Armur-Ai/Pentest-Swarm-AI

解决什么问题

自动化渗透测试长期只有两条路：扫描器吐出一堆没有验证的"疑似漏洞"，或者人工逐个打点。闭源的 XBOW 证明了 LLM 智能体确实能刷上漏洞赏金榜，但它是托管 SaaS、单智能体、只能用他们的模型。Pentest Swarm AI 想用开源、自托管的方式做同一件事：多个智能体通过共享黑板协作，把侦察结果推进到分类、利用、取证，最后生成报告。

有什么不同

市面上多数号称"多智能体"的安全工具其实是流水线：一个规划 LLM 按固定顺序派发侦察、分类、利用、报告。README 明确反对这种形态，改用三个群体智能原语：stigmergy（智能体在共享黑板上读写发现，信息素权重会随时间衰减）、涌现（攻击链由黑板状态自然形成而非脚本写死）、每个智能体自带触发条件。另一个实质差异是部署方式：不像 XBOW 这类托管服务，模型由你自己提供（Claude、任意 OpenAI 兼容端点，或本地 Ollama/LM Studio），跑在自己的机器上。此外还内置 crAPI、Juice Shop、VAmPI、DVGA 等靶场，可以合法地先练手。

适合谁

适合需要在大范围目标上快速铺开覆盖面的渗透测试人员、盯新目标的漏洞赏金猎人、追求广度的红队。前提是你能接受 alpha 阶段的工具并且愿意盯着它跑。不适合需要商业支持与成熟度保证的团队，更不适合没有书面授权的人——README 的法律免责声明措辞很直接是有原因的。如果你只是想要一个帮你理清思路的单智能体助手，这套东西太重了。

上手成本

需要 Go 1.24 和 7 个以上原生安全工具，内置靶场依赖 Docker。安装方式之一是 npm install -g @armurai/pentestswarm，另有 curl、Homebrew、go install 和 Docker 几种。你必须自备 LLM 提供方密钥或本地模型，因此运行成本就是推理账单（本地模型免费，但受限于自己的硬件与吞吐）。许可证是 AGPL-3.0，打算嵌入或转售的话要留意。项目状态标为 alpha，README 在定位和宣传上着墨很多，基准测试证据偏少，它关于利用能力的说法在你自己复现之前都应视为未证实。

点评

这个仓库已有约两年半历史，本月出现在 Go 月榜（+512 stars，第 12 名），说明关注度正在上升，而不是全新的短期爆发；不过它从未上过日榜，Hacker News 上也没有相关讨论。反对流水线式智能体的架构论证是自洽的，自托管加自带模型也确实是与 XBOW 的实质区别。但风险同样实在：alpha 状态、AGPL 许可，以及一份说得比证明得多的 README。做攻防的人值得花一个下午拿内置靶场跑一遍；还不到可以无人值守地指向客户生产环境的时候。