PentestCode
运行在终端里的自主 AI 渗透测试多智能体系统，自带持久化作战状态、战略协调与并行自治操作。
README 宣称有 scope_check 工具、guided 模式逐步审批、pause 策略与解析器强制管线，但提供的证据文件中没有任何工具实现或权限配置可供核对，最小权限只能记为有主张无实证（1）。guided 模式与 pause always 的描述支持用户确认机制（2）。engagement state、findings.md 的数据流描述较清晰（2）。凭据、hash、shell 访问被显式存储在状态中，但未见加密、脱敏或访问控制说明（1）。依赖大量打了补丁的第三方包与 beta 版 effect（4.0.0-beta.83），补丁存在但无安全审计证据（2）。工具会对真实目标执行 nmap、凭据喷洒、漏洞利用等外向动作，README 仅靠'授权测试'一词约束，且 free 模式'绕过 scope 检查'是明确扣分点（1）。无回滚/撤销机制的任何说明（1）。LICENSE 明确承认 fork 自 OpenCode 并保留 MIT（2）。
CI 含 unit/e2e/typecheck 工作流，契约一致性测试写得相当扎实（2），但可见测试全部针对 client SDK，核心 pentest 逻辑（状态机、解析器、scope 检查）无测试证据。依赖大量 beta/RC 版本（effect beta、drizzle RC、pkg.pr.new 的 solid-start），可用性风险实际存在（1）。失败消息仅有 typed error 的间接证据（1）。
面向 pentest/CTF/bug bounty 多场景，受众描述清楚（2）。beta 定位与'expect rough edges'诚实，但工具对目标的破坏性边界、scope 强制的技术保证在证据中缺失，且 free 模式故意绕过检查（1）。slash 命令与模式的触发语义有文档但无实现佐证（1）。支持 Linux/macOS、x64/arm64、多 provider（2）。
README 结构 excellent：安装、快速开始、架构、工具表、命令表、配置、贡献（3）。安装有多种方式含版本固定，但 curl|bash 管道安装未给校验和（2）。命名一致（pentestcode-ai npm 包、目录名）（2）。有配置示例与使用示例但无 FAQ（2）。beta 声明与'expect rough edges'是诚实的局限说明（2）。LICENSE 全文完整且含 fork 归属（3）。有 release badge 但无 CHANGELOG 文件（1）。有 issue 流程与 CI，维护路径可见但发布者身份未验证（2）。
findings.md、/status、/vulns、/creds、report_gen 提供了结构化可用输出（2）。相对'把提示词贴进聊天窗口'的基线，共享状态+解析器管线是真实的边际价值，但 4.3× 等 HPTSA 数字是外部研究的引用而非本项目实测（2）。单二进制、多 provider 降低了成本，但自主喷洒与并行子代理的 token/流量成本未给出估算（2）。
架构主张（13 agents、18 tools、19 skills、30+ mutation types）无法在提供的文件中追溯到实现（1）。HPTSA 论文引用与 fork 声明可外部核对，但内部数字无源（1）。README 区分了自身主张与外部研究（arxiv 链接、fork 说明），混淆较少（2）。
- 这是一个自主攻击型代理：nmap 扫描、凭据喷洒、漏洞利用均对真实目标执行，务必仅在书面授权范围内使用。
- free 模式明确绕过 scope 检查；在无人监督的 auto 模式下此风险叠加，建议默认 guided + pause always。
- 凭据、hash 与 shell 访问以明文存储在本地 engagement state 和 findings.md 中，注意文件权限与磁盘残留。
- install.sh 通过 curl|bash 执行且无校验和；发布者身份未经验证，建议从源码构建或固定版本并核对哈希。
- 大量依赖处于 beta/RC 且带本地补丁，存在供应链与稳定性风险；核心 pentest 逻辑（解析器、scope 检查）在可见证据中无测试覆盖。
这个 Agent 能做什么，适合哪些场景？
PentestCode（GitHub: s0ld13rr/pentestcode，MIT 许可）是一个面向进攻性安全的终端 AI 渗透测试智能体，由 OpenCode（MIT）硬分叉而来，去除了代码编辑功能并重建为渗透测试专用。它采用 HPTSA 研究中的战略家—协调者模型，由一个 lead 智能体（pentest）规划任务并并行调度 13 个专职子智能体（recon、scanner、exploiter、identity、webapp、post-exploit、critic、reporter 等）。所有智能体共享一份结构化的 engagement state，涵盖主机与服务、漏洞、凭据、访问权限、实体关系图、AD 域模型、网段及基于 Dijkstra/Yen 算法的攻击路径。除 bash 外内置 18 个专用工具（如 nmap_parse、bloodhound_parse、cred_spray、attack_path_suggest），并提供 19 个按需加载的技能包。它以单个自包含二进制发布（Linux/macOS，x64/arm64），支持通过 ai-sdk 接入 Anthropic、OpenAI、Google、Ollama 等 20 多家模型提供商，并处于 Beta 阶段。
