AI Test Agent - Plataforma de Testes Automatizados com IA
eighteendreamer/Ai_Test_Agent
Testes web automatizados com IA, conhecimento reutilizável e execução estável
Ver no GitHubPlataforma de testes automatizados baseada em LLM que gera, executa e analisa casos de teste inteligentemente. Integra automação de navegador, análise de bugs, geração de relatórios e suporta 15+ modelos de IA com estratégias de execução robustas como stop-loss, isolamento de estado e cache de conhecimento com RAG.
Instalação
npx convez-ai eighteendreamer/Ai_Test_Agent1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.
Métricas
Casos de uso
- Geração automática de casos de teste a partir de requisitos em linguagem natural
- Execução em lote de testes com relatórios unificados e regressão assistida
- Testes de API integrados com sincronização de plataformas de gestão (Jira, Zen, TAPD, etc)
- Redução de custo de tokens e flakiness com cache RAG e isolamento de estado entre casos
Veredito

Solução enterprise-grade focada em reduzir custo operacional de testes com IA e aumentar estabilidade através de cache de conhecimento e estratégias de proteção (stop-loss, circuit-breaker). Diferencia-se por tratamento sofisticado de UI efêmera, assertion semântica fuzzy e integração com 11 plataformas de gestão — não é só 'IA testando', mas infraestrutura de execução reusável para regressão.
README
A tradução para o português deste README ainda está na fila.
御策天检 - 智能自动化测试平台
项目简介
AI Test Agent 是一个基于人工智能的自动化测试平台,利用大语言模型(LLM)和浏览器自动化技术,实现测试用例的智能生成、自动执行、Bug 分析和报告生成。平台采用 适配器模式(Adapter Pattern) 重构了底层模型架构,支持 15+ 主流大模型供应商,并内置了智能止损、模糊匹配、Agent 判定优先、瞬态 UI 感知、用例间状态隔离等策略,大幅提升了测试的稳定性和效率。
平台还内置了 页面知识库(RAG 记忆层),使用 Qdrant 向量数据库存储页面结构知识,在一键测试时优先命中已有知识跳过浏览器探索,并通过 Diff Engine 自动检测页面变更、推荐回归测试范围。
比赛视角下的差异化
如果只把 AI Test Agent 理解成“让大模型帮我测网页”,它确实会和 Claude Code + 测试 Skills 这类通用方案显得相似。
但本项目真正解决的问题不是“AI 能不能测”,而是“AI 测试能不能更低成本、更稳定、可复用、可持续地运行”。
- 知识复用:页面探索结果进入知识库,后续同页面优先命中缓存,减少重复探索和上下文膨胀
- 版本感知:页面结构变化时自动做 Hash 比对和 Diff 分析,辅助回归测试
- 受控生成:模板 + LLM 混合生成用例,降低 Token 消耗并提升结构稳定性
- 稳定执行:内置止损、循环检测、429 熔断、模型自动切换、状态隔离等运行保护机制
- 测试治理:支持报告、Bug、邮件通知、Token 统计、多模型管理和项目平台集成
- 多平台集成:统一适配器工厂接入 11 大项目管理平台(禅道、Jira、PingCode、TAPD、ONES、云效、ClickUp、Asana、Worktile、8Manage、MS Project),实现 Bug 推送和用例双向同步
适合比赛展示的定位不是“又一个通用测试 Agent”,而是“面向真实回归场景的 AI 测试执行内核”。
更完整的比赛答辩话术、演示主线和对比思路见:比赛答辩定位与路演策略.md
核心特性
1. 智能测试用例生成
- 基于自然语言需求自动生成测试用例
- 支持多种文件导入(TXT、PDF、DOCX、DOC)
- 自动生成结构化用例(模块、标题、步骤、预期结果、优先级)
- 智能覆盖正常、异常、边界及安全测试场景
2. 自动化测试执行与智能策略
- 基于 Browser-Use 0.11.1 的智能执行:利用 CDP 协议和 DOM 分析进行精准操作
- 单量 / 批量执行模式:
- 单量执行:逐条执行并生成独立报告
- 批量执行:多用例连续执行,生成统一汇总报告,支持暂停/恢复/停止控制
- 智能止损策略 (Stop Loss):
- 连续 3 步操作无效自动熔断
- 单用例超时控制,防止阻塞整体进度
- 模糊匹配验证 (Fuzzy Matching):
- 支持语义级断言(如"账号或密码错误"与"密码错误"视为匹配),减少误报
- Agent 判定优先:
- Agent 自身的
done(success=True/False)判定优先于关键词匹配和 browser-use 内置 judge 的判定 success语义为"实际结果是否符合预期结果":异常场景测试(如错误密码登录)预期失败且确实失败 →success: true- 解决了旧版关键词匹配(搜索"失败"/"error"等词)导致异常场景用例被误判为 fail 的问题
- Agent 自身的
- 瞬态 UI 感知:
- 针对 Toast/Message/Notification 等 1-3 秒自动消失的前端提示,Agent 被指导先 wait 再观察浏览器状态
- 禁止使用
extract/run_javascript搜索已消失的瞬态 DOM 元素 - 通过 URL 变化、页面内容变化、表单是否仍在等间接证据判断操作结果
- 用例间状态隔离:
- 每条用例执行前通过 CDP 清除 Cookies + localStorage/sessionStorage
- 自动导航回目标 URL,确保从干净状态开始
- 解决了上一条用例登录态残留导致下一条用例结果不准确的问题
3. LLM 输出容错与 JSON 修复
- Provider 感知的 JSON 解析:每个 Provider 内置
parse_json_response()方法,针对各模型输出特点进行专门处理 - 多层修复管线:
- 剥离
<think>推理标签、markdown 代码块、前后缀文字 - 括号匹配提取完整 JSON 对象(
_find_matching_brace) - 修复尾部逗号、缺少逗号(
"value"\n"key"→"value",\n"key") - 截断 JSON 补全(未闭合括号自动补全)
json-repair库作为最终 fallback(所有 Provider 统一集成)
- 剥离
- JSON 解析失败自动重试:用例生成等关键流程在 JSON 解析失败时自动降低 temperature 重新请求 LLM
- Action 别名映射:
