PentAGI：面向渗透测试的自主 AI Agent 系统

vxcontrol/pentagi · Fully autonomous AI Agents system capable of performing complex penetration testing tasks

GitHub原文发布未知首次收录 2026-09-15上架 2026-09-15 07:04

ELI5：它是什么，解决什么问题

PentAGI 是一个基于 AI 的自动化安全测试平台，面向信息安全专业人员、研究人员和爱好者，用于执行渗透测试任务。系统采用多智能体（研究、开发、执行、编排）协作架构，运行在隔离的 Docker 沙箱中，内置 nmap、metasploit、sqlmap 等 20 多种专业安全工具，具备智能记忆系统与可选的 Neo4j 知识图谱集成、内置浏览器与多种外部搜索 API，支持 10 多种 LLM 提供商、REST/GraphQL API、PostgreSQL+pgvector 持久化存储以及 Grafana/Prometheus 监控。项目采用 MIT 许可，通过 Docker Compose 自托管部署。

# 自托管 # LLM # 多智能体 # 渗透测试 # 安全自动化

核心能力与快速开始

★ 24409 · Go

能做什么: 提供完全自主的 AI 渗透测试能力：AI 驱动的智能体自动确定并执行渗透测试步骤，支持可选的执行监控与智能任务规划；内置 20 多种专业安全工具（如 nmap、metasploit、sqlmap）；长期记忆系统存储研究结果与成功方法；可选 Graphiti + Neo4j 知识图谱进行语义关系追踪；内置浏览器与 Tavily、Firecrawl、Perplexity、DuckDuckGo、Google Custom Search、Sploitus、Searxng 等外部搜索集成；由研究、开发、基础设施等专业智能体组成的委派体系；详细日志与 Grafana/Prometheus 监控；生成含利用指南的漏洞报告；基于任务自动选择 Docker 镜像；提供 REST 与 GraphQL API（Bearer Token 认证）；使用 PostgreSQL + pgvector 持久化存储命令与输出；基于微服务架构支持水平扩展；支持 OpenAI、Anthropic、Google AI/Gemini、AWS Bedrock、Ollama、DeepSeek、GLM、Kimi、Qwen、MiniMax 等 10 多个 LLM 提供商及 OpenRouter、DeepInfra 等聚合器。
适用场景: 适合信息安全专业人员、安全研究人员和爱好者进行自动化渗透测试；用于在隔离沙箱中对目标系统执行安全测试；用于生成包含利用指南的详细漏洞报告；用于结合 LLM 与专业安全工具的自动化安全评估流程；用于自托管、可控数据的安全测试部署。
项目形态: 可直接使用的工具
部署方式: 自托管方案，通过 Docker Compose 快速部署，支持完整环境配置；所有操作在隔离的 Docker 沙箱环境中执行；支持多实例运行（tenant_id）；提供 Docker 镜像配置。
主要依赖: 未说明具体硬件要求；需配置受支持的 LLM 提供商（内置提供商或 OpenAI 兼容的自定义端点）；生产本地部署参考文档中的 vLLM + Qwen3.5-27B-FP8 指南。
使用限制: 当前是自主与助手引导的渗透测试平台，并非 CALDERA 式的预定义攻击计划或安全突破与攻击模拟（BAS）/对手模拟产品；类似 BAS 的智能体生成攻击脚本属于概念或未来工作，尚未实现；当前流程报告 UI 支持网页查看、复制到剪贴板、下载 Markdown 和 PDF，JSON 格式流程报告导出未文档化为受支持的输出格式。
许可证: MIT
最近推送: 2026-09-10 13:45

官方入门核对 README 依据 ↗

资料检查：2026-09-15 07:00 · 卡片整理：2026-09-15 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

相似资源

Dossier：自托管的求职管理应用，依据个人档案生成定制简历与求职信并跟踪申请进度

Dossier 是一个自托管的求职管理应用，使用 TypeScript 和 Next.js 构建、以 PostgreSQL 存储数据。它把职业经历集中在一个档案中，生成基础简历；针对具体职位，读取招聘信息、展示与档案的匹配情况，并用档案中的事实起草定制简历和求职信，用户可在聊天中修改并导出 PDF。它提供求职岗位搜索与评分、创业公司职位聚合、可选的每日求职 Agent、Claude 连接器，以及可选的 Gmail 与 Google Calendar 集成，并能用看板和数据表跟踪从草稿到 offer 的全流程。AI 模型可选用 Ollama 或 LM Studio 提供的本地模型，也可选用任意 OpenAI 兼容 API、Anthropic 或 Mistral 的托管模型。

midgley：基于 LLM 多智能体的汽油价格预测框架

midgley 是一个用 Python 实现的多智能体时间序列预测框架，目标是预测美国批发 RBOB 汽油期货和多个都市区的零售无铅汽油价格。它把 Gemini、NOAA 天气模型、海运与内河咽喉点、行政社媒缺口、Cboe OVX、Baker Hughes 钻机数、USGS 水文与地震、炼厂检修等非结构化与物理数据，融合为特征向量，再结合 RB=F、CL=F、BZ=F 等商品期货，用 Ridge 回归与 XGBoost 建模，并通过情景模拟器、预测日志和每周复盘反馈回路迭代模型。项目还自动生成公开 Web 仪表盘，展示各地预测、准确率和数据源目录。

AgentFlow：自托管的多智能体编程编排桥接层

AgentFlow（仓库名 agent-bridge-core）是一个自托管、协议无关的事件驱动编排层，用于把 Claude、Codex、Copilot、Gemini 等 AI 编程智能体与 Telegram、Discord、Slack、SMS、Webhook、TCP 等外部渠道连接起来。它提供会话上下文跨平台保持、可插拔适配器、人在回路审批门、事件溯源、Web 监控面板、多语言指令解析、智能体降级链、可选端到端加密与运行健康检查。README 声明以 MIT 许可发布，并说明其仅为桥接层而非沙箱，需自行承担命令安全、密钥与数据隐私责任。

Firebat：自托管多 LLM 可视化自动化 Agent 平台

Firebat 是一个自托管、单节点、支持多 LLM 提供商的 AI 可视化自动化 Agent（VAA）。用户在 Web UI 中通过一段对话即可完成 Web 应用的构建与运营：一个提示贯穿设计、实现、部署、定时调度与通知。它结合了 Agent（原生 Function Calling 多轮工具循环）、自动化（cron 与预编译流水线）与可视化（46 个内置组件渲染页面、图表、卡片与实时流），并同时提供 MCP 服务端与客户端、沙箱执行与项目构建引导流程。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。