渗透测试从业者的新工具：938 Star、号称漏洞利用成功率90%（鸾鸟LuaN1ao）

网络安全老宋

2026年5月28日 12:00
山东

在小说阅读器读本章

去阅读

导语： 你好，我是老宋。关注我，安全攻防干货准时送达！

一个能自己规划攻击路径、从失败里学习的AI渗透Agent，XBOW榜单成功率90.4%，单次漏洞利用成本不到一毛钱。

上周在 GitHub 上刷到一个自动化渗透项目，点进去看了一眼 XBOW Benchmark 的成绩——90.4%，中位漏洞利用成本 0.09 美元。

这个数字让人愣了一下——不是因为它高，而是因为它把传统渗透测试里最费时间的\"试错\"部分，直接用 AI 接过去了。

01

这个项目是什么

LuaN1ao（鸾鸟），938 Star、148 Fork，SanMuzZzZz 开源的一个全自主渗透测试 Agent。

核心思路：把人类安全专家的思维过程拆成三个角色，各干各的，但共享同一套因果推理图。

它让 AI 先想清楚为什么要这样做，跑完再判断结果对不对，不对就换个思路继续——跟人做渗透的逻辑一样。

02

P-E-R 三角色协作框架

这个框架是它跟市面上其他 AI 渗透工具拉开差距的地方。

03

因果图推理——不是瞎猜

AI 做渗透测试最大的坑是什么？幻觉。LLM 会编造漏洞、假造利用路径、凭空生成不存在的配置。

04

怎么跑起来

安装不复杂，Python 3.10+，配好 LLM API Key 就能跑。推荐用 GPT-4o，Planner 需要强推理能力。

SHELL · 基础安装

git clone https://github.com/SanMuzZzZz/LuaN1aoAgent.gitcd LuaN1aoAgentpip install -r requirements.txtcp .env.example .env# 编辑 .env 填写 LLM API Key

知识库初始化——克隆 PayloadsAllTheThings 作为 RAG 检索源：

SHELL · 知识库初始化

mkdir -p knowledge_basegit clone https://github.com/swisskyrepo/PayloadsAllTheThings \\     knowledge_base/PayloadsAllTheThingscd rag && python -m rag_kdprepare

启动分两个终端：

SHELL · 启动 AGENT

# 终端1：Web 仪表盘（浏览器打开 http://localhost:8088）python -m web.server# 终端2：Agent 任务python agent.py \\    --goal \"Perform comprehensive web security testing on http://testphp.vulnweb.com\" \\    --task-name\"demo_test\" \\    --web

05

局限和真实场景

XBOW Benchmark 90.4% 的成绩很漂亮，但有几个实际约束要说清楚：

06

老宋说

渗透测试的思维过程，第一次被这么系统地结构化、可复现了。Planner 定策略、Executor 跑命令、Reflector 审结果——三角色分工加上因果图的证据驱动逻辑，说穿了就是把一个高级渗透工程师的脑子外化成了系统。

这件事往深了想，初级渗透测试里的重复性工作——端口扫描、版本识别、已知漏洞利用——基本可以被自动化接管，人力成本结构会变。但话说回来，部署门槛、LLM 调用成本、真实场景下的误报怎么处理，这些问题不解决，甲方安全团队离\"开箱即用\"还差着一段路。

*建议：先关注，等技术栈成熟一两个版本再上手。*

https://github.com/SanMuzZzZz/LuaN1aoAgent

往期精彩

杀毒软件可能有漏洞：360和金山毒霸内核驱动高危风险

2026年国内镜像源指南：35个常用源+全场景使用方法

影子资产、ICMP打点、无文件驻留——内网渗透的三个新趋势

🔐 我是网络安全老宋

专注把安全威胁翻译成听得懂的实操建议。每周推送漏洞预警、工具测评、攻防笔记。觉得有用，点个在看，转发给身边的朋友，就是对我最大的支持。

我们下期见 👋