LLMWrapper内置DEFAULT_ACTION_ALIASES(20+ 映射),自动将模型返回的非标准 action 名称转换为 browser-use 0.11.1 的标准名称(如evaluate→run_javascript、scroll_down→scroll、click_element→click) - Provider 特定别名:每个 Provider 的
get_browser_use_llm()可传入额外的 provider-specific 别名映射
4. 接口测试(API Testing)
- 接口文件管理:上传 Markdown 接口文档到 MinIO,自动解析提取 endpoints(method/path/summary/params/examples)
- 多策略解析器:支持标题内联格式、中文 KV 格式(
- **路径**: /v1/xxx)、Markdown 表格、全文正则扫描兜底 - 卡片式文件管理界面,支持查看详情、原文预览、删除
- 多策略解析器:支持标题内联格式、中文 KV 格式(
- 智能接口匹配:两段式匹配(关键词粗筛 + LLM 精排),根据测试用例文本自动推荐最合适的接口文件
- 三步式执行流程:
- 选择测试用例(多选)
- AI 智能匹配接口文件,展示推荐与候选列表、接口预览,支持手动切换
- 配置环境(Base URL、Headers)后执行,LLM 生成可执行 DSL → HTTP Runner 发送请求 → 断言验证
- 全链路闭环:执行结果写入
test_records→ 自动生成test_reports→ 失败用例创建bug_reports→ 自动邮件通知auto_receive_bug=1联系人
5. 一键测试(OneClick Test)
- 统一环境上下文:探索与用例生成统一消费标准化
env_info,包含target_url / login_url / username / password / extra_credentials / env_name,避免重复拼装测试数据 - Browser-Use 探索执行主体:默认由 FastAPI + 大模型系统提示词驱动 Browser-Use Agent 完成页面探索与交互,不再依赖项目内自定义 Playwright 点击执行器
- 结构化探索产物:探索阶段会记录页面快照与 DOM 摘要,提取
forms / tables / buttons / links / page_sections / dialogs等结构化能力信息,用于后续子任务规划和用例生成 - 三级任务树 (TaskTree):
- L1:用户意图层(整体测试目标)
- L2:功能规划层(基于页面探索自动拆分的功能模块)
- L3:原子执行层(可执行的单条测试用例)
- 支持状态追踪(pending/confirmed/skipped/running/done/failed)、前端可视化渲染和 JSON 序列化
- 模板混合生成 (Template Integration):优先使用模板生成用例,模板不适用时回退到纯 LLM 生成,降低 Token 消耗并提升结构稳定性
- 全自主 AI 测试:输入一句话任务(如"测试登录功能"),AI 全权执行:意图分析 → 自动获取环境 → 浏览器探索页面 → 生成子任务 → 生成用例 → 用户确认 → 执行测试
- 测试环境管理:在「测试环境」中配置被测系统的 URL、登录账号密码,一键测试时自动从数据库获取,无需每次手动输入
- 智能环境解析:优先使用用户指令中提供的 URL/凭据 → 数据库默认环境 → 环境变量兜底,三级降级策略
- 页面自主探索:LLM 驱动浏览器自动导航到目标页面,收集所有可交互元素、表单字段、按钮、表格等页面结构信息
- 子任务自动规划:基于页面探索结果,LLM 自动规划测试子任务,覆盖正常流程、异常场景、边界条件、安全测试
- 精准用例生成:基于真实页面结构生成测试用例,步骤精确到具体按钮名称和输入框位置,而非纯文本猜测
- 对话式交互界面:类 ChatGPT 的对话流 UI,实时展示分析进度、探索结果、子任务规划和执行结果
- 用户确认机制:生成用例后展示给用户确认或编辑,确认后重新拉起浏览器执行
- 浏览器复用:执行阶段所有用例共享一个 BrowserSession,避免每条用例都启动/关闭浏览器
- 用例间状态隔离:每条用例执行前通过 CDP 清除 Cookies + localStorage/sessionStorage 并导航到目标 URL,防止登录态等状态在用例间泄漏
- 循环检测 (LoopDetector):实时监测 Agent 是否陷入重复操作,达到阈值自动熔断
- 模型自动切换 (FailoverChatModel):当主模型遇到 429 限流或连续失败时,自动切换到备用模型
- 真正的停止控制:通过 asyncio.Event 取消机制 + 浏览器强制关闭,点击停止后立即生效
- 探索取消状态收口:无论是一键测试还是页面知识库探索,被用户中止后都会进入明确的
cancelled / 已取消终态,停止轮询并关闭前端 loading - 429 限流智能熔断:检测到 API 配额耗尽时立即停止后续用例
- 自动邮件通知:测试完成后自动将测试报告 + Bug 报告整合为 HTML 邮件,发送给
auto_receive_bug=1的联系人 - Skills 知识注入:执行时自动加载相关 Skills 作为"便签"注入 LLM 提示词
- RAG 加速:执行前优先查询页面知识库,命中缓存则跳过浏览器探索,节省 Token 消耗与等待时间
6. Skills 管理
- 知识增强系统:Skills 是 Markdown 格式的程序化知识文件,为 AI Agent 提供测试领域的专业指导
- MinIO 存储:Skills 文件存储在 MinIO 对象存储中,数据库仅保存索引信息
- 多种安装方式:
- 从 GitHub 仓库下载安装(支持
GITHUB_PROXY代理配置) - 手动上传
.md文件安装(适用于无法访问 GitHub 的网络环境)
- 从 GitHub 仓库下载安装(支持
- 卡片式管理界面:直观展示已安装 Skills,支持启用/禁用/删除/查看详情
- 便签式注入:执行测试时,将相关 Skills 内容以"便签"形式注入到 LLM 系统提示词中
7. 多模型适配与管理
- 全平台支持:内置适配器支持以下模型供应商:
- OpenAI (GPT-4o, GPT-3.5)
- DeepSeek (DeepSeek-V3, R1) — 含
<think>推理标签处理、R1 专用 ChatOpenAI 实现 - Anthropic (Claude 3.5 Sonnet/Opus)
- Google (Gemini 1.5 Pro/Flash) — 含 Thinking 模型推理标签处理
- Azure OpenAI
- Alibaba / ModelScope (Qwen3-235B, Qwen3.5-397B 等通义系列) — 含结构化输出适配
- MiniMax (abab6.5s, abab6.5 等) — 兼容 OpenAI API
- Ollama (本地模型) — 含 DeepSeek R1 专用实现、
<think>标签处理 - Mistral AI
- Moonshot (Kimi)
- 通用 OpenAI 兼容 — 覆盖硅基流动、魔搭社区、智谱 AI、Grok (xAI)、OpenRouter 等
- 供应商管理页面:前端可视化管理模型供应商(CRUD),配置 API Key、Base URL、默认参数
- Provider 感知的 JSON 解析:每个 Provider 内置
parse_json_response()+json-repair库 fallback - Alibaba/Qwen 结构化输出适配:针对 Qwen3.5 等大参数模型自动启用
dont_force_structured_output+add_schema_to_system_prompt - LLMWrapper 统一包装:拦截
ainvoke,处理消息格式转换、JSON 清洗(_clean_llm_json_output)、action 格式修正(_fix_action_format)、别名映射 - 智能调度:基于数据库配置的优先级和激活状态自动选择最佳模型
- 模型自动切换:内置
ModelAutoSwitcher,当模型遇到 429 限流、超时或连续失败时,自动切换到下一个可用模型 - 成本监控:实时统计 Token 使用量和 API 成本,支持按模型、按来源查看使用日志
8. 智能 Bug 分析
- 自动分析失败原因,区分系统 Bug 与脚本错误
- 智能定级(一级致命至四级轻微)
- 自动提取复现步骤,生成带截图的 Bug 报告
