vulnclaw 0.3.6

AI-powered penetration testing CLI tool for cybersecurity professionals

VulnClaw 🦞

AI 驱动的渗透测试 CLI 工具 — 说人话，打漏洞。

🌐 English version: README_EN.md

本项目是可独立运行的 AI 渗透测试 Agent。
项目官网：https://unclecheng-li.github.io/vulnclaw.com/

基于 LLM Agent + MCP 工具链 + 可选 Skill 参考资料， 配合 OpenAI / Anthropic / MiniMax / DeepSeek 等兼容模型， 自然语言输入 → 自动完成「信息收集 → 漏洞发现 → 漏洞利用 → 报告生成」全流程。

快速开始 · 架构 · 内置 Skill

---

它能做什么

输入自然语言，AI 自动执行渗透测试全流程：

用户输入：帮我对 http://target.example.com 进行渗透测试

VulnClaw 自动执行：
  Round 1:  信息收集 → 指纹识别、端口扫描、目录枚举
  Round 2:  漏洞发现 → 检测注入点、已知 CVE、配置缺陷
  Round 3:  漏洞利用 → PoC 验证、权限获取
  Round 4:  报告生成 → 结构化报告 + Python PoC 脚本

适用于已授权的渗透测试、CTF 竞赛、安全教学、红队演练等场景。

---

特性

• 模型主导求解引擎（默认） — 类似 Claude Code/Codex 的自主循环，模型自己决定下一步、何时调用工具、何时完成/询问/判定无路可走
• AgentState 证据记忆 — 工具结果统一写入 AgentState.evidence，raw 原文完整保留；active context 默认只注入高信号预览，evidence_search / evidence_view 用于按需回查原始证据
• 轻量纠偏层 — 工具调用前后记录重复调用、失败降级、耗时和新发现等信号；重复读取同一 evidence 范围会被抑制，连续证据空转会触发 stall guard，但不恢复旧阶段规划器
• 证据级反幻觉闸门 — 声称的 flag/结论必须在真实工具输出里逐字符出现才被采信，杜绝凭空编造 flag 的假胜利
• 自然语言驱动 — 用人话描述渗透意图，自动识别阶段和工具
• 13 个 LLM Provider — OpenAI / Anthropic / MiniMax / DeepSeek / 智谱 / Moonshot / 千问 / SiliconFlow / 豆包 / 百川 / 阶跃星辰 / 商汤 / 零一万物，一键切换
• MCP 工具链 — 4 个 MCP 服务：fetch / memory 本地实现开箱即用，chrome-devtools / burp 对接外部 MCP 服务实现浏览器自动化和 HTTP 抓包重放
• 增强 fetch 请求工具 — 默认直接 GET 并返回完整响应 body，支持 HTTP/HTTPS、自定义 method/headers/params/cookies/body/data/form/json、timeout/redirect/TLS 控制；CTF/靶场 HTTPS 默认不校验证书
• 原生流量证据存储 — 按运行内作用域过滤后以追加式 JSONL 索引 + 每请求原始报文落盘于 evidence/traffic/，内置 traffic_list / traffic_view / traffic_repeat / traffic_sitemap 工具直接读写
• AI Agent 核心 — OpenAI 兼容协议 + Tool Calling + 自主渗透循环
• 结构化推理 + 自适应反思 — 已知事实/约束/攻击链结构化沉淀；失败自动归类并按 L0-L4 渐进升级 payload 绕过策略
• 漏洞检测插件体系 — 低耦合插件运行时 + 内置只读 Web 插件，结果自动汇入报告链路（vulnclaw plugins）
• 50 个专项 Skill — 覆盖 CTF、Web、内网、逆向、漏洞验证与授权红队知识库；Skill 只作为参考资料索引暴露给模型，正文需要模型主动调用 load_skill_reference 按需读取，不再作为强制剧本注入上下文
• 编解码/加解密工具 — 29 种操作（Base64/Hex/URL/AES/JWT/Morse 等），LLM 可精确调用，不再靠猜测
• 源码自动还原 — fetch / http_probe_batch 遇到 highlight_file、HTML 高亮源码或混杂 HTML/JS body 时会自动在 raw body 前追加 clean source；http_probe_batch 默认关闭 TLS 校验并记录完整响应头，避免丢失 X-Powered-By 等运行时证据；内置 source_extract 仍可用于按需重读历史 evidence，并固定危险 sink、表单与 endpoint 信号
• 本地命令验证 — 内置 shell_command，用于 php -r 反序列化验证、curl 精确请求、rg/Select-String 文件检索等 Codex-style 本地调试场景；raw stdout/stderr 完整写入 evidence，大输出进入模型时使用高信号预览
• 运行时差分探测 — 内置 runtime_diff_probe，用于正则/字符串过滤器与运行时解析器不一致的场景，帮助模型批量生成并验证“过滤器漏过、解析器接受”的候选；PHP 序列化模式会提示目标/本地运行时版本差异，并把 PHP5 signed length 候选标记为必须远程验证，避免被本地新版 PHP 误杀
• Python 代码执行 — 内置 python_execute 工具，适合 payload 构造和响应解析；当前仍属高风险实验能力，不应视为强隔离沙箱
• 批量 HTTP 探测 — 内置 http_probe_batch，用于一次比较多组 URL/参数/header/body/raw URL 变体，默认返回每个响应的完整 body，并在模型可见输出中展示实际请求面（method、URL、params、headers、cookies、body/json），减少重复 LLM 轮次和手写请求代码
• 近成功防误停 — solve 保留证据闸门，并新增通用 NO_PATH 闸门：当源码 sink、表单/参数、请求面、本地 proof 或响应差异等高信号尚未耗尽时，不接受模型因单次 payload 无回显/远端 same-body 就提前判死
• 持续性渗透测试 — 周期循环（默认 100 轮/周期 × 10 周期 = 1000 轮），每周期自动生成报告
• 推理过程显示控制 — think on/off 一键切换 LLM 思考过程的显示/隐藏
• 沙盒模式提示词 — 解锁 AI 安全测试能力，CTF / 授权渗透场景专用
• 自动报告 & PoC — 生成结构化 Markdown 报告和可运行的 Python PoC 脚本
• Web UI 模式 — vulnclaw web 启动本地 Web 界面，默认 127.0.0.1:7788
• 安全知识库 — 已内置知识库模块与基础种子数据，检索增强正在逐步接入主流程

