Cairn —— 通用状态空间搜索引擎
面向明确起点与目标、未知路径的问题求解引擎，已在自主渗透测试中验证。
证据显示：本地模式明确警告代理以用户权限运行且无沙箱，但未提供权限最小化机制；配置中需要API密钥，但未说明密钥存储和访问控制；容器模式使用Docker，但未提及容器隔离级别或安全加固。扣分原因：缺乏用户确认机制、数据流透明度不足、敏感数据处理细节缺失、依赖安全未提及、回滚机制缺失、来源归属仅部分（README提及作者但未验证）。
证据显示：测试覆盖配置验证和容器路径安全，但未覆盖运行时行为；依赖可用性未提及；失败消息未详细说明。扣分原因：自一致性部分满足，但依赖可用性和失败消息证据不足。
证据显示：README明确目标受众（安全测试人员）和场景（渗透测试、CTF等），并说明能力边界（通用状态空间搜索）；但触发精度（任务生成逻辑）未详细说明；环境适配（macOS/Linux、Docker）有说明。扣分原因：触发精度证据不足。
证据显示：README结构清晰，安装说明详细，许可证明确（AGPL-3.0），但缺少版本变更日志、命名稳定性说明、已知限制部分不完整。扣分原因：版本变更日志缺失，命名稳定性未提及，已知限制仅部分。
证据显示：输出为结构化事实和意图，但未说明输出格式的易用性；边际价值有竞争结果支持，但成本效益未量化。扣分原因：输出可用性证据不足，成本效益未量化。
证据显示：README声称竞赛结果，但未提供可验证的复现步骤；测试存在但未覆盖所有声明；事实与推断未明确分离。扣分原因：声明可追溯性不足，交叉验证有限，事实与推断分离不明确。
- 本地模式无沙箱，代理以用户权限运行，存在安全风险。
- API密钥管理未说明，可能泄露。
- 依赖安全未提及，需审查供应链。
- 竞赛结果无法独立验证。
这个 Agent 能做什么，适合哪些场景？
Cairn 是一个通用问题求解引擎，采用黑板架构（Blackboard Architecture）与显式事实-意图图（fact-intent graph），通过三个基本原语（Fact、Intent、Hint）驱动搜索过程。它先以自主渗透测试为首个验证领域，支持 CTF、漏洞研究等问题，但并非专用工具。系统由 Cairn Server 维护图一致性，Cairn Dispatcher 负责任务调度与容器管理，Worker 容器内运行多个 Agent Worker，执行 OODA 循环并仅通过共享黑板进行隐式协调。支持 Claude Code、Codex 和 Pi 作为 worker 后端，可使用 Docker Compose 或手动部署，也可本地模式（无需 Docker）运行。在腾讯云黑客松智能渗透测试挑战赛（第二届）中，以 54/54 全解、唯一 AK 队伍获得第三名。项目授权为 AGPL-3.0，商用需联系作者获取商业许可。
Cairn 通过三个任务类型运行：Bootstrap（项目启动时直接尝试求解）、Reason（读取全部图，判断目标是否达成，决定下一步探索方向）、Explore（认领一个 Intent，执行探索并回报一个 Fact）。Worker 由 Dispatcher 调度，从 API 接收 prompt 并输出结构化结果，支持 Claude Code、Codex、Pi 后端。系统提供 cairn serve 启动服务器、cairn dispatch --config dispatch.yaml 启动 Dispatcher，并通过 Docker Compose 或本地模式运行。输入是目标 IP 或系统作为 origin，输出是逐步的事实链直到达成目标（如获得 shell 或 flag）。黑板架构允许随时注入 Hint 进行人工干预。
- 安全团队在授权环境中对目标进行自主渗透测试，从初始信息收集到获取 shell 的全流程自动化。
- CTF 参赛者利用 Cairn 自动解 flag，通过在挑战环境中搜索状态空间来发现利用链。
- 漏洞研究人员使用 Cairn 辅助进行黑盒测试，通过结构化探索发现未知的攻击面。
- 希望将通用问题求解引擎用于数学证明或复杂决策场景的研究者，通过定义 origin 和 goal 来应用。
- 企业安全团队在内部红队演练中，评估自主 agent 的效率和边界。
- 开发者在本地模式（无需 Docker）测试 Cairn 与已有 CLI（如 claude、codex）的集成。
这个 Agent 有哪些优点和局限？
- 通用引擎，不限定角色或工作流，适用于任何起点和目标明确的问题。
- 经实战验证：在 610 支队伍、1345 名参赛者中唯一完成 54/54 题的 AK，获得第三名。
- 黑板架构与 stigmergy 协调，无直接通信，可扩展并发 workers。
- 支持多种 worker 后端（Claude Code、Codex、Pi），并可本地模式运行，减少基础设施依赖。
- 仅作为研究原型，比赛前未经测试，缺乏长期维护和社区支持。
- 依赖外部 LLM 端点，需要配置 API 密钥，存在提供商锁定和成本。
- 文档不足以覆盖所有部署场景，本地模式需手动配置 CLI 登录。
- 为 AGPL-3.0 许可，商用需另行联系作者，可能阻碍商业采用。
如何安装或部署这个 Agent？
前置要求：macOS 或 Linux，Python ≥ 3.12，Docker（容器模式需要）。拉取 worker 镜像：docker pull --platform=linux/amd64 ghcr.io/oritera/cairn-worker-container:latest。复制配置：cp dispatch.example.yaml dispatch.yaml 并填写 LLM 端点与 API 密钥。Docker Compose 方式：拉取基础镜像 docker pull ghcr.io/astral-sh/uv:python3.13-trixie，然后 docker compose up --build。手动方式：uv run --project cairn cairn serve 和 uv run --project cairn cairn dispatch --config dispatch.yaml。本地模式无需 Docker：复制 dispatch.local.example.yaml 为 dispatch.yaml，且本机需已安装并登录 claude/codex/pi CLI。
如何使用这个 Agent？
首先配置 dispatch.yaml 以提供 LLM 端点与密钥。然后启动 server 和 dispatcher：uv run --project cairn cairn serve 及 uv run --project cairn cairn dispatch --config dispatch.yaml。系统会为每个项目创建独立 worker 容器，容器内多个 Agent Worker 并发运行。通过共享黑板上的 Facts、Intents、Hints 协调。任务类型自动调度：Bootstrap 启动时直接尝试，Reason 周期性评估状态，Explore 执行探索。可通过 --startup-healthcheck-only 仅做健康检查。本地模式需在主机上直接运行 dispatcher，worker 使用主机上的 CLI 且不经过沙箱。运行测试：uv run --project cairn --group dev pytest。