- 关联测试用例,记录预期结果与实际结果
9. 报告与通知
- 运行测试报告:详细执行日志、思维链(Thinking)、步骤截图
- 综合评估报告:AI 驱动的多报告聚合分析,包含质量评级(A/B/C/D)、通过率、改进建议,Markdown 渲染展示
- 邮件推送:集成阿里云 DirectMail、Resend、SMTP 自定义、CyberMail,支持自动发送格式化 HTML 邮件给联系人;采用工厂模式统一调度(
Email_manage/sender.py),新增服务商只需注册一行,无需修改任何调用方 - 一键测试自动通知:一键测试完成后自动将测试报告 + Bug 报告整合为一封 HTML 邮件,发送给
auto_receive_bug=1的联系人 - Bug 报告:按严重程度、状态、错误类型多维度管理
11. 页面知识库(RAG 记忆层)
- 共享探索执行器:页面知识库与一键测试共用同一条 Browser-Use 探索链路,统一由
Exploration.browser_use_agent_explorer执行 - 结构化页面快照:探索时会记录页面快照与 DOM 摘要,并沉淀
forms / tables / buttons / links / page_sections / dialogs等字段,便于后续 RAG 检索与 Diff - 向量存储:使用 Qdrant 向量数据库(Docker 部署)存储页面结构的 Embedding,MySQL 同步保存索引记录
- 语义检索:一键测试前先对目标 URL 做精确匹配,命中则跳过浏览器探索直接复用缓存知识,大幅节省 Token 消耗
- 相似度兜底:精确匹配未命中时,使用 Embedding 做余弦相似度语义检索(阈值 0.82),再次尝试匹配同域名页面的历史知识
- 新鲜度管理:4 小时内访问的知识直接复用;超过 30 天未更新的知识标记为"老化"并按需触发重新探索
- Diff Engine(页面差异引擎):对比新旧页面结构,按变更类型分类(字段新增/删除/修改、按钮/表单/表格的增减),自动推荐需要补充的回归测试子任务
- Collection 配置 UI:
- 可视化配置 Qdrant 连接参数(host、port、collection_name、向量维度、距离度量 Cosine/Dot/Euclid/Manhattan)
- 可视化配置 Embedding 服务(model、API URL、API Key)
- 配置持久化到 MySQL
qdrant_collection_config表,支持"初始化 Collection"和"强制重建"两种操作模式
- 统计面板:展示总记录数(MySQL)、向量数(Qdrant)、老化记录数、Qdrant 健康状态,一键刷新
- 手动管理:支持浏览知识列表、查看单条知识详情、手动录入、按 URL 删除
- 系统代理隔离:在模块初始化时自动将
localhost/127.0.0.1加入NO_PROXY,防止 Windows 系统代理拦截 Python httpx 到本地 Qdrant 的请求
12. AI 驱动的自动化渗透测试(Pentest_Agent)✨ 新增
基于 PentAGI 架构的完整复刻,实现了多 Agent 协作的智能渗透测试系统,当前完成度 85%,核心功能已可用。
核心架构
- 三层上下文传播:FlowContext → TaskContext → SubtaskContext,确保测试上下文在整个执行链中无损传递
- 状态机管理:Created → Running → Waiting/Finished/Failed,支持暂停、恢复、失败重试
- Worker & Controller 模式:异步任务调度,支持并发执行和资源隔离
- Flow/Task/Subtask 三层结构:
- Flow:整个渗透测试流程(对应数据库
security_scan_tasks表) - Task:具体测试任务(如 SQL 注入测试、XSS 检测)
- Subtask:原子级测试步骤(如侦察、识别注入点、利用漏洞,对应
pentest_subtasks表)
- Flow:整个渗透测试流程(对应数据库
13 种专业 Agent(100% 完成)
- Primary Agent:主协调器,决策执行流程,选择合适的 Agent 处理任务
- Generator Agent:任务分解,将测试目标智能拆分为 3-7 个有序子任务
- Refiner Agent:任务精炼,在每个子任务完成后动态调整剩余测试计划
- Reporter Agent:报告生成,自动生成专业渗透测试报告(Markdown/HTML/JSON)
- Pentester Agent:渗透测试执行,调用 Nmap、Nuclei、SQLMap 等安全工具进行漏洞评估
- Coder Agent:代码开发,编写和维护测试脚本(Python/Bash/PowerShell)
- Searcher Agent:信息搜索,收集漏洞情报和测试方法(DuckDuckGo/Google/Sploitus)
- Reflector Agent:错误纠正,自动修正 Agent 输出格式错误和工具调用失败
- Installer Agent:环境配置,自动安装和配置安全工具(apt/pip/git)
- Adviser Agent:专家建议,提供测试策略和最佳实践(基于 OWASP/PTES)
- Memorist Agent:记忆管理,长期记忆存储和检索(基于 Qdrant 向量数据库)
- Enricher Agent:信息增强,从多个来源增强测试上下文(CVE/CNVD/ExploitDB)
- Assistant Agent:交互助手,提供对话式测试支持和用户交互
Agent Chain 执行引擎(90% 完成)
- 100 次迭代循环:自动调用工具完成复杂测试任务,支持长时间运行
- 执行监控(Execution Monitor):
- 检测同一工具连续调用 5 次或总调用 10 次时触发 Mentor Agent 介入
- 自动识别循环和低效执行模式
- 重复检测(Repeating Detector):
- 软限制:重复 3 次发出警告
- 硬限制:重复 7 次强制中止,防止无限循环
- Reflector 纠正机制:当 Agent 返回非结构化文本时自动纠正为标准 JSON 格式
- Tool Call Fixer:工具参数错误时自动修复并重试(最多 3 次)
- Caller Reflector:LLM 调用失败时自动恢复,支持模型切换
- 链摘要(Chain Summarization):防止上下文窗口溢出,保留最近消息和关键 QA
20+ 专业工具(70% 完成)
- 环境工具:
terminal:命令执行(支持 Docker 容器内执行)file:文件读写(支持容器内外文件复制)
- 搜索工具:
browser:网页抓取(基于 requests/httpx)duckduckgo:DuckDuckGo 搜索(已实现)google、tavily、perplexity:需要 API Key 配置sploitus:Exploit 情报搜索(待实现)
- 向量工具(基于 Qdrant):
search_in_memory:语义检索历史测试结果store_guide/search_guide:存储和检索测试指南store_answer/search_answer:存储和检索问答知识store_code/search_code:存储和检索测试脚本
- Agent 委托工具:
pentester:委托 Pentester Agent 执行渗透测试searcher:委托 Searcher Agent 搜索信息coder:委托 Coder Agent 编写代码installer:委托 Installer Agent 安装工具adviser:委托 Adviser Agent 提供建议memorist:委托 Memorist Agent 管理记忆
- 屏障工具:
done:标记任务完成ask:请求用户输入(Flow 进入 Waiting 状态)
- 结果存储工具:
hack_result、search_result、code_result等 18 种工具结果自动存储到向量数据库
Docker 容器隔离(100% 完成)
- 默认镜像:
vxcontrol/kali-linux(Kali Linux 全工具镜像,预装 Nmap、Nuclei、SQLMap、Metasploit 等) - 容器生命周期管理:
- 自动创建容器(挂载工作目录、配置网络、设置能力)
- 自动启动和停止
- 自动清理(测试完成后删除容器)
