HexStrike AI 部署教程

HexStrike AI 部署教程

一、HexStrike AI 简介

1、关于 HexStrike AI

HexStrike AI 是一个革命性的人工智能驱动的进攻性安全框架,它将专业安全工具与自主人工智能代理相结合,提供全面的安全测试功能。

HexStrike AI 基于多代理架构构建,利用智能决策、实时漏洞分析和高级自动化,彻底改变安全专业人员处理渗透测试、漏洞赏金搜寻和 CTF 挑战的方式。

2、运作方式

HexStrike AI 通过 MCP 通过外部 LLM 进行人机交互,创建提示、分析、执行和反馈的连续循环。

3、能力

4、官网地址

HexStrike AI - 革命性的人工智能驱动的进攻性安全框架https://www.hexstrike.com/

5、项目地址

GitHub - 0x4m4/hexstrike-ai: HexStrike AI MCP Agents is an advanced MCP server that lets AI agents (Claude, GPT, Copilot, etc.) autonomously run 150+ cybersecurity tools for automated pentesting, vulnerability discovery, bug bounty automation, and security research. Seamlessly bridge LLMs with real-world offensive security capabilities.https://github.com/0x4m4/hexstrike-ai/

二、使用Kali Linux 部署HexStrike AI

1、安装Kali Linux

请参考我的文章VMware安装Kali-Linux:

VMware安装Kali-Linuxhttps://blog.ZEEKLOG.net/2301_76272092/article/details/153112500?fromshare=blogdetail&sharetype=blogdetail&sharerId=153112500&sharerefer=PC&sharesource=2301_76272092&sharefrom=from_link

2、环境准备

(1)安装python3和渗透测试相关库

apt install -y python3 python3-pip python3-venv git curl wget apt-transport-https software-properties-common build-essential nodejs npm golang ruby ruby-dev libpcap-dev libffi-dev libssl-dev libpq-dev default-jdk default-jre

(2)安装安全工具

HexStrike AI运行时会调用许多安全工具

apt install -y nmap masscan amass subfinder nuclei fierce dnsenum autorecon theharvester responder netexec enum4linux-ng gobuster feroxbuster dirsearch ffuf dirb nikto sqlmap wpscan arjun paramspider wafw00f hydra john hashcat medusa patator crackmapexec evil-winrm hash-identifier ophcrack gdb radare2 binwalk ghidra checksec foremost steghide exiftool maltego spiderfoot autopsy scalpel bulk-extractor testdisk hakrawler subjack xsser zaproxy dotdotpwn 

(3)更新nuclei poc漏洞模板库

nuclei -ut

(4)使用Xshell上传Chrome相关软件,方便HexStrike AI调用

Chrome官网安装包:

Chrome for Testing availabilityhttps://googlechromelabs.github.io/chrome-for-testing/#stableChrome的deb安装包:

https://dl.google.com/linux/direct/google-chrome-stable_current_amd64.debhttps://dl.google.com/linux/direct/google-chrome-stable_current_amd64.debXshell免费版官网:

家庭/学校免费 - NetSarang Websitehttps://www.xshell.com/zh/free-for-home-school/

开启kali的SSH:

service ssh start 

查看SSH状态:

service ssh status 

查看kali的IP:

ifconfig

使用Xshell进行连接:

输入你的用户名与密码:

登录成功:

进入下载目录:

cd /home/kali/Downloads

将你需要上传的文件拖入xshell然后输入ls进行查看:

安装chrome浏览器并查看版本:

dpkg -i google-chrome-stable_current_amd64.deb google-chrome --version 

解压chromedriver驱动程序:

unzip chromedriver-linux64.zip

将解压好的文件移动到:/usr/local/bin 目录

mv chromedriver-linux64 /usr/local/bin

给它赋予执行权限:

chmod +x /usr/local/bin/chromedriver-linux64

设置chrome参数:

sed -i 's|Exec=/usr/bin/google-chrome-stable %U|Exec=/usr/bin/google-chrome-stable --no-sandbox --user-data-dir %U|g' /usr/share/applications/google-chrome.desktop

配置GO语言代理:

go env -w GOPROXY=https://goproxy.cn,direct

安装Katana:

# 安装 Go sudo apt update && sudo apt install -y golang # 设置 GOPATH export GOPATH=$HOME/go export PATH=$PATH:$GOPATH/bin # 安装 Katana go install github.com/projectdiscovery/katana/cmd/katana@latest

3、安装HexStrike AI

(1)拉取HexStrike AI文件

进入项目官网:

cd /home git clone https://github.com/havij13/Hexstrike-AI.git

进入到Hexstrike-AI目录:

cd Hexstrike-AI

(2)使用python3创建虚拟环境

python3 -m venv hexstrike_env

(3)加载虚拟环境

source hexstrike_env/bin/activate

(4)安装依赖文件

python3 -m pip install -r requirements.txt

(5)启动HexStrike AI

python3 hexstrike_server.py

(6)配置AI桌面客户端软件5ire

5ire官网:

GitHub - nanbingxyz/5ire: 5ire is a cross-platform desktop AI assistant, MCP client. It compatible with major service providers, supports local knowledge base and tools via model context protocol servers .https://github.com/nanbingxyz/5ire

下载后上传到kali:

#进入home目录 cd /home #创建5ire文件夹 mkdir 5ire #进入5ire文件夹 cd 5ire #将下载的文件上传到文件夹 #查看文件夹下文件 ls

4、启动5ire

(1)方式一

点击桌面File System:

找到文件位置:

右键文件点击Properties...

