N1nEmAn/sapper-v2

sapper-v2 用一群 AI 代理来执行授权渗透测试和 CTF 式攻击挑战，而不是只靠一个更聪明的单体代理。由指挥官读取局面并派发任务，将军与士兵并行攻击，纯脚本看门狗负责保活。项目自称在第三届腾讯云智能攻防挑战赛线上预选赛 634 支队伍中拿到 80.18/100，8 小时无人值守运行。

集群如何运作

运行时只有三个窗口：指挥官（读盘、判断、派发，自己从不执行攻击）、AI 军团（tmux 面板中的将军与士兵）、看门狗（纯脚本，用 --continue 重启崩溃的指挥官、轮换密钥、到点收尾）。指挥官的作战条令记录在一份 426 行的比赛原始 skill 文件中，另有架构契约文档（指挥官 skill、架构说明）。

两个机制值得注意。其一是分层事实图谱：事实按标题 / 摘要 / 证据文档三层存储，代理先读要点、需要时再下钻。README 称这解决了单字符串事实图谱的两个失效模式——一条坏事实污染下游，以及无谓的上下文消耗。其二是模型分层：指挥官和将军使用更强的模型，侦察兵和士兵使用更便宜的模型，作者把这一点与“用 1B token 打赢 4.5B”联系起来。

上手方式

运行 install.sh 安装仅依赖标准库的 CLI，然后设置目标和靶标；sapper status 查看盘面与前沿。完整军团通过 Docker 运行，模型网关、密钥池和预算等环境变量在项目的环境文档中说明（README）。README 还指向 SKILL.md 中的单图谱 CLI 与多挑战扫荡流程。

约束与安全

README 明确限定仅限授权安全测试，并链接了单独的免责声明（DISCLAIMER.md）。许可证是 MIT，因此免责声明是使用边界而非许可证限制。作者指出优秀的攻击工具曾被滥用，因此提出 taggant 标记机制：在攻击框架中嵌入标记，授权测试时无害，非法入侵时则把归因信息泄露给受害者。这是提案而非已发布功能，作者也承认自身实现能力有限。

所报告的成绩是腾讯 v1bench 训练场上的比赛分数，并非对真实渗透测试的独立评估。所谓涌现行为——自行发明的信号兵角色、绩效评估、传承手册——是作者的赛后复盘叙述（BATTLE-REPORT.md）；多阶段成功率数字引自一份未具名的行业报告，不是本项目实测。