- 端口动态分配:避免端口冲突
- 网络隔离:每个测试任务在独立网络命名空间中执行
- 能力限制:授予
NET_RAW、NET_ADMIN能力(用于网络扫描) - 容器内命令执行:支持
docker exec执行命令 - 文件复制:支持宿主机与容器间双向文件复制
向量存储和长期记忆(100% 完成)
- 复用现有 Qdrant 实现:集成
Page_Knowledge/vector_store.py和Page_Knowledge/embedding.py - 从数据库读取配置:从
qdrant_collection_config表读取 Qdrant 连接参数和 Embedding 配置 - 项目级别数据隔离:
- 所有向量存储操作强制要求
project_id - 使用
project_id + doc_type + content_hash生成确定性 point_id - 避免跨项目数据污染和重复存储
- 所有向量存储操作强制要求
- 18 种工具结果自动存储:
- 工具执行结果自动向量化并存储到 Qdrant
- 支持按
doc_type过滤(如guide、answer、code、hack_result)
- 语义检索:
- 余弦相似度搜索(阈值可配置,默认 0.2)
- 支持项目过滤和文档类型过滤
- 返回 Top-K 结果(默认 3 条)
智能任务规划
- Generator Agent:自动将测试目标分解为 3-7 个有序子任务
- Refiner Agent:在每个子任务完成后动态调整剩余计划
- 最多支持 15 个 Subtasks:防止任务过度细分
实时日志系统(100% 完成)
- MsgLogWorker:记录 Agent 消息链(存储到
pentest_message_chains表) - AgentLogWorker:记录 Agent 调用日志(Agent 类型、输入、输出、耗时)
- SearchLogWorker:记录搜索日志(搜索关键词、来源、结果数)
- TermLogWorker:记录终端命令执行日志(命令、返回码、输出)
- VectorStoreLogWorker:记录向量存储操作日志(存储/检索操作、文档类型、向量 ID)
- ScreenshotWorker:管理截图文件(自动保存到
../save_floder/pentest/screenshots/)
REST API 接口(100% 完成)
# 创建 Flow
POST /api/pentest/flows
{
"user_id": 1,
"project_id": 1,
"input": "测试 example.com 的 SQL 注入漏洞",
"provider_name": "openai",
"provider_config": {
"model": "gpt-4",
"temperature": 0.7
}
}
# 查询 Flow 状态
GET /api/pentest/flows/{flow_id}
# 提交用户输入(当 Subtask 调用 ask 工具时)
POST /api/pentest/flows/{flow_id}/input
{
"input": "继续执行"
}
# 停止 Flow
POST /api/pentest/flows/{flow_id}/stop
# 完成 Flow
POST /api/pentest/flows/{flow_id}/finish
配置管理
所有配置从环境变量加载(.env 文件),支持精细化配置:
- Docker 配置:
PENTEST_USE_DOCKER、PENTEST_DOCKER_IMAGE、PENTEST_DOCKER_WORKDIR - 执行配置:
PENTEST_MAX_ITERATIONS(默认 100)、PENTEST_MAX_REFLECTOR_ROUNDS(默认 3) - 工具配置:每个工具的超时、输出限制、SSL 验证等
- 安全工具路径:Nmap、Nuclei、SQLMap、XSStrike、FFUF、Gobuster、Metasploit、Hydra、Amass 等
待完善功能(15%)
- Mentor Agent 介入机制:当前仅检测,需完善介入逻辑
- 搜索工具 API 配置:Google、Tavily、Perplexity、Sploitus 需要 API Key
- 知识图谱集成:Neo4j + Graphiti(可选功能)
- 实时推送:WebSocket/SSE 实时推送测试进度(可选)
- 完整链摘要算法:ChainAST + 分段摘要 + QA 保留(当前是简化版)
使用示例
# 1. 确保 Docker 服务运行
docker ps
# 2. 确保 Qdrant 服务运行
docker run -d --name qdrant -p 6333:6333 qdrant/qdrant
# 3. 配置环境变量(.env 文件)
PENTEST_USE_DOCKER=true
PENTEST_DOCKER_IMAGE=vxcontrol/kali-linux
PENTEST_MAX_ITERATIONS=100
# 4. 启动后端服务
cd Agent_Server
python src.py
# 5. 创建渗透测试 Flow(通过 API 或前端界面)
curl -X POST http://localhost:8001/api/pentest/flows \
-H "Content-Type: application/json" \
-d '{
"user_id": 1,
"project_id": 1,
"input": "全面测试 https://example.com 的安全漏洞",
"provider_name": "openai"
}'
# 6. 查询执行状态
curl http://localhost:8001/api/pentest/flows/{flow_id}
技术亮点
- 完整复刻 PentAGI:严格遵循 PentAGI 的架构设计和执行流程
- 项目级别隔离:向量存储、Docker 容器、日志系统全部支持项目隔离
- 确定性存储:使用
project_id + doc_type + content_hash生成 point_id,避免重复存储 - 复用现有模块:最大化复用 LLM、Email、Report、Qdrant、Embedding 等现有实现
- 生产级可靠性:错误恢复、重试机制、超时控制、资源清理、日志追踪
13. 多平台项目管理集成(Project Integration)
- 统一适配器工厂:采用 Factory Pattern 统一接入以下 11 个 项目管理平台:
- 禅道 (Zentao) — 支持 v1/v2 双版本 API 自动探测,兼容禅道 15.x ~ 21.x
- Jira — 支持 Jira Cloud & Server,REST API v2/v3
- PingCode — 国产研发管理平台
- Worktile — 企业协作与项目管理
- ONES — 研发管理一体化平台
- 云效 (Yunxiao) — 阿里云 DevOps 平台
- TAPD — 腾讯敏捷产品研发平台
- 8Manage PM — 企业项目管理系统
- Microsoft Project — 微软项目管理
- Asana — 全球化项目管理工具
- ClickUp — 一体化生产力平台
- 平台总控制台:前端
PlatformControl.vue提供统一视角管理所有已配置平台,支持激活/停用/测试连接 - 每平台三组件:每个平台均提供 Config(配置管理)、Cases(用例导入)、Bugs(Bug 推送与同步)三个视图
- Bug 自动推送:一键将本地 Bug 报告推送到目标平台,自动映射标题、复现步骤、严重程度、影响模块
- 用例双向导入:
- 三种导入模式:按产品一键导入全部用例、按测试套件、按用例 ID 精确导入
- 并发拉取:使用
asyncio.Semaphore控制并发数(默认 5,上限 20),大批量用例数十秒完成 - 自动去重:导入前查询本地已有标题,跳过重复;同批次内也防止重复写入
- 全量字段提取:逐条调用单用例详情接口,保证
steps/precondition/expected/keywords字段完整写入
- 用例模板同步:从平台同步用例字段结构,统一映射到系统内部格式(module/title/precondition/steps/expected/keywords/priority/case_type/stage)
- 远程项目同步:可从已连接平台拉取远程项目列表,同步到本地进行管理
