secbot（原 hackbot）: 自动化渗透测试机器人

一个智能化的自动化渗透测试机器人，具备 AI 驱动的安全测试能力

English | 中文

---

⚠️ 安全警告

本工具仅用于授权的安全测试。未经授权使用本工具进行网络攻击是违法的。

• ✅ 仅对您拥有或已获得明确书面授权的系统使用
• ✅ 确保遵守所有适用的法律法规
• ✅ 负责任和道德地使用

🚀 功能特性

核心能力

• 🤖 多种智能体模式: ReAct、Plan-Execute、多智能体、工具使用、记忆增强
• 🌐 AI Web 研究子智能体: 独立的 WebResearchAgent，基于 ReAct 自动完成联网搜索、网页提取、多页爬取和 API 调用
• 💻 本地控制界面: 提供简单直观的命令行入口与配置工具
• 🖥️ 持久化终端会话: 为 hackbot 提供仅由智能体驱动的专用终端，会话内多步命令执行与系统信息收集=
• 🕷️ AI 网络爬虫: 实时网络信息捕获和监控
• 💻 操作系统控制: 文件操作、进程管理、系统信息

渗透测试

• 🔍 信息收集: 自动化信息收集（主机名、IP、端口、服务）
• 🔍 漏洞扫描: 端口扫描、服务检测、漏洞识别
• ⚔️ 漏洞利用引擎: 自动化执行SQL注入、XSS、命令注入、文件上传、路径遍历、SSRF等漏洞利用
• 🔗 自动化攻击链: 完整的渗透测试工作流自动化
  • 信息收集 → 漏洞扫描 → 漏洞利用 → 后渗透
• 📦 Payload生成器: 自动生成各种攻击payload
• 🎯 后渗透利用: 权限提升、持久化、横向移动、数据exfiltration
• ⚔️ 网络攻击: 暴力破解、DoS测试、缓冲区溢出（仅限授权测试）

安全与防御

• 🛡️ 主动防御: 信息收集、漏洞扫描、网络分析、入侵检测
• 📊 安全报告: 自动化详细安全分析报告
• 🔍 网络发现: 自动发现网络中的所有主机
• 🎯 授权管理: 管理对目标主机的合法授权
• 🖥️ 远程控制: 在授权主机上执行远程命令和文件传输

Web 研究能力（联网能力）

• 🔎 智能搜索：基于 DuckDuckGo 的智能搜索 → 抓取结果页面 → 由 LLM 进行综合总结
• 📄 网页提取：按模式提取网页内容——纯文本、结构化（表格/列表）或自定义 AI schema
• 🕸️ 深度爬取：从起始 URL 进行 BFS 多页爬取，支持深度/URL 过滤和可选 AI 提取
• 🔌 API 客户端：通用 REST API 客户端，内置天气、IP 信息、GitHub、汇率、DNS 等常用模板
• 🤖 Web Research 工具：既可委托给 WebResearchAgent 自主研究，也可由主智能体直接按模式调用 smart_search / page_extract / deep_crawl / api_client

附加功能

• 📝 提示词链管理: 灵活的智能体提示词配置
• 💾 SQLite 数据库: 持久化存储对话历史、提示词链、配置
• ⏰ 任务调度: 支持定时执行渗透测试任务
• 🎨 终端输出优化: 支持颜色化日志与结构化输出，便于阅读与排错

🧩 架构与多智能体协作

为了便于理解 secbot 内部各层组件与多智能体之间的协作关系，这里给出一个尽量完整且可对照源码的架构说明。

提示：下面先给出一张静态架构图（assets/secbot_architecture.png），便于在 GitHub / 代码托管平台中直接预览；其详细文字说明与对应源码文件请参考本节后续内容与 mermaid 图。

