StrikeAgent_AtkBrain-Flash 是夜安团队 SEC 开发的 AI 安全测试平台。它把任务调度、攻击图、执行时间线、漏洞复核和报告集中到同一个控制台，适合在明确授权的测试环境及 CTF 中研究 AI Agent 的任务执行能力。
2026 年 9 月 10 日的公众号原文，重点介绍了平台的“自循环、自监督、自进化”设计。下面先整理这些架构思路，再单独说明截至 2026 年 10 月 20 日官方仓库的部署方法，避免混用不同版本的命令。
项目入口：StrikeAgent_AtkBrain-Flash 官方仓库。
攻击图如何串起测试过程
普通对话式 Agent 主要依靠上下文记录任务。任务持续时间一长，容易重复探测、遗漏约束，或无法解释发现之间的关系。StrikeAgent 用攻击图显式记录目标、服务、候选漏洞、凭证和立足点，并在时间线中保留过程。
原文将运行方式概括为三部分：
- 自循环：执行器围绕攻击图继续推进任务，保留已有发现和阶段目标。
- 自监督：在轮次边界或当前验证完成后复盘，形成下一阶段方案，而非每次工具调用都中断执行。
- 自进化：任务结束后，将具有复用价值的方法整理为经验条目，供后续任务参考。
这些机制能帮助组织信息，但不能单独证明测试结果正确。模型对工具返回值的解释、授权边界和漏洞证据，仍需要操作者复核。关于自动执行中的人工控制，也可以参考站内的 CyberStrikeAI 审批机制介绍。
二次验证与结果交付
AI 生成的漏洞描述可能把候选风险写成已确认问题。StrikeAgent 为此设计了二次验证和评级环节：重新检查漏洞是否存在、触发条件是否成立，以及证据能否支持最终结论。
控制台将攻击图、时间线、漏洞和对话放在一起。操作者可以观察执行状态、补充约束、纠正方向，再把结果整理为报告。原文介绍了 HTML 报告及 PDF 导出能力；正式交付前仍应人工检查影响范围、证据脱敏和修复建议。
原文还提到猎面追踪、产品区聚类，以及跨主机关系的可视化。这些功能的价值在于帮助复盘资产关系，并不能代替对实际环境的验证。
原文版本与当前仓库的差异
原文发布时采用 Claude Code 相关启动配置，示例服务端口为 5003 和 5001。截至 2026 年 10 月 20 日核对的仓库 README，运行时已改为 Pi，当前部署说明使用 API 2333、HTTPS 控制台 2334。
| 项目 | 公众号原文中的说明 | 当前仓库说明，2026-10-20 核对 |
|---|---|---|
| 执行运行时 | Claude Code 相关环境变量 | Pi，模型在控制台配置 |
| Linux 环境 | Python 3.12+、Node.js 18+ | Python 3.11+、Node.js 20+、systemd |
| 服务入口 | 后端 5003、前端 5001 | API 2333、HTTPS 控制台 2334 |
| 部署选择 | Linux 服务脚本 | Docker 或 Linux 实例部署 |
旧文中的 skill 名称、并发槽位及工具清单也属于当时版本，不应直接当作当前版本的固定配置。实际部署应以所检出提交对应的 README 为准。
当前版本的 Docker 部署
以下命令来自本次核对的官方 README，用于在自己控制的实验主机上部署平台。需要预先安装 Docker 和 Docker Compose 插件。
git clone https://github.com/Yean-Sec/StrikeAgent_AtkBrain-Flash.git
cd StrikeAgent_AtkBrain-Flash
cp .env.example .env在 Linux 中启动：
docker compose -f compose.yaml -f deploy/compose.build.yaml up -d --build --wait在 macOS Docker Desktop 中，当前文档要求补充 macOS 专用配置：
docker compose -f compose.yaml -f deploy/compose.build.yaml -f deploy/compose.mac.yaml up -d --build --wait检查服务，并在本机终端查看登录入口：
docker compose -f compose.yaml ps
docker compose -f compose.yaml exec atkbrain python -m atkbrain.panelpanel 会打印带随机路径的 HTTPS 登录地址，以及本机可见的当前口令。不要把终端输出、登录路径或口令贴进公开日志。当前 README 说明首次登录会要求修改默认口令。
Linux 使用 host 网络；macOS 补充配置将控制台绑定到本机。不要同时用两套部署占用相同的 2333、2334 端口。
模型配置、数据与日常维护
当前版本在控制台的“设置 → 模型”中配置供应商、模型名、Base URL 和 API Key。README 说明 OpenAI 选项走 Chat Completions，Anthropic 选项走 Messages API；保存后写入 backend/data/pi-models.json，供后续 Pi 会话读取。
模型密钥不应写进用于本机口令和端口设置的 .env。数据目录为 backend/data/，升级前应自行备份并核对所在主机的访问权限。
在仓库根目录更新代码并按官方说明重新构建后，可再次运行相同启动命令。停止服务使用：
docker compose -f compose.yaml -f deploy/compose.build.yaml down不使用容器的 Linux 部署，需要系统 Python、Node.js 20+、systemd 及图形报告依赖；前后端服务由仓库脚本安装。两种方式的依赖与维护流程不同，详细步骤请直接查看当前官方安装说明。
使用范围与许可证
创建任务前先确定自己控制或获得明确授权的目标、端口及测试约束。初次验证适合使用隔离靶场，检查模型连通、日志、任务中止和报告导出，再评估是否满足实际需求。本文未执行部署或渗透测试，不将项目方的产品描述视作本站实测结论。
仓库 LICENSE 标注为 AGPL-3.0-only。README 另有商业许可表述；许可证义务与项目方提供的商业授权是不同事项，涉及修改、分发或网络服务时，应阅读完整条款并向项目方确认具体授权条件。
