用于已获授权的测试目标与赛事。任务范围、审批方式和使用约定见下文及 安全策略。

界面预览

实际界面截图，使用本地演示数据。点击图片查看大图。

任务入口

仪表盘	会话协作	探索链路
编队管理	模型配置	MCP 工具
技能管理	项目归属	经验沉淀
资产视图	漏洞复核	CTF 报告
后台任务	档案与文件	代理池

能力与模式

控制台支持简体中文和 English，可在侧栏底部或登录页切换，浏览器会记住选择。 界面使用本地语言包，不调用在线翻译服务；会话内容、用户配置、技能说明与证据原文保持原样。

Skill 管理采用卡片目录，支持启用分组、类型／来源／日期组合筛选、绿色开关和删除；点击卡片浏览技能目录、渲染并直接编辑 Markdown，支持草稿保护和版本校验保存。支持直接多选导入 ZIP、tar.gz 等压缩包，RAR / 7z 通过系统 libarchive 读取；参见管理与导入说明。 主 Agent 与子 Agent 可自主发现技能、完整读取 SKILL.md，再按需查阅子目录资料；会话展示实际技能读取，避免重复注入已读正文。

Ollama 本地小模型优化

面向低显存、断外网赛事的修补工作流。灵枢为 Ollama 本地小模型提供独立的 CTF / AWDP 轻量模式：模型在本机分析题目、执行工具并修改源码，通过 submit_fix 交付可下载的修补提交件，无需云端模型 API。

• 单执行者持续推进：一条持久工具循环处理当前目标，不启动主控规划、督导或专项派遣；Ollama 原生工具调用与共享推理槽减少额外调用和显存争用。
• 针对小模型的上下文处理：按完整工具往返整理长历史，保留授权、规则与当前证据，原文可分页读回；重复失败和相同观察进入证据复盘，帮助模型重新选择动作。
• 面向赛事交付：保留被修改文件的原始相对路径，校验 tar.gz 格式、文件清单和实际字节变化，拒绝目录穿越、链接及跨题路径。归档校验不替代功能与漏洞回归，也不代表比赛平台已接收。
• 独立部署：轻量配置、模型指派和会话目录与常规部署分开。默认以 qwen3.5:9b、16GB 内存 / 8GB 显存作为适配目标；实际速度与修复效果取决于题目、模型和设备。

先准备项目依赖、运行中的 Ollama、已下载模型与所需工具，再启动：

./launch.sh start --offline

Ollama 与 llama.cpp 都使用这一个入口，共用轻量工作区与会话记录；后端在模型配置中选择。

默认控制台为 http://127.0.0.1:8001，选择 AWDP 修补 后上传题目源码并说明修补要求。赛前准备、参数和提交格式见 Ollama 轻量配置；工程取舍与同类工作核对见 创新点与技术思想。

历史跑分记录 · tsecbench（2026-10-23）

原记录使用 DeepSeek v4.1 Flash，供参考

快速开始

Windows 用户推荐在 WSL2 内源码部署，Linux 用户推荐直接源码部署。 项目日常开发采用源码运行，便于检查配置、补装工具和排查问题。已有 Docker 环境或希望统一容器依赖时，也可以选择 Docker。

使用 Agent 部署项目

在准备安装的电脑上打开能读写文件、执行终端命令的编程 Agent，将下面内容发给它。 已有仓库时，让 Agent 在该目录工作；选择 WSL2 后，让 Agent 在 WSL 的 Linux 环境中执行安装。

请帮我部署灵枢（SpiritScout），项目仓库：https://github.com/FLIAZ/SpiritScout.git
先阅读仓库根目录的 AGENTS.md 和 AGENTINSTALL.md；没有本地仓库时先获取这两份指南。
检查操作系统、CPU 架构、依赖、端口和已有配置，再确认安装方式；我已经选定的方式直接采用。
Windows 优先推荐 WSL2 内源码部署，Linux 优先推荐源码部署，Docker 和 Linux 安装包作为可选方式。
选择 WSL2 后，在 /home 下存放项目、虚拟环境和数据；已有仓库先检查位置，不覆盖配置或混用 Windows 的 .venv。
没有仓库时，克隆到选定运行环境中的安装目录。
确认我要常规多 Agent 部署还是本地模型轻量部署，以及是否需要远程访问和 SRC 可操作浏览器。
按我选择的方式安装，保留已有配置和数据，遇到报错按指南排查。
完成后给出访问地址、启动和停止命令、配置与数据位置，并说明哪些检查已通过、哪些还没验证。