关键设计思路（按层展开）

1. 路由与会话编排层（router/chat.py + core/session.py）

• 入口路由 router/chat.py
  • /api/chat（SSE）：将前端请求封装为 ChatRequest，创建 EventBus，订阅关键事件类型（PLAN_START/THINK_*/EXEC_*/CONTENT/REPORT_END/ERROR 等），然后调用 SessionManager.handle_message()。
  • _event_to_sse()：把 EventBus 事件映射为前端可消费的 SSE 事件，并将 data.agent 一路透传给前端，便于区分不同 Agent 的输出。
• SessionManager（会话编排器）
  • 负责一次完整交互的三阶段流程：
    1. 路由：判断是否直接走 QA / 闲聊回复，还是进入技术流（Planner + Hackbot）。
    2. 规划：调用 PlannerAgent.plan() 生成 PlanResult，并经 EventBus 广播规划摘要与 Todos。
    3. 执行：根据 Todos 是否存在以及 Agent 能力，选择：
       • 分层执行模式：TaskExecutor + CoordinatorAgent（推荐路径，支持多 Agent 并行）。
       • 兼容模式：直接调用 ReAct 风格的 agent.process()。
  • 对 Agent 的回调事件统一经过 _bridge_agent_event() 包装，补上 agent 字段，同时自动更新 Planner 中 Todo 的执行状态（PLAN_TODO 事件）。

2. PlannerAgent：结构化规划 + 资源/风险感知

• 将用户请求拆解为 TodoItem 列表，每个 Todo 带上：
  • depends_on：依赖关系（形成有向无环图）。
  • resource：目标资产标识，例如：
    • host:192.168.1.10 / subnet:192.168.1.0/24
    • web:https://example.com
    • domain:example.com / osint:<关键字>
  • risk_level：low / medium / high，根据工具类型与描述粗略推断（如 exploit / fuzz / brute 等归为高风险）。
  • agent_hint：推荐由哪个子 Agent 执行（network_recon / web_pentest / osint / terminal_ops / defense_monitor）。
• get_execution_order()：
  • 先按 depends_on 对 Todos 做拓扑排序，保证依赖拓扑正确。
  • 在每一拓扑层内，根据 resource 与 risk_level 进一步划分实际执行层：
    • 同一资源上 risk_level="high" 的 Todo 不会出现在同一执行层内，强制串行。
    • 尊重全局并行上限 max_parallel_per_layer，避免一次性打爆系统。
  • 返回 List[List[todo_id]]，供 TaskExecutor 按层并发执行。

3. TaskExecutor：分层并发执行器（core/executor.py）

• 根据 PlannerAgent.get_execution_order() 的层级顺序执行：
  • 单 Todo 的层：串行执行，直接向前端发送事件。
  • 多 Todo 的层：使用 asyncio.gather 并发执行，执行完成后再按计划顺序线性发射事件，保证前端展示顺序与规划一致。
• 上下文聚合策略：
  • by_todo：以 todo_id 为 key 的结果映射（兼容旧逻辑）。
  • by_resource：以 resource 为 key 的结果列表，挂在 context["_by_resource_"] 下，方便后续步骤/子 Agent 按资产维度复用前置信息。

4. CoordinatorAgent（Hackbot 主体）：多子 Agent 协同

• 对外仍暴露为 "hackbot"，但内部不再直接调用具体工具，而是：
  • 在普通 process() 模式下，委托给历史的 HackbotAgent，保持兼容。
  • 在分层执行模式下，通过 execute_todo() 按 Todo 的 agent_hint / resource / tool_hint 选择对应的专职子 Agent：
    • network_recon → NetworkReconAgent
    • web_pentest → WebPentestAgent
    • osint → OSINTAgent
    • terminal_ops → TerminalOpsAgent
    • defense_monitor → DefenseMonitorAgent
  • 若无法匹配，则退回默认 HackbotAgent。
• 在每次 execute_todo() 后，将结果按 Agent 维度聚合到 _agent_results 中，最终交给 SummaryAgent 做「多 Agent 汇总报告」。