---

快速开始

安装

# 从 PyPI 安装（推荐）
pip install vulnclaw

# 从源码安装
git clone https://github.com/Unclecheng-li/VulnClaw.git
cd VulnClaw
pip install -e .

Docker 运行（可选）

镜像已内置 Web UI 以及默认 MCP 服务所需的运行时（npx / uvx），所有状态持久化到 /data 数据卷。

cp .env.example .env          # 填入 VULNCLAW_LLM_API_KEY 等
docker compose up --build      # 构建镜像并启动 Web UI
# 打开 http://127.0.0.1:7788

也可用纯 docker 运行某条 CLI 命令：

docker run --rm -it \
  -e VULNCLAW_LLM_API_KEY=sk-your-key-here \
  -v vulnclaw-data:/data \
  vulnclaw:latest scan <target>

⚠️ 容器内的 localhost 指向容器自身。扫描宿主机服务请使用 host.docker.internal，扫描其它容器请共享网络并用容器名访问。详见 DOCKER.md。

四步启动

# 1. 选择提供商（自动填充 Base URL 和模型名）
vulnclaw config provider minimax   (或 openai/anthropic/deepseek/zhipu/moonshot/qwen/siliconflow)

# 1.2（可选）自定义 Base URL 或模型名
vulnclaw config set llm.base_url https://your-own-api.example.com/v1 
vulnclaw config set llm.model your-model-name

# 2. 设置 API Key
vulnclaw config set llm.api_key sk-your-key-here
#    — 或改用 ChatGPT 订阅登录（无需 API Key）：
#      vulnclaw login   （浏览器登录；详见 docs/keyless-auth.md，注意 ToS 风险）

