CyberStrike AI和HexStrike AI 联动部署教程

一、CyberStrikeAI快速上手指南

引用于:开源工具 CyberStrikeAI:AI驱动的自主渗透测试平台深度解析

环境准备

1.基础要求

  • Go 1.21或更高版本
  • OpenAI API Key(或兼容API,如DeepSeek、Claude等)
  • 安全工具(可选,根据需求安装)

2.安装步骤

如果下载很慢就通过gitee下载

git clone https://github.com/Ed1s0nZ/CyberStrikeAI.git cd CyberStrikeAI go mod download 

配置与启动

(1)API Key:

  • 通过Web界面配置(推荐):启动后访问http://localhost:8080,点击右上角"Settings"按钮
  • 或直接编辑config.yaml文件

(2)启动服务:

chmod +x run.sh ./run.sh 

3.常见问题

go mod download不成功

强制更换为国内代理

# 设置代理并关闭校验(适用于快速测试) go env -w GOPROXY=https://goproxy.cn,direct go env -w GOSUMDB=off # 清理旧缓存后重试 go clean -modcache go mod download

4.设置大语言模型

我用的deepseek,deepseek的开放平台https://platform.deepseek.com/

二、HexStrike AI快速上手指南

引用于:HexStrike AI 部署教程HexStrike AI:全自动渗透测试助手部署与配置全指南(国内镜像源,Chrome的下载)

三、CyberStrikeAI和HexStrike AI 联动

我自己是将CyberStrikeAI和HexStrike AI安装在同一个kali设备上的

打开CyberStrikeAI添加外部mcp

{ "hexstrike-ai": { "command": "/home/Hexstrike-AI/hexstrike_env/bin/python3",#对应路径 "args": [ "/home/Hexstrike-AI/hexstrike_mcp.py",#对应路径 "--server", "http://对应的hexstrikeip:8888"# ], "description": "示例描述", "timeout": 300 } }

连接成功后便可以使用

Read more

AI辅助架构设计:让快马平台智能生成多链imToken钱包开发方案与安全提示

AI辅助架构设计:让快马平台智能生成多链imToken钱包开发方案与安全提示 开发一个支持多链的去中心化钱包应用确实是个复杂工程,尤其是像imToken这样的成熟产品,需要考虑的细节非常多。最近我在尝试用InsCode(快马)平台的AI辅助功能来梳理这类项目的架构设计,发现它能提供不少实用建议,下面分享下我的实践心得。 1. 项目目录结构设计 合理的目录结构是项目可维护性的基础。通过AI辅助分析,我得到了一个清晰的多链钱包项目结构建议: * src/ * assets/ - 存放静态资源如图标、字体等 * components/ - 可复用的UI组件 * Wallet/ - 钱包相关组件 * Network/ - 网络切换相关组件 * contexts/ - 状态管理上下文 * hooks/ - 自定义Hook * services/ - 业务逻辑服务 * api/ - 与区块链节点交互的API * wallet/ - 钱包核心逻辑 * utils/ - 工具函数 * chains/ -

开源AI神器OpenClaw(小龙虾)保姆级部署全解析:零付费、零代码,人人可上手的本地AI助手

在AI工具付费化趋势日益明显的当下,不少个人用户和中小企业被高昂的订阅费用挡在智能办公、高效创作的门外——无论是主流AI对话工具的月度订阅费,还是专业文件处理、自动化办公工具的年度付费套餐,长期使用下来都是一笔不小的开支。而OpenClaw(昵称“小龙虾”)的出现,彻底打破了这一壁垒——作为一款开源免费的全能AI助手,它支持本地部署、云端部署双重模式,无需用户具备任何专业编程基础,通过一键安装脚本就能快速完成部署,涵盖智能聊天交互、多格式文件处理、自动化办公、代码辅助等全场景实用功能,能够完美替代各类付费AI工具,让每一位用户都能零成本解锁AI生产力。 本文作为一篇原创专栏,将从当前AI工具市场的行业背景出发,结合笔者多次实战部署的经验,为大家带来OpenClaw从前期环境配置、多系统安装部署、初始化参数设置,到日常实战应用、进阶优化调试的保姆级全教程,同时深度解读其开源特性背后的技术优势与未来发展潜力,拆解部署过程中的关键细节和避坑要点,帮助每一位读者轻松上手,顺利完成部署,真正实现“零付费、零代码”玩转本地AI助手。 一、前言:为什么选择OpenClaw?开源AI的崛起与优势

【AI】高效交互的艺术:AI提示工程与大模型对话指南

【AI】高效交互的艺术:AI提示工程与大模型对话指南

🔥小龙报:个人主页 🎬作者简介:C++研发,嵌入式,机器人等方向学习者 ❄️个人专栏:《AI》 ✨ 永远相信美好的事情即将发生 文章目录 * 前言 * 一、ChatatGPT介绍 * 二、什么是提示工程? * 三、大语言模型的底层原理 * 四、AI的相关术语 * 五、如何与AI(以ChatatGPT为例)更好交流 * 5.1 使用AI的核心 * 5.2 提示组成结构 * 5.3 创建好的提示的策略 * 5.4 提示的类别 * 5.5 创建在和AI提示的进阶框架 * 5.6如何减少AI回答的空洞无味感 * 5.7 如何提高AI回答的可读性 * 六、使用AI的更多技巧 * 6.1 高效提示的原则 * 6.

Python + AI Agent 智能体:从原理到实战,构建自主决策的 AI 助手

Python + AI Agent 智能体:从原理到实战,构建自主决策的 AI 助手

AI Agent(智能体)是大模型落地应用的核心范式。与传统的"一问一答"不同,Agent 能够自主规划任务、调用外部工具、管理记忆上下文、甚至与其他 Agent 协作。本文将基于 Python 生态,从原理到实战,系统讲解如何构建一个生产级 AI Agent。 * 一、AI Agent 核心架构 * 1.1 什么是 AI Agent? * 1.2 整体架构图 * 二、技术栈与生态 * 三、从零实现:最小可用 Agent * 3.1 ReAct 循环 * 3.2 手写 ReAct Agent(