5. 专职子 Agent：窄而深的 ReAct 能力

• 所有子 Agent 继承自 SecurityReActAgent，拥有：
  • 独立的系统提示词（明确各自职责，如“只做网络扫描”“只做 Web 基础渗透”等）。
  • 独立的工具集：
    • NetworkReconAgent：CORE_SECURITY_TOOLS + NETWORK_TOOLS
    • WebPentestAgent：WEB_TOOLS
    • OSINTAgent：OSINT_TOOLS + WEB_RESEARCH_TOOLS
    • TerminalOpsAgent：TerminalSessionTool
    • DefenseMonitorAgent：DEFENSE_TOOLS
  • 自己的会话摘要 _session_context_summary，用于跨轮记忆；Coordinator 在每轮结束时会调用 append_turn_to_session_context() 同步本轮关键结论。

6. SummaryAgent：多 Agent 结果汇总（core/agents/summary_agent.py）

• 接收：
  • 规划结果 PlanResult.todos（包含每步的完成状态与 result_summary）。
  • ReAct 思考 / 观察历史（_react_history）。
  • 聚合后的工具执行结果（含「按 Agent 维度」的 _agent_results）。
• 输出：
  • 结构化报告（Markdown），包括：任务总结、Todo 完成情况、关键发现、风险评估、修复建议、综合结论等。
  • 按 Agent 维度的局部总结，例如：
    • 「一、外部情报（来自 OSINTAgent）」
    • 「二、网络攻击面（来自 NetworkReconAgent）」
    • 「三、Web 资产安全状况（来自 WebPentestAgent）」等。

7. 事件流与前端渲染（EventBus + SSE + 前端组件）

• SecurityReActAgent._emit_event() 为所有事件自动附加 agent 字段（优先 self.agent_type，其次 self.name）。

• SessionManager._bridge_agent_event() 会将这些事件映射为 EventBus 的标准事件类型：

  • 思考类：THINK_START / THINK_CHUNK / THINK_END
  • 执行类：EXEC_START / EXEC_RESULT
  • 内容类：CONTENT（包含规划说明 / 观察信息等）
  • 报告类：REPORT_END
  • 错误类：ERROR

• router/chat.py::_event_to_sse() 将上述事件转成前端 SSE 事件：

  • 例如 THINK_CHUNK → thought_chunk，EXEC_START → action_start，并透传 agent。

• 前端（ChatScreen.tsx）根据 agent 字段在 UI 上作区分：

  • ThinkingBlock / ExecutionBlock 头部会显示 [network_recon] / [web_pentest] 等标签，明确当前思考/动作来自哪个子 Agent。
  • 将用户请求拆解为 TodoItem 列表，每个 Todo 带上 depends_on、resource（如 host:192.168.1.10、web:https://example.com）、risk_level 以及 agent_hint。
  • 通过 get_execution_order() 基于依赖关系 + 资源 / 风险做「安全可控的并行」：同一资源上的高危步骤强制串行，不同资源之间尽量并行。

• TaskExecutor：分层并发执行器

  • 根据 PlannerAgent.get_execution_order() 输出的层级执行顺序，逐层执行 Todo：层内可并行，层间严格按依赖拓扑前进。
  • 在传给 Agent 的 context 中，既保留按 todo_id 的结果映射，又额外按 resource 聚合结果（context["_by_resource_"]），方便后续步骤或子 Agent 直接基于同一资产历史信息进行推理。

• CoordinatorAgent（Hackbot 主体）：多子 Agent 协同

  • 对外仍以 "hackbot" 身份暴露，但内部不再单体执行，而是根据每个 Todo 的 agent_hint/resource/tool_hint 将执行委派给相应的专职子 Agent：
    • network_recon → NetworkReconAgent
    • web_pentest → WebPentestAgent
    • osint → OSINTAgent
    • terminal_ops → TerminalOpsAgent
    • defense_monitor → DefenseMonitorAgent
  • Coordinator 本身只负责路由与结果聚合，不直接运行具体安全工具。