用户给出一条指令（如 "pentest 10.10.10.5, goal is domain admin"）后，lead 智能体执行完整的渗透链路：运行 nmap -sS -p- 并通过 nmap_parse 将 XML 直接写入 engagement state；根据端口（88+389）识别域控并并行派发 SMB、LDAP、HTTP 枚举子智能体；执行 AS-REP roasting 获取首个凭据，再用 cred_spray 对所有已知主机的 SMB/WinRM/LDAP/RDP 进行凭据喷洒；拿到 WinRM 落脚点后由后渗透智能体转储 SAM/LSA/DPAPI。所有发现通过 state_update（30+ 变更类型）写入状态，可用 state_query（20+ 查询类型）或斜杠命令 /status、/vulns、/creds 实时查询；findings.md 以时间戳记录每个漏洞、凭据和权限提升，report_gen 生成 markdown/JSON 报告。bloodhound_parse 填充 AD 域模型，attack_path_suggest 基于代价的 Dijkstra + Yen K 最短路径在关系图上寻找攻击路径，scope_check 做 CIDR/通配符范围校验，tunnel_manage 规划 SSH/chisel/ligolo 隧道。
- 授权渗透测试人员对内网目标执行从侦察到报告的完整方法论，状态可跨会话续接
- CTF 选手在多目标比赛中协调枚举、攻击链和 flag 跟踪
- 漏洞赏金猎人自动化 Web 应用与 API 安全测试及侦察
- 红队/安全研究者对 Active Directory 环境做身份与攻击路径分析（Kerberos、Bloodhound 数据）
- 基础设施安全团队审计网络服务、检查默认凭据
- 漏洞研究人员进行系统化枚举与验证，critic 智能体负责过滤误报
这个 Agent 有哪些优点和局限？
- 13 个专职子智能体并行作战的多智能体架构，依据 HPTSA 研究相比单智能体有 4.3 倍提升
- 结构化 engagement state 跨会话持久化，所有智能体共享主机、漏洞、凭据、访问与关系图数据
- 18 个强制解析器工具（nmap_parse、cme_parse 等）确保工具输出结构化入state，而非靠手工 grep
- 通过 ai-sdk 支持 20+ 模型提供商，单二进制自包含分发，无运行时依赖
- 19 个按需加载的 markdown 技能包，可自行添加 SKILL.md 扩展而无需改代码
- 项目处于 Beta，README 明示在真实项目中有粗糙边缘，可能循环、遗漏明显路径或浪费 token
- 依赖外部渗透工具（nmap、Nuclei、NetExec、Gobuster、sqlmap、SharpHound 等）需自行安装配置
- 需要自备 LLM 提供商账号与 API 费用，自主多智能体并行运行的 token 消耗可能较高
- free 模式会绕过范围检查，auto 模式自主执行攻击操作，存在越权风险，必须严格限定在授权范围
- 仅支持 Linux 和 macOS，无 Windows 原生支持；README 未提供基准评测或第三方审计证据
如何安装或部署这个 Agent？
通过 npm 安装：npm install -g pentestcode-ai；或用 curl 安装脚本：curl -fsSL https://raw.githubusercontent.com/s0ld13rr/pentestcode/main/install.sh | bash。可固定版本：PENTESTCODE_VERSION=0.1.7 curl -fsSL ... | bash；可自定义目录：PENTESTCODE_INSTALL=/usr/local/bin curl -fsSL ... | bash。也可从源码构建：bun install && bun run build --single --skip-embed-web-ui，产物位于 packages/opencode/dist/pentestcode-<os>-<arch>/bin/pentestcode。需要 Linux 或 macOS（x64/arm64），无需 Bun/Node 运行时。
如何使用这个 Agent？
先连接模型提供商：pentestcode auth login（支持 Anthropic、OpenAI、Google、Azure、AWS Bedrock、Ollama 等 20+ 提供商）。然后：pentestcode 启动交互式会话；或一次性执行：pentestcode --prompt "scan 10.10.10.0/24 and enumerate all services"。配置文件位于 .pentestcode/pentestcode.c，例如 {"provider": {"anthropic": {"model": "claude-sonnet-4-20250514"}}}。运行中用 /status、/targets、/vulns、/creds、/scope、/phase 查看状态；/mode 切换 auto（自主跑完整流程）/ free（无阶段结构、绕过范围检查）/ guided（每步等待批准）；/pause 设定发现时暂停策略（never/always/checkpoint）；/report 生成报告。仅限授权目标使用。
这个 Agent 与同类方案有什么区别？
它是 OpenCode（MIT）的硬分叉，去除了代码编辑定位、重建为进攻性安全用途；多智能体设计引用 HPTSA 研究（arXiv:2410.02246）的 strategizer-coordinator 模型，声称比单智能体提升 4.3 倍。