14. 数据可视化仪表盘
仪表盘提供全局视角的测试数据可视化,包括测试趋势、Bug 分布、用例覆盖、安全扫描统计、漏洞严重程度分布、安全用例状态等多维度图表,采用三列自适应布局。
15. UI 自主探索引擎(UI Exploration)
- 独立探索模块:基于 LLM 原生函数调用(Function Calling)+ Selenium WebDriver 的自主页面探索引擎
- 16 个浏览器工具:导航、点击、输入、截图、读取页面、查找元素等,支持 2-5 个工具并行执行
- 三阶段探索流程:
- Bootstrap:自动导航到目标 URL 并登录
- Agent Loop:LLM 根据页面状态自主决策下一步操作(最多 40 轮对话)
- Result Extraction:从探索记录中提取结构化页面知识
- 智能上下文管理:消息截断、工具结果预算控制、MAX_CONTEXT_MESSAGES = 40,防止上下文膨胀
- 视觉高亮:Browser-Use 风格的元素脉冲动画,直观展示 Agent 正在操作的目标
- 错误自恢复:操作失败时自动重试并使用精确 XPath 选择器
- 知识库自动沉淀:探索完成后可选自动存储到页面知识库(Qdrant),供后续 RAG 检索
技术架构
后端技术栈
- 框架: FastAPI 0.115.0 + Uvicorn
- 架构模式: Adapter Pattern (LLM Layer), Factory Pattern
- 数据库: MySQL + SQLAlchemy 2.0.25
- 核心引擎: Browser-Use 0.11.1(统一浏览器执行主体)+ FastAPI / LLM 编排
- LLM 集成: 支持 OpenAI, Anthropic, Google GenAI, DeepSeek, Alibaba, MiniMax, Ollama 等多协议
- LLM 容错: json-repair 库 + 多层 JSON 修复管线 + LLMWrapper 统一包装
- 向量数据库: Qdrant(页面知识库 RAG 记忆层,Docker 部署)
- 对象存储: MinIO(接口文件存储与版本管理)
- 邮件服务: 工厂模式统一调度(
Email_manage/sender.py),内置 Resend / 阿里云 DirectMail (HMAC-SHA1) / SMTP 自定义 (STARTTLS) / CyberMail,扩展新服务商无需修改调用方 - 其他: PyPDF2, Pandas, python-docx, Markdown, requests
- 安全扫描: Nuclei、SQLMap、XSStrike、内置 Fuzz 引擎
前端技术栈
- 框架: Vue 3.4.0 + Naive UI 2.38.0
- 状态管理: Pinia 2.1.7
- 构建工具: Vite 5.0.0
- 样式: TailwindCSS + SCSS
- 图表: ECharts
- Markdown 渲染: marked
项目结构
Ai_Test_Agent/
├── Agent_Server/ # 后端服务
│ ├── app.py # FastAPI 入口
│ ├── Basic/ # 核心应用配置与启动
│ │ ├── config.py # 环境变量配置加载
│ │ ├── endpoints.py # 健康检查、API 根端点
│ │ ├── routes.py # 集中路由注册(19 个路由器)
│ │ └── startup.py # 生命周期管理、启动横幅
│ ├── llm/ # LLM 核心模块
│ │ ├── base.py # Provider 基类 + 通用 JSON 解析 + _find_matching_brace
│ │ ├── factory.py # Provider 工厂
│ │ ├── client.py # LLM 客户端(兼容层)
│ │ ├── manager.py # 模型配置管理
│ │ ├── config.py # 默认配置 + Provider 特性
│ │ ├── auto_switch.py # 模型自动切换 + FailoverChatModel
│ │ ├── wrapper.py # LLMWrapper(消息转换/JSON清洗/action别名映射/格式修正)
│ │ ├── examples.py # 示例配置
│ │ ├── exceptions.py # 异常定义
│ │ └── providers/ # 具体 Provider 实现(每个含 parse_json_response + json-repair)
│ │ ├── openai_provider.py
│ │ ├── anthropic_provider.py
│ │ ├── google_provider.py
│ │ ├── deepseek_provider.py # 含 DeepSeekR1ChatOpenAI
│ │ ├── alibaba_provider.py # 含 Qwen 结构化输出适配
│ │ ├── minimax_provider.py
│ │ ├── ollama_provider.py # 含 DeepSeekR1ChatOllama
│ │ ├── mistral_provider.py
│ │ ├── moonshot_provider.py
│ │ ├── azure_provider.py
│ │ └── generic_provider.py # 通用 OpenAI 兼容(含 SiliconFlow/ModelScope/Zhipu/Grok 子类)
│ ├── Pentest_Agent/ # AI 驱动的自动化渗透测试(基于 PentAGI 架构)
│ │ ├── router.py # REST API 路由(创建/查询/输入/停止 Flow)
│ │ ├── config.py # 配置管理(从环境变量加载)
│ │ ├── IMPLEMENTATION_STATUS.md # 实现状态文档(85% 完成)
│ │ ├── core/ # 核心模块
│ │ │ ├── flow.py # Flow 管理(整个渗透测试流程)
│ │ │ ├── task.py # Task 管理(具体测试任务)
│ │ │ ├── subtask.py # Subtask 管理(原子级测试步骤)
│ │ │ ├── context.py # 三层上下文传播(FlowContext → TaskContext → SubtaskContext)
│ │ │ ├── status.py # 状态机定义(Created/Running/Waiting/Finished/Failed)
│ │ │ ├── performer.py # Agent Chain 执行引擎(100 次迭代/监控/重复检测/纠正)
│ │ │ ├── docker.py # Docker 容器管理(创建/启动/停止/exec/copy)
│ │ │ ├── vector_store.py # 向量存储管理(复用 Qdrant,项目级别隔离)
│ │ │ ├── knowledge_graph.py # 知识图谱(Neo4j,可选)
│ │ │ └── logs/ # 日志 Worker(6 个)
│ │ │ ├── msg_log.py # 消息日志
│ │ │ ├── agent_log.py # Agent 调用日志
│ │ │ ├── search_log.py # 搜索日志
│ │ │ ├── term_log.py # 终端日志
│ │ │ ├── vector_store_log.py # 向量存储日志
│ │ │ └── screenshot.py # 截图管理
│ │ ├── agents/ # 13 种专业 Agent
│ │ │ ├── factory.py # AgentFactory(统一创建)
│ │ │ ├── types.py # Agent 类型定义
│ │ │ ├── primary.py # Primary Agent(主协调器)
│ │ │ ├── generator.py # Generator Agent(任务分解)
│ │ │ ├── refiner.py # Refiner Agent(任务精炼)
│ │ │ ├── reporter.py # Reporter Agent(报告生成)
│ │ │ ├── pentester.py # Pentester Agent(渗透测试执行)
│ │ │ ├── coder.py # Coder Agent(代码开发)