启动5ire:

(2)方式二:

1、#首先进入5ire目录 2、赋予5ire文件可执行权限 chmod +x 5ire-0.14.1-x86_64.AppImage 3、查看是否赋权成功 ll 4、启动5ire ./5ire-0.14.1-x86_64.AppImage --no-sandbox 

设置中文:

5、配置MCP

配置MCP使得5ire可以与hexstrike AI进行沟通交流:

编写命令:

找到你hexstrike AI的文件夹下的hexstrike_env下的bin,复制文件路径

放到命令后,后面加上python3和空格:

回到文件夹,找到此文件,右键点击copy

回到此处右键点击粘贴:

编写服务器地址:

先写入空格 + --server + 空格 

找到kali本地hexstrike AI服务端IP:

复制IP到--server后面:

点击保存:

点击右侧按钮开启:

设置大语言模型:

HexStrike AI部署完成

三、使用HexStrike AI进行网络测试

点击新对话:

四、配套资源:

https://www.123865.com/s/kPEvTd-rNbd3?pwd=tOoK#https://www.123865.com/s/kPEvTd-rNbd3?pwd=tOoK#

Read more

AI实践(5)检索增强(RAG)

AI实践(5)检索增强(RAG)

AI实践(5)检索增强(RAG) Author: Once Day Date: 2026年3月2日 一位热衷于Linux学习和开发的菜鸟,试图谱写一场冒险之旅,也许终点只是一场白日梦… 漫漫长路,有人对你微笑过嘛… 全系列文章可参考专栏: AI实践成长_Once-Day的博客-ZEEKLOG博客 参考文章:Prompt Engineering GuideDocumentation - Claude API DocsOpenAI for developers检索增强生成 (RAG) | Prompt Engineering GuideBuild a RAG agent with LangChain - Docs by LangChain一文读懂:大模型RAG(检索增强生成)含高级方法2026 年 RAG 技术最新进展与落地实践指南 - 个人文章 - SegmentFault

生物细胞学在AI时代下的最新进展(2026版)

生物细胞学在AI时代下的最新进展(2026版)

从“看细胞”到“预测细胞”,人工智能正在怎样改写细胞生物学? 过去几年,人工智能在生命科学中最出圈的应用,往往集中在蛋白质结构预测、分子设计和药物筛选上。AlphaFold让人们第一次如此直观地感受到:原来一个看似极度复杂的生物问题,真的可能被大规模数据、模型架构和计算能力共同推进到“范式改变”的节点。可如果把视角从蛋白质拉回实验室,从分子层面的结构预测,回到细胞生物学研究者每天面对的培养箱、显微镜、图像、单细胞测序矩阵和反复调参的分析脚本,你会发现另一场同样深刻、却更贴近日常科研的变化,也已经开始发生。(Nature) 这场变化的核心,不只是“AI 让分析更快”。更准确地说,AI正在把细胞生物学中的许多传统环节,从“依赖人工经验、低通量、强主观”的工作方式,改造成“高维、可重复、可批量、可预测”的数据流程。过去,研究者常常用显微镜“看见”细胞;现在,越来越多的工作开始让模型去“读懂”细胞。

OpenClaw配置GLM联网搜索 - 免费使用AI搜索功能

OpenClaw配置GLM联网搜索 - 免费使用AI搜索功能

还在为AI联网搜索头疼费?这篇文章教你实现AI联网搜索 背景 现在AI助手大火,但是大部分都不支持联网搜索。能够联网的Perplexity一个月要20美元,对个人开发者来说确实有点肉疼。 作为一个程序员,我一直在找免费或者低成本的解决方案。直到我发现OpenClaw这个开源平台,可以很方便地自定义Skill,配合智谱AI的GLM模型,实现了免费联网搜索功能。 什么是OpenClaw OpenClaw是一个开源的AI助手平台,支持: * 多个AI模型(GPT、Claude、GLM等) * 自定义Skill(技能) * 多种部署方式 * 飞书、Telegram等多平台接入 官方文档:https://github.com/openclaw/openclaw 核心思路 利用OpenClaw的自定义Skill功能,调用智谱AI的GLM模型。GLM模型支持联网搜索工具(web_search),我们只需要: 1. 申请智谱AI的API Key 2. 编写调用脚本 3. 配置到OpenClaw 详细配置步骤 第一步:申请智谱AI API Key

年度好用的AIGC工具推荐,看这一篇就够了

Datawhale干货  作者:温鑫,Datawhale成员 2025是AI影视正式爆发的元年, 随着AIGC技术的发展,任何人都能更好地、更可视化地表达自己的情感和情绪。 创作平权、表达平权在AI时代下是必然的趋势。我之前是做经管和数据分析多一点,跟艺术、审美这些“高大上”的东西八竿子打不着,但是恰恰是AI,让我有机会在交叉领域去探索、去尝试。各种学科穿插、交融,学科的边界慢慢变得没有那么清晰, 利用各种AI工具来达到提效目的/扩展能力边界仿佛成为了自己工作、生活中不可缺少的思考习惯。 关于AIGC原理,有很多大佬要讲的比较好(万字长文!关于AI绘图,一篇超详细的总结发布by 白客 ),我就不分享这一块了, 更多聚焦在使用场景和实操流程~ 如果你也喜欢尝试各种新奇的玩意,哪怕并不专业;如果你也会因为好的想法而半夜爬起来试试,哪怕试了不成功;如果你也是终身学习者,不在乎自己的“存量”是否足够;亦或是你也曾经在迷茫、在思考、在不知所措...,那么希望本次并不“权威”但足够“真诚”的分享,能给你带来一点点启发。  OK我们正式开始!