环境检查、安装步骤和常见报错处理见 Agent 安装指南。 模型 API Key 在部署后的本机控制台填写。

Linux / WSL2 源码部署 · 推荐

需要 Python 3.11–3.14、Git 和 bubblewrap。以下命令用于首次安装；已有仓库和虚拟环境时先检查并复用，升级前保留配置与数据。

Windows 先准备 WSL2

在 PowerShell 查看已安装的发行版，确认使用的发行版 VERSION 为 2：

wsl --list --verbose

没有发行版时，先用 wsl --list --online 查看可安装名称，再在管理员 PowerShell 安装，例如 wsl --install -d Ubuntu-24.04。按提示重启、创建 Linux 用户，进入该发行版的终端。已有 WSL1 的转换和常见问题见 Agent 安装指南；WSL 安装要求见 微软说明。Linux 用户直接继续下面步骤。

以下命令在 Linux / WSL2 终端执行

Debian / Ubuntu 安装基础依赖，并确认系统 Python 为 3.11+：

sudo apt update
sudo apt install git python3 python3-venv bubblewrap
/usr/bin/python3 --version

Fedora 使用 sudo dnf install git python3 python3-pip bubblewrap。系统 Python 版本不足时先安装合适版本，再创建虚拟环境。

项目、.venv 和 .spiritscout/ 放在 Linux 文件系统中，例如 ~/projects/SpiritScout。WSL2 下避免放在 /mnt/c、/mnt/d，不要复用 Windows 创建的虚拟环境。微软文件存储建议

mkdir -p ~/projects
cd ~/projects
git clone https://github.com/FLIAZ/SpiritScout.git
cd SpiritScout
./install.sh
./launch.sh

install.sh 自动创建或复用 .venv，安装并检查核心依赖，补齐缺失配置；已有配置和数据保留。

访问 http://127.0.0.1:8000，WSL2 用户可从 Windows 浏览器打开。按 Ctrl+C 停止，换端口用 ./launch.sh --port 8100。需要登录时，先运行 python3 deploy.py init 创建管理员凭据；该命令不启动 Docker。远程访问另行配置管理员凭据和 HTTPS。

浏览器工具另需 Node.js 22+ 和 Chromium/Chrome；CyberChef 需要 Node.js 24–26。CTF 工具箱、MCP、沙箱验证及 WSL 访问 Windows 模型服务的方法见 Agent 安装指南。控制台能打开后，还需验证实际使用的 shell/Python、模型和浏览器工具。

py -3 -m venv .venv
.venv\Scripts\python.exe -m pip install -e .
if (-not (Test-Path configs/system.yaml)) { Copy-Item configs/system.example.yaml configs/system.yaml }
if (-not (Test-Path configs/models.yaml)) { Set-Content -Path configs/models.yaml -Value "providers: []`nmodels: []" -Encoding utf8 }
.\launch.ps1

也可使用 uv sync 按 uv.lock 建立环境，然后运行 ./launch.sh；Windows 原生使用 uv sync 和 launch.ps1。构建独立可执行文件见 免安装可执行文件。

Docker 部署 · 可选

适合已有 Docker 环境、希望统一依赖或运行多个独立实例的用户。需要 Linux 容器模式和 Docker Compose 2.20+。Windows 使用 Docker Desktop，Linux 使用 Docker Engine；macOS/ARM64 尚未完成完整实测。

git clone https://github.com/FLIAZ/SpiritScout.git
cd SpiritScout
python deploy.py up

Windows 可将 python 换成 py -3，Linux/macOS 可换成 python3。 首次运行会创建 .env、生成随机管理员密码，构建镜像并等待服务健康。

python deploy.py status   # 查看状态
python deploy.py logs     # 跟踪日志
python deploy.py down     # 停服，保留数据卷

镜像包含 Chromium 和 bubblewrap。CTF 工具箱按需在 .env 设置 INSTALL_TOOLKIT=1 后重建。 默认使用镜像源码及独立数据卷；旧版挂载部署升级前先停服迁移，不要直接删除数据卷。

Docker Compose部署

docker compose up -d --build --wait

配置模型并开始任务

1. 在「模型」页添加供应商地址、API Key 和模型 ID。
2. 在「编队」页为灵枢和各子 Agent 指派模型，修改后自动保存；也可选择一个模型，一键应用到所有可指派角色。新指派对新任务生效。
3. 返回首页，选择 SRC、CTF 或智能体竞赛，填写目标、规则与附件，点击「开始执行」。