│ │ │ ├── searcher.py # Searcher Agent(信息搜索)
│ │ │ ├── reflector.py # Reflector Agent(错误纠正)
│ │ │ ├── installer.py # Installer Agent(环境配置)
│ │ │ ├── adviser.py # Adviser Agent(专家建议)
│ │ │ ├── memorist.py # Memorist Agent(记忆管理)
│ │ │ ├── enricher.py # Enricher Agent(信息增强)
│ │ │ └── assistant.py # Assistant Agent(交互助手)
│ │ └── tools/ # 20+ 专业工具
│ │ ├── executor.py # 工具执行器(统一调度)
│ │ ├── terminal.py # 终端命令执行
│ │ ├── file.py # 文件读写
│ │ ├── browser.py # 网页抓取
│ │ ├── search.py # 搜索工具(DuckDuckGo/Google/Tavily/Perplexity/Sploitus)
│ │ ├── vector.py # 向量工具(search_in_memory/store_guide/search_answer/store_code)
│ │ ├── agent_tools.py # Agent 委托工具(pentester/searcher/coder/installer/adviser/memorist)
│ │ └── barrier.py # 屏障工具(done/ask)
│ ├── Api_Spec/ # 接口文件管理(MinIO + 解析器)
│ │ ├── router.py # 上传/列表/详情/删除 API
│ │ ├── parser.py # Markdown 多策略解析器
│ │ └── minio_client.py # MinIO 客户端封装
│ ├── Api_Test/ # 接口测试模块
│ │ ├── router.py # 智能匹配 + 执行 API
│ │ └── service.py # 匹配/DSL生成/HTTP Runner/报告/Bug/邮件
│ ├── OneClick_Test/ # 一键测试模块
│ │ ├── router.py # 一键测试 + Skills 管理 API
│ │ ├── service.py # 核心服务(意图分析/页面探索/用例生成/浏览器执行/状态隔离/停止控制/429熔断/自动邮件)
│ │ ├── session.py # 会话状态机管理
│ │ ├── loop_detection.py # 循环检测器(防止 Agent 无限循环)
│ │ ├── skill_manager.py # Skills 管理(MinIO存储/GitHub下载/手动上传/便签注入)
│ │ ├── task_tree.py # 三级任务树(L1 意图 / L2 功能规划 / L3 原子用例)
│ │ └── template_integration.py # 模板 + LLM 混合用例生成
│ ├── UI_Exploration/ # UI 自主探索引擎
│ │ ├── router.py # 探索页面 / 探索状态 / 停止探索 API
│ │ ├── service.py # 探索生命周期编排(启动/状态/取消/清理)
│ │ ├── explorer.py # v2 Agent 引擎(原生函数调用 + Selenium WebDriver)
│ │ ├── tools.py # 16 个浏览器自动化工具(支持并行执行)
│ │ └── prompts.py # Agent 系统提示词与探索策略
│ ├── Page_Knowledge/ # 页面知识库(RAG 记忆层)
│ │ ├── router.py # 知识库 CRUD + 统计 + Collection 配置 API
│ │ ├── service.py # 核心服务(精确匹配/语义检索/存储/版本检查/老化管理)
│ │ ├── vector_store.py # Qdrant 向量存储封装(连接/ensure_collection/upsert/search/reload_config)
│ │ ├── embedding.py # Embedding 客户端(支持多模型,含 reload_embedding_client)
│ │ ├── diff_engine.py # 页面差异引擎(字段/按钮/表单/表格变更分类 + 回归推荐)
│ │ └── schema.py # PageKnowledge 数据结构定义
│ ├── Api_request/ # 提示词模板(集中管理所有 LLM 提示词,含瞬态UI处理规则)
│ ├── Project_manage/ # 多平台项目管理集成
│ │ ├── router.py # 平台配置管理 API
│ │ ├── service.py # 配置管理与客户端实例化
│ │ ├── project_router.py # 项目 CRUD 与远程同步 API
│ │ ├── clients/ # 平台客户端工厂
│ │ │ └── factory.py # Factory Pattern 统一创建平台客户端
│ │ ├── case_template/ # 用例模板同步
│ │ │ ├── router.py # 用例模板 API
│ │ │ └── service.py # 平台字段映射与模板同步
│ │ └── platforms/ # 11 个平台适配器(每个含 client/models/service/router)
│ │ ├── zentao/ # 禅道(v1/v2 API 自适应)
│ │ ├── jira/ # Jira(Cloud & Server)
│ │ ├── pingcode/ # PingCode
│ │ ├── worktile/ # Worktile
│ │ ├── ones/ # ONES
│ │ ├── yunxiao/ # 云效
│ │ ├── tapd/ # TAPD
│ │ ├── eightmanage/ # 8Manage PM
│ │ ├── msproject/ # Microsoft Project
│ │ ├── asana/ # Asana
│ │ └── clickup/ # ClickUp
│ ├── Bug_Analysis/ # Bug 分析服务
│ ├── Build_Report/ # 报告生成服务
│ ├── Build_Use_case/ # 用例生成服务
│ ├── Execute_test/ # 浏览器测试执行服务
│ ├── Dashboard/ # 仪表盘数据
│ ├── Contact_manage/ # 联系人管理
│ ├── Email_manage/ # 邮件管理
│ │ ├── router.py # 邮件配置 CRUD + 发送记录 API
│ │ └── sender.py # 邮件发送工厂(dispatch_send + _PROVIDER_MAP,新增服务商只改此文件)
│ ├── Model_manage/ # 模型配置管理 + 供应商管理
│ ├── Test_Tools/ # 任务管理器
│ ├── database/ # 数据库模型与连接
│ └── save_floder/ # 截图等文件存储
├── agent_web_server/ # 前端服务
│ ├── src/
│ │ ├── api/ # API 接口定义
│ │ ├── views/
│ │ │ ├── dashboard/ # 数据可视化仪表盘
│ │ │ ├── test/ # 测试执行
│ │ │ │ ├── FuncTest.vue # 功能测试(单量/批量 Browser-Use)
│ │ │ │ ├── ApiTest.vue # 接口测试(三步式:选用例→匹配→执行)
│ │ │ │ ├── OneClickTest.vue # 一键测试(对话式 AI 全自动测试)
│ │ │ │ ├── PressTest.vue # 性能测试
│ │ │ │ ├── SecurityTest.vue # 安全测试
│ │ │ │ └── KnowledgeBase.vue # 页面知识库管理(RAG 记忆层 + Collection 配置)
│ │ │ ├── skills/ # Skills 管理