• 专职子 Agent：窄而深的 ReAct 能力

  • 所有子 Agent 继承自 SecurityReActAgent，拥有各自的系统提示词和专属工具集，仅在自己负责的域内做 ReAct 推理和工具调用。
  • 每个子 Agent 都维护自己的会话摘要（短记忆），Coordinator 在每轮任务结束后将摘要同步到所有 Agent，保证下一个任务能参考历史情报。

• SummaryAgent：多 Agent 结果汇总

  • 从 Coordinator 聚合到的「按 agent 维度的工具执行结果」中，生成分节式的最终报告，例如：网络攻击面、Web 安全状况、外部情报、本机防御等，清晰体现多智能体协作过程。

• EventBus + SSE：带 agent 标签的事件流

  • 所有 THINK / EXEC / REPORT 事件都会带上 agent 字段，前端（ChatScreen.tsx）在渲染 ThinkingBlock、ExecutionBlock 等组件时，会标注 [network_recon] / [web_pentest] / [osint] 等来源，便于用户理解每一步是由哪个智能体完成的。

仓库命名说明

• GitHub 远程仓库现已统一为 secbot，项目早期名称为 hackbot，文档中的命令和包名会逐步迁移为 secbot（保留 hackbot 作为兼容入口）。

---

📋 系统要求

• Python 3.10+
• uv - 快速 Python 包管理器
• Ollama (用于 LLM 推理)
• 依赖在 pyproject.toml 中管理

📦 发布版（免 Python 安装）

若不想安装 Python，可直接使用单文件可执行程序（Windows / macOS / Linux）：

1. 在 Releases 下载对应平台 zip（如 secbot-linux-amd64.zip），解压得到 secbot 目录。
2. 配置 DeepSeek API Key（启动前唯一必须条件）：环境变量 DEEPSEEK_API_KEY=sk-xxx，或在 secbot 目录内创建 .env 写入该变量。
3. 进入 secbot 目录，运行 ./secbot（Linux/macOS）或 secbot.exe（Windows）即可进入交互式界面。

详见 发布版使用说明。

---

🛠️ 安装（从源码运行）

1. 克隆仓库

git clone https://github.com/iammm0/secbot.git
cd secbot

2. 安装依赖

uv 是一个快速的 Python 包安装器和解析器。

# 如果尚未安装 uv，请先安装
curl -LsSf https://astral.sh/uv/install.sh | sh

# 使用 uv 安装依赖
uv sync

3. 安装并启动Ollama

# 从 https://ollama.ai 安装Ollama

# 下载所需模型
ollama pull gemma3:3b
ollama pull nomic-embed-text

# Ollama服务默认运行在 http://localhost:11434

4. 配置环境变量

cp .env.example .env

编辑 .env 文件：

• OLLAMA_MODEL: 推理模型（默认: gemma3:1b，本地没有时打开模型列表会自动拉取）
• OLLAMA_EMBEDDING_MODEL: 嵌入模型（默认: nomic-embed-text）

5. 构建并安装（可选）

# 构建包 (使用 uv)
uv run python -m build

# 安装包（包名为 secbot，版本见 pyproject.toml）
uv pip install dist/secbot-*.whl

# 现在可直接使用 hackbot / secbot（无参数即交互模式）
secbot

🎯 快速开始

基本使用（无参数即交互模式）

# 无参数运行即进入交互模式（占据整个终端，退出后恢复）
python main.py
# 或
uv run secbot
# 或（若已安装）hackbot / secbot

所有交互（对话、切换智能体、工具、斜杠命令）均在交互会话内完成。输入 / 后回车可列出命令；输入 exit 或 quit 退出。

在交互模式内（示例）

启动后可以：

• 渗透/扫描：例如「扫描 192.168.1.1 的端口」，或使用斜杠命令 /list-targets、/list-authorizations、/defense-scan、/defense-blocked
• 系统/数据库/语音/提示词：使用 /system-info、/db-stats、/db-history、/prompt-list 等；输入 / 后回车可查看全部命令

远程控制、防御、系统状态、数据库、语音、提示词等均在交互模式内通过斜杠命令或自然语言使用（如 /list-authorizations、/defense-scan、/system-info、/db-stats、/prompt-list 等），输入 / 后回车可查看全部命令。

