring Boot、Swift、Kotlin、Scala 3、Ruby/Rails、Elixir、Haskell、R、.NET
类型推导是这些 SDK 的统一卖点——拿到答案后 IDE 自动补全分支，不需要手写 schema 解析。
2.3 集成与 Agent 工具
最红的两个集成：
- evoke（evoke.build）：反射式执行器。一句话变成”小程序的调用”，Jev 选出最匹配的 reflex 跑，只在置信度足够时才执行
- super-jev：可扩展的”决策 → 动作”harness，给 Jev 接业务动作用
- Pentest Swarm AI：本文重点，红队最相关
其他还有 zod-jev（用 Zod 校形状、Jev 校语义）、spring-ai-typesafe、jevalyn（Rails 决策层）等。
三、Pentest Swarm AI 的两个 Jev 应用
Armur-Ai 9 月初开源的 Pentest Swarm AI 是 Jev 在红队方向最扎实的落地。它是一套”几十个 agent 并行干活”的渗透测试 swarm，工具链完整（ProjectDiscovery 全家桶 + nmap + 后续接入 Burp/Metasploit）。Jev 在里头被塞进两个核心开关：
3.1 --jev：误报过滤（beta）
传统 AI 渗透工具的痛点是”听起来像漏洞”——AI 写了一通理由说这里有洞，验证完才发现是误报。--jev 开关在 swarm 出报告前多走一遍二次审核：把发现交给 Jev 问一组二分类问题（这真的是漏洞吗？漏洞类型是 X 吗？严重程度是 High 吗？），只用 Jev 回答”是 + 高概率”的结果进报告。
关键设计：off by default + fails open。默认关闭；即使 Jev API 挂了也不会让整个扫描失败——宁可多几个误报也别误杀真漏洞。
3.2 --jev-adaptive：攻击路径评分（beta）
这是更狠的应用。Swarm 默认按”信息素浓度 + 时间衰减”排候选攻击路径：刚冒头的发现最热，老 finding 自然凉掉。--jev-adaptive 把排序权交给 Jev：
对每条候选路径：
- 把路径状态（步骤、目标指纹、已知失败）打包给 Jev
- 让 Jev 回答：这条路径继续打的预期成功率是多少？
- 用 Jev 的分数当 pheromone weight，引导 swarm 优先追高分路径
效果是 swarm 不再”沿信息素盲目追”，而是有个”评分 oracle”实时指导。Pentest Swarm AI 的描述直说：”the swarm scores its candidate attack strategies with Jev in real time and pursues the best first (graded pheromone)”。
同样默认关 + fails open，避免外部 API 故障破坏整个 swarm。
四、实战用法
4.1 一行启动
npm install -g @armurai/pentestswarm
pentestswarm run
run 是交互式 TUI，不需要记 flag。选好 provider（Claude、OpenAI、Gemini、Together AI、本地 Ollama/LM Studio），填上目标，加 --jev 和 --jev-adaptive 即可。需要 Jev API Key 时去 TypeSafe 申请（早期访问阶段）。
4.2 常用脚本化命令
# 跑内置漏洞靶场（crAPI）
pentestswarm scan --lab --lab-target crapi --provider ollama --swarm --tui \
--jev --jev-adaptive
# 真目标，外部模型
export PENTESTSWARM_ORCHESTRATOR_API_KEY=sk-...
export TYPESAFE_API_KEY=ts-...
pentestswarm scan https://target.example --scope target.example --swarm --follow \
--jev --jev-adaptive
退出码带语义：2 表示至少一个 VULNERABLE，1 表示只有 POSSIBLY，0 表示全部安全或失败。
4.3 跟传统 LLM 工具有什么区别
| 维度 | 传统 LLM 工具 | Pentest Swarm AI + Jev | | — | — | — | | 决策机制 | Planner LLM 串行 | 几十 agent 并行 + 信息素 | | 路径评分 | LLM 主观打分 | Jev 校准概率评分 | | 误报处理 | 直接信任 | 可选 Jev 二次审核 | | 模型绑定 | 通常绑某一家 | 任意 OpenAI 兼容 / 本地 | | 部署 | 多为 SaaS | 完全自托管、AGPL |
XBOW 走的是单一 SaaS 单 agent 路线，Pentest Swarm AI 走的是 swarm + Jev 决策器路线，对红队这种”我要在自家机器上跑、要换模型、要插决策”的工作流更友好。
五、其他 Jev 应用速览
除了 Pentest Swarm AI，社区列表里值得红队关注的还有：
- Pentest-R1：基于 RL 微调的渗透测试专用 LLM，给 swarm 当底层大脑
- PentAGI（vxcontrol/pentagi）：全自主 AI agent 渗透框架，4 agent + planner
- Shannon（KeygraphHQ/shannon）：白盒 AI 渗透测试器，源码 + 浏览器自动化
- CAI（aliasrobotics/cai）：3600x faster than humans 的安全 AI 框架
- Strix（usestrix/strix）：AI hackers，自动挖洞 + 自动修
- PentestAgent（GH05TCREW/pentestagent）：黑盒安全测试 AI agent 框架
- HackingBuddyGPT（ipa-lab）：50 行代码的 LLM hacking demo
Jev 的角色是”评分器/分类器/路由器”，未来大概率会渗透进更多工具链——凡是带”判断哪个漏洞更值得先打”、”哪个告警更像真的”、”这条 PoC 是否站得住”这种二分类/排序逻辑的地方，都能塞一个 Jev 进去。
六、附录
6.1 软件下载（直接提供 URL，按你之前的规则不再本地克隆）
- Pentest Swarm AI（红队最相关）：https://github.com/Armur-Ai/Pentest-Swarm-AI
- awesome-jev 社区目录：https://github.com/KantaHayashiAI/hellogumbo-awesome-jev
- TypeSafe AI 官方：https://typesafe.ai
- 官方文档：https://docs.typesafe.ai
- HTTP API 参考：https://docs.typesafe.ai/api
6.2 关联项目链接
- Pentest-R1：https://github.com/Pentest-R1
- PentAGI：https://github.com/vxcontrol/pentagi
- Shannon：https://github.com/KeygraphHQ/shannon
- CAI：https://github.com/aliasrobotics/cai
- Strix：https://github.com/usestrix/strix
- PentestAgent：https://github.com/GH05TCREW/pentestagent
- HackingBuddyGPT：https://github.com/ipa-lab/hackingBuddyGPT
6.3 一键安装命令
# Pentest Swarm AI（任选一种）
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
👇 点击阅读原文，访问我的网站
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：黑白之道 Red Hunter Red Hunter《Jev System One 决策模型：Pentest Swarm AI 渗透实战应用》
版权声明
本站仅做备份收录，仅供研究与教学参考之用。
读者将信息用于其他用途的，全部法律及连带责任由读者自行承担，本站不承担任何责任。
评论