│ │ │ │ └── SkillManage.vue # Skills 管理(卡片式 + 上传安装)
│ │ │ ├── case/ # 用例管理与生成
│ │ │ │ ├── CaseGenerate.vue # 用例生成
│ │ │ │ ├── CaseManage.vue # 用例管理
│ │ │ │ ├── CaseTemplate.vue # 用例模板配置(平台字段映射)
│ │ │ │ ├── ProjectManage.vue # 项目管理
│ │ │ │ └── ApiSpecManage.vue # 接口文件管理(卡片式)
│ │ │ ├── report/ # 报告管理
│ │ │ │ ├── RunReport.vue # 运行测试报告
│ │ │ │ ├── BugReport.vue # Bug 报告
│ │ │ │ └── MixedReport.vue # 综合评估报告
│ │ │ ├── model/ # 模型配置
│ │ │ │ ├── ModelManage.vue # 模型管理
│ │ │ │ └── ProviderManage.vue # 供应商管理
│ │ │ ├── mail/ # 邮件发送与配置
│ │ │ │ ├── SendMail.vue # 邮件发送
│ │ │ │ ├── EmailConfig.vue # 邮件配置(Resend / 阿里云 / SMTP 自定义 / CyberMail)
│ │ │ │ ├── ContactManage.vue # 联系人管理
│ │ │ │ └── Contacts.vue # 联系人列表
│ │ │ ├── prompt/ # 提示词管理
│ │ │ │ └── PromptList.vue
│ │ │ └── project/ # 多平台项目管理集成
│ │ │ ├── PlatformControl.vue # 平台总控制台
│ │ │ ├── zentao/ # 禅道(Config/Cases/Bugs)
│ │ │ ├── jira/ # Jira(Cases/Bugs)
│ │ │ ├── pingcode/ # PingCode(Config/Cases/Bugs)
│ │ │ ├── worktile/ # Worktile(Config/Cases/Bugs)
│ │ │ ├── ones/ # ONES(Config/Cases/Bugs)
│ │ │ ├── yunxiao/ # 云效(Config/Cases/Bugs)
│ │ │ ├── tapd/ # TAPD(Config/Cases/Bugs)
│ │ │ ├── eightmanage/ # 8Manage(Config/Cases/Bugs)
│ │ │ ├── msproject/ # MS Project(Config/Cases/Bugs)
│ │ │ ├── asana/ # Asana(Config/Cases/Bugs)
│ │ │ └── clickup/ # ClickUp(Config/Cases/Bugs)
│ │ ├── components/ # 公共组件
│ │ │ ├── ProjectSelector.vue # 项目选择器
│ │ │ └── project/ # 项目管理公共组件
│ │ ├── composables/ # 组合式函数
│ │ ├── utils/ # 工具函数
│ │ │ └── stepsUtils.js # 测试步骤格式处理(parseSteps/stepsToEditArray/editArrayToJson)
│ │ ├── router/ # 路由配置
│ │ ├── layouts/ # 布局组件
│ │ └── styles/ # 全局样式
│ └── package.json
└── README.md
快速开始
环境要求
- Python 3.11+
- Node.js 18+
- MySQL 8.0+
- MinIO(接口文件存储)
- Qdrant(向量数据库,Docker 部署)
- Chrome / Edge 浏览器
后端部署
- 安装依赖
cd Agent_Server
pip install -r requirements.txt
playwright install chromium
- 配置环境变量 (
.env)
# 数据库
DB_HOST=localhost
DB_PORT=3306
DB_USER=root
DB_PASSWORD=your_password
DB_NAME=ai_test_agent
# 服务端口
PORT=8001
# 浏览器配置
HEADLESS=false
# MinIO 对象存储
MINIO_ENDPOINT=localhost:9000
MINIO_ACCESS_KEY=minioadmin
MINIO_SECRET_KEY=minioadmin
MINIO_BUCKET=aitest
MINIO_REGION=cn-beijing-1
MINIO_SECURE=false
# GitHub 代理(一键测试 Skills 下载,可选)
GITHUB_PROXY=https://ghproxy.com/
# Qdrant 向量数据库(页面知识库 RAG)
QDRANT_HOST=localhost
QDRANT_PORT=6333
QDRANT_COLLECTION=page_knowledge
# Embedding 服务(页面知识库向量化,可选,也可在页面知识库 Collection 配置界面配置)
EMBEDDING_MODEL=text-embedding-ada-002
EMBEDDING_API_URL=https://api.openai.com/v1
EMBEDDING_API_KEY=your_embedding_key
- 启动 Qdrant(页面知识库依赖,可选)
docker run -d --name Qdrant_Ai_Test_Agent \
-p 6333:6333 -p 6334:6334 \
-v qdrant_storage:/qdrant/storage \
qdrant/qdrant
- 初始化数据库
python -c "from database.connection import init_db; init_db()"
- 启动服务
python src.py
前端部署
cd agent_web_server
npm install
npm run dev
前端默认运行在 http://localhost:5175,通过 Vite 代理转发 API 请求到后端 http://localhost:8001。
使用指南
1. 模型配置
进入"模型管理"页面,添加模型时选择对应的 Provider(如 openai、deepseek、alibaba、minimax)。系统会根据 is_active=1 且优先级最高的规则自动调用对应模型。也可在"供应商管理"页面管理模型供应商的 API Key、Base URL 等配置。
2. 功能测试(Browser-Use)
- 单量执行:在"功能测试"页面选择单条用例执行,Agent 自动启动浏览器完成操作并生成报告。
- 批量执行:勾选多条用例批量执行,系统生成统一汇总报告,支持实时暂停/恢复/停止。
- 若遇到验证失败,Agent 会自动尝试回溯操作或进行模糊匹配,无需人工干预。
3. 接口测试(API Testing)
- 上传接口文件:在"测试资源模块 → 接口文件管理"页面上传 Markdown 接口文档,系统自动解析并存储到 MinIO。
- 执行接口测试:在"测试模块 → 接口测试"页面,三步完成:
- 勾选测试用例
- AI 自动匹配最合适的接口文件,展示推荐结果和接口预览
- 配置目标环境(Base URL、Headers),选择执行模式(LLM 增强 / 冒烟测试),点击执行
- 执行完成后自动生成测试报告,失败用例自动创建 Bug 并邮件通知相关联系人。
4. 一键测试(OneClick Test)
- 一键测试现在会先把环境标准化为
target_url / login_url / username / password / extra_credentials / env_name,再把这份上下文同时提供给探索与用例生成链路 - 页面探索默认由 Browser-Use Agent 执行;FastAPI 服务负责提供系统提示词、环境数据和任务状态编排
- 首先在"一键测试"页面点击「测试环境」按钮,配置被测系统的 URL 和登录账号密码