侧栏底部或会话详情的「清理存储」可查看占用、精简数据库及清理下载缓存，保留会话与成果；查看范围并确认后执行。

输入框右侧的圆形按钮可暂停或继续当前任务；输入消息时切换为发送。暂停保留原任务进度，“结束任务”位于更多操作菜单。

在输入框输入 / 可筛选 Agent 命令，↑↓ 选择、Tab 或 Enter 补全，再按 Enter 执行。主任务会话支持 /compact 手动整理上下文、/status 查看任务与压缩结果、/pause 暂停、/resume 继续、/model 选模、/files 查看产物、/report 查看已有报告、/help 帮助。/compact 在各上下文下一次模型调用前处理一次，不额外调用模型；保留用户原话、当前授权、最近四轮执行回复及完整历史，短历史可能无需缩小。暂停或结束的任务不会因此自动启动。命令不接受附件或额外参数；以 // 开头可发送以 / 开头的原文。首页可用 /help 和 /model，其他命令需先打开任务会话。

发送按钮左侧的模型按钮用于本会话选模，默认“自动”跟随编队。选择按供应商与模型区分并随会话保存；后续调用生效，不中断正在返回的请求，也不覆盖子 Agent 的显式指派。选择“自动”可撤销会话覆盖。

会话的「经验」页可查看产出和提炼结果，停止后可补提炼一次；「经验提炼」页可按字符相似度找候选，预览并确认整理，保留原件、质量状态和来源，支持撤销。字符相似不是语义相同，超长合并稿会被拒绝而不是截断。

「用量」页按供应商和模型汇总共享及会话账本，未定价和不完整用量单独说明；「通知」页可开启已确认解题结果与待答提醒。浏览器须保持打开，系统通知不可用时退化为页面提示，关闭浏览器后不会推送。

任务模式由用户选择；项目历史资产不会自动成为本次测试的授权目标。 CTF/智能体模式使用会话独立的无头浏览器，SRC 可连接已有浏览器或启用人工接管窗口。

模型连通性正常，任务却立即失败？ 连通性测试只要求回复 ok，不覆盖完整的流式 工具请求。项目已固定兼容的 LiteLLM/MCP 版本；更新依赖后应重新构建镜像， 不要单独升级 LiteLLM。排查方法见 模型调用与依赖兼容。

架构

主 Agent 结合任务和执行结果调整规划，子 Agent 通过黑板与尝试台账共享事实。 模型网关统一处理供应商协议、流式输出与用量；工具层处理权限、按模式审批、沙箱和审计。

拓扑直接展示黑板中的产出事实、依据与用户规则，只按明确引用连线；执行步骤、 工具回执与“输出产物”行为留在会话历史，文件路径附在事实依据中。用户规则原文 保存在黑板，模型接收版本引用并通过 blackboard_read 按需分段读取；执行角色 通过 blackboard_write 共享带依据的事实。来源由运行时关联 Agent、推进步骤和工具执行台账， 证据状态区分待核实、直接观察、有依据记录、独立复测、冲突与过期。精确相同的无状态只读 调用可共享在途结果或短时复用；身份、实例及写入状态变化隔离缓存，独立复测始终重新执行。模块划分见 架构总览。

数据与使用边界

• 数据保存：原生运行使用 .spiritscout/；Docker 使用配置、数据和可选浏览器配置档案卷。
• 凭据管理：API Key 加密保存在工作区。备份时需要一起保留密钥和数据库；不要公开真实 Cookie、HAR 或审计原文。
• 调用成本：模型与付费搜索费用由所接入服务收取；仪表盘是估算值，实际计费以供应商账单为准。
• 授权与审批：测试范围由模型结合用户原话及后续答复维护；SRC 危险操作逐次审批，CTF/智能体预授权并留审计。沙箱不构成目标范围的确定性阻断。
• 缓存与基线：缓存命中量来自端点返回值；失败、取消和未知用量分别记录。只读基线报告与真实对照方法见 缓存优化与测试。

文档与贡献

智能体模式默认保留未完成题的运行现场；暂缓派工、取消在途工作与释放实例分别由模型明确决策，不按固定耗时强制切题。

当前代码版本 v0.21.3。版本唯一来源、递增规则和历史版本说明见 版本管理。

贡献时按 Agent 工作约定 执行：同期功能共用一个版本，调整版本号和推送远端须先取得用户明确同意。

许可与使用约定

项目代码采用 Apache License 2.0。引用的知识库、Skill 和外部工具遵循各自的许可证。

致谢

联系

• [email protected]

Star History