终端 UI（TypeScript 生态，推荐）

终端界面采用 TypeScript 生态（Ink + React），通过 HTTP/SSE 连接 Python 后端：

1. 先启动后端：python -m router.main 或 uv run hackbot-server
2. 在另一终端进入 terminal-ui 并运行：npm install && npm run tui

配置后端地址：环境变量 SECBOT_API_URL 或 BASE_URL（默认 http://localhost:8000）。一键启动：Windows 运行 .\scripts\start-ts-tui.ps1，Linux/macOS 运行 ./scripts/start-ts-tui.sh。详见 terminal-ui/README.md。

也可使用上述 Python 交互模式（无参数运行 python main.py 或 uv run secbot），作为无需 Node 的备用方式。

🔧 开发

运行测试

pytest tests/

构建包

# 使用 uv (推荐)
uv run python -m build

# 或使用构建脚本
./build.sh

📚 文档

• 快速开始指南
• UI 设计与交互 — 终端 UI（TypeScript/Ink）架构说明
• API 文档
• 移动应用指南
• 技能与记忆系统
• 数据库指南
• Docker 设置
• Ollama 设置
• 安全警告
• 提示词指南
• 语音指南
• SQLite 设置
• 部署指南
• API Key 配置说明：API Key（如 DeepSeek / Groq / OpenRouter 等）推荐通过前端/TUI 内的设置或 /model 等配置入口完成，不再提供独立的 Typer+Rich CLI 配置命令；底层仍按 配置与环境变量范式 约定使用 .env + keyring/数据库安全存储敏感信息。

🤝 贡献

欢迎贡献！请随时提交Pull Request。

1. Fork 本仓库
2. 创建您的特性分支 (git checkout -b feature/AmazingFeature)
3. 提交您的更改 (git commit -m '添加一些AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 打开一个Pull Request

📝 许可证

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。

👤 作者

赵明俊 (Zhao Mingjun)

• GitHub: @iammm0
• Email: wisewater5419@gmail.com

🙏 致谢

• 本项目基于众多优秀的开源项目构建，在此向所有参与其中的个人与社区致以诚挚感谢（以下仅为部分代表，排名不分先后，包括但不限于）：
  • 语言与运行时：Python、TypeScript/JavaScript、Node.js
  • 后端框架与基础设施：FastAPI、Starlette / sse-starlette、uvicorn、uv、SQLite
  • LLM 与 AI 生态：LangChain、langchain-openai、langchain-anthropic、langchain-google-genai、langchain-community、DeepSeek/OpenAI/Anthropic/Google Gemini 等云端推理服务、Ollama
  • 终端与日志：终端布局/渲染与日志相关组件（如 loguru 等）
  • 安全与网络相关：项目中集成和封装的各类安全/网络/OSINT 工具及其依赖（如 nmap/scapy 等），感谢这些工具长期维护者
  • 前端与移动端：React、React Native、Expo、Ink、React Navigation 以及相关 UI / 状态管理生态
  • 其他依赖库：requests/httpx、pydantic、sqlalchemy 等在项目中被直接或间接使用的第三方库

若有任何开源项目未在上文列出而已被本项目使用，属疏漏之处，亦在此一并致谢。

📄 开源协议（License）

本项目采用自定义开源协议，详见 LICENSE 文件。

• 允许：个人学习、学术研究与交流（包括教学、论文、非营利技术分享等）可自由使用、修改与分发（须保留版权与协议声明）。
• 商用：任何商业用途须事先获得版权持有人书面授权，未经授权不得商用。
  商用授权联系：wisewater5419@gmail.com 或 GitHub @iammm0。

⚠️ 免责声明

本工具仅用于教育和授权的安全测试目的。作者和贡献者不对因使用本工具造成的任何误用或损害负责。用户在使用本工具对任何系统进行测试之前，必须确保已获得适当的授权。

---

⭐ 如果您觉得这个项目有用，请考虑给它一个星标！⭐