- 输入自然语言指令,如"帮我测试登录功能"或"全面测试用户管理模块"
- AI 自动分析意图,从数据库获取测试环境(URL + 凭据),拉起浏览器探索目标页面
- 探索完成后,AI 基于真实页面结构规划子任务并生成精准测试用例
- 浏览器关闭,用例展示在右侧面板,可勾选/编辑/调整优先级
- 确认后点击"确认执行",系统重新拉起浏览器逐条执行
- 每条用例执行前自动清除 Cookies + localStorage/sessionStorage 并导航到目标页面,确保用例间状态隔离
- 执行过程中可随时点击"停止"按钮,系统会立即终止当前任务并关闭浏览器
- 如遇 API 配额耗尽(429),系统自动停止后续用例并尝试切换备用模型
- 测试完成后自动生成测试报告和 Bug 报告,并将整合邮件发送给自动接收 Bug 的联系人
5. Skills 管理
- 在"Skills 管理"页面通过手动上传
.md文件安装 Skills(推荐,无需网络) - 也可通过 GitHub slug(如
anthropics/webapp-testing)在线安装(需配置GITHUB_PROXY) - 安装后的 Skills 会在一键测试执行时自动注入到 AI Agent 的提示词中,增强测试能力
- 支持启用/禁用/删除/查看详情
7. 查看结果
- 运行测试报告:查看详细的执行日志、AI 思维链和步骤详情,状态根据通过/失败数量自动判定。
- Bug 报告:测试失败时自动生成 Bug 单,包含关联用例、复现步骤、预期/实际结果和修复建议。
- 综合评估报告:选择多份运行报告,AI 自动聚合分析生成质量评级和改进建议。
8. 邮件通知
- 在"邮件配置"中选择服务商并填写对应凭据:
- Resend:填写 API Key
- 阿里云:填写 Access Key ID + Secret
- SMTP 自定义:填写 SMTP 服务器地址、端口、用户名、密码(STARTTLS)
- CyberMail:填写 SMTP 用户名和密码,服务器固定为
mail.cyberpersons.com:587
- 可设置"测试模式",开启后所有邮件强制发送到测试邮箱而非真实收件人
- 综合评估报告可一键发送给指定联系人
- 一键测试完成后自动将测试报告 + Bug 报告整合发送给
auto_receive_bug=1的联系人 - 接口测试失败时自动发送 Bug 通知邮件给自动接收联系人
- 扩展新服务商:在
Email_manage/sender.py中实现_send_via_xxx(config, to_email, subject, html_body)函数,并在_PROVIDER_MAP注册一行,所有发送入口自动支持,无需改动其他代码
9. 页面知识库(RAG 记忆层)
- 点击"探索页面"时,系统会复用与一键测试一致的 Browser-Use 探索执行链,并将
extra_credentials一并提供给探索提示词 - 如需中止探索,可点击停止;任务会进入"已取消"终态,后端浏览器会被关闭,前端轮询与 loading 也会同步结束
- 在侧边栏进入"页面知识库"页面,查看统计面板(总记录数 / 向量数 / 老化数 / Qdrant 健康状态)
- 点击"Collection 配置"按钮,配置 Qdrant 连接和 Embedding 服务参数,点击"保存配置"持久化到数据库
- 点击"初始化 Collection"使配置生效;如需从零重建则点击"强制重建"(会删除旧 Collection 后重新创建)
- 知识库列表支持按 URL / 域名搜索、查看知识详情、手动录入新知识、按 URL 删除
- 注意(Windows 用户):若使用系统代理,需确保
localhost/127.0.0.1在代理排除列表中;框架已在模块初始化时自动注入NO_PROXY=localhost,127.0.0.1,::1
10. 数据看板
仪表盘提供全局视角的测试数据可视化,包括测试趋势、Bug 分布、用例覆盖、安全扫描统计、漏洞严重程度分布、安全用例状态等多维度图表,采用三列自适应布局。
11. 多平台项目管理集成
- 在侧边栏进入「项目集成」模块,首先进入平台总控制台查看所有支持的平台
- 配置平台:选择目标平台(禅道 / Jira / PingCode / TAPD / ONES / 云效 / Worktile / 8Manage / MS Project / Asana / ClickUp),填写 Base URL、API Token 等凭据,可点击"测试连接"验证
- Bug 管理:
- 列表展示本地所有 Bug 报告(服务端分页),可按状态/严重程度筛选
- 点击「推送到平台」将 Bug 单推送至已配置的项目管理平台
- 推送失败时界面会显示平台返回的具体错误原因
- 用例导入:
- 从已连接平台拉取远程项目和用例,导入方式支持按产品 / 按套件 / 按 ID 精确导入
- 最多导入:设置 limit 数量(0 = 不限制),适合先小批验证
- 并发数:控制同时拉取的详情请求数(默认 5),网络好可调高
- 重复导入会自动跳过已存在的同名用例
- 用例模板:在「用例模板」页面查看和配置各平台的字段映射关系
10. 多平台项目管理集成
- 在侧边栏进入「项目集成」模块,首先进入平台总控制台查看所有支持的平台
- 配置平台:选择目标平台(禅道 / Jira / PingCode / TAPD / ONES / 云效 / Worktile / 8Manage / MS Project / Asana / ClickUp),填写 Base URL、API Token 等凭据,可点击"测试连接"验证
- Bug 管理:
- 列表展示本地所有 Bug 报告(服务端分页),可按状态/严重程度筛选
- 点击「推送到平台」将 Bug 单推送至已配置的项目管理平台
- 推送失败时界面会显示平台返回的具体错误原因
- 用例导入:
- 从已连接平台拉取远程项目和用例,导入方式支持按产品 / 按套件 / 按 ID 精确导入
- 最多导入:设置 limit 数量(0 = 不限制),适合先小批验证
- 并发数:控制同时拉取的详情请求数(默认 5),网络好可调高
- 重复导入会自动跳过已存在的同名用例
- 用例模板:在「用例模板」页面查看和配置各平台的字段映射关系
11. AI 驱动的自动化渗透测试(Pentest_Agent)
- 前置条件:
- 确保 Docker 服务运行(
docker ps检查) - 确保 Qdrant 服务运行(
docker run -d --name qdrant -p 6333:6333 qdrant/qdrant) - 配置环境变量(
.env文件):PENTEST_USE_DOCKER=true、PENTEST_DOCKER_IMAGE=vxcontrol/kali-linux
- 确保 Docker 服务运行(
- 创建渗透测试 Flow:
- 通过 API 或前端界面创建 Flow,输入测试目标(如"全面测试 https://example.com 的安全漏洞")
- 系统自动分配 Primary Agent 作为主协调器
- 自动任务分解:
- Generator Agent 自动将测试目标分解为 3-7 个有序子任务(如侦察、漏洞扫描、利用测试、报告生成)
- Refiner Agent 在每个子任务完成后动态调整剩余计划
- Agent 协作执行:
- Primary Agent 根据任务类型选择合适的 Agent(Pentester/Searcher/Coder/Installer/Adviser/Memorist)
- 每个 Agent 可调用 20+ 专业工具(terminal/file/browser/search/vector/agent_tools/barrier)
- 用例模板:在「用例模板」页面查看和配置各平台的字段映射关系
12. AI 驱动的自动化渗透测试(Pentest_Agent)unning/Waiting/Finished/Failed)
- 查看当前执行的 Subtask、已完成的任务、发现的漏洞
- 用户交互:
- 当 Subtask 调用
ask工具时,Flow 进入 Waiting 状态 - 用户通过 API 提交输入后,Flow 自动恢复执行
- 当 Subtask 调用
- 停止和完成:
- 可随时停止 Flow,系统自动清理 Docker 容器和资源
- 测试完成后,Reporter Agent 自动生成专业渗透测试报告(Markdown/HTML/JSON)
许可证
MIT License
AI Test Agent - 让自动化测试更智能、更高效!