# 3. 默认：打开原 CLI / REPL
vulnclaw

# 4. 可选：打开 TUI 工作台
vulnclaw tui

环境检查

vulnclaw doctor

输出示例：

🦞 VulnClaw 环境检查

  Python: 3.14.4
  Node.js: v24.14.1
  npx: 已安装
  nmap: 已安装

LLM 配置:
  Provider: openai
  Auth Mode: static
  Credentials: configured
  Base URL: https://api.openai.com/v1
  Model: gpt-4o

MCP 服务:
  fetch: 已启用 [P0]
  memory: 已启用 [P0]
  ...

✅ 环境就绪，运行 vulnclaw 开始

---

CLI 命令速查

$ vulnclaw --help

🦞 VulnClaw — AI-powered penetration testing CLI

 Usage: vulnclaw [OPTIONS] COMMAND [ARGS]...

 Commands:
   run           🚀 一键全流程渗透测试
   persistent    🔄 持续性渗透测试（100轮/周期）
   recon         🔍 仅信息收集阶段
   scan          🔎 执行漏洞扫描阶段
   exploit       💥 执行漏洞利用阶段
   report        📝 从会话记录生成报告
   repl          💬 启动经典 REPL 交互界面
   config        ⚙️  管理配置（set/get/list/provider）
   init          🔧 初始化配置
   doctor        🏥  检查运行环境
   tui           🖥️  打开终端图形化工作台
   web           🌐 启动本地 Web UI

命令	说明	示例
vulnclaw	默认打开原 CLI / REPL	vulnclaw
vulnclaw tui	终端图形化工作台	vulnclaw tui --target target.com
vulnclaw repl	启动经典 REPL 交互界面	vulnclaw repl
vulnclaw solve <target>	目标驱动求解（无固定轮数，拿到目标即停）	vulnclaw solve target.com --goal "拿到flag"
vulnclaw run <target>	一键全流程渗透（默认走 solve 引擎）	vulnclaw run 192.168.1.1
vulnclaw persistent <target>	持续性渗透（100轮/周期）	vulnclaw persistent 192.168.1.1
vulnclaw recon <target>	仅信息收集（不利用漏洞）	vulnclaw recon target.com
vulnclaw scan <target>	漏洞扫描阶段	vulnclaw scan target.com --ports 80,443
vulnclaw exploit <target>	漏洞利用阶段	vulnclaw exploit target.com --cve CVE-2024-1234
vulnclaw report <session>	从会话 JSON 生成报告	vulnclaw report session_xxx.json
vulnclaw config set <key> <value>	设置配置项	vulnclaw config set llm.api_key sk-xxx
vulnclaw config provider <name>	切换 LLM 提供商	vulnclaw config provider minimax
vulnclaw plugins list	列出漏洞检测插件	vulnclaw plugins list --stage discovery
vulnclaw plugins info <id>	查看插件元信息	vulnclaw plugins info builtin.web.headers
vulnclaw plugins run <id>	运行插件（仅分析传入数据）	vulnclaw plugins run builtin.web.headers --input headers.json

---

使用方式

方式一：CLI / REPL（默认）

vulnclaw

无参数启动会进入 🦞 交互界面，用自然语言对话：

🦞 vulnclaw> 对 192.168.1.100 进行渗透测试，这是我授权的靶场

[*] 进入自主渗透模式，按 Ctrl+C 可随时中断
── Round 1 ──
  [+] 目标: 192.168.1.100
  [+] 开放端口: 22, 80, 443, 8080
  [+] Web 指纹: Apache/2.4.62
── Round 2 ──
  [+] 发现 /manager/html (Tomcat Manager)
  [+] 命中 CVE-202X-XXXX: Apache Tomcat 认证绕过
── Round 3 ──
  [+] 漏洞验证成功

🦞 192.168.1.100 | 报告> 生成渗透报告
[+] 报告已保存: ./reports/192.168.1.100_20260418.md
[+] PoC 脚本已保存: ./pocs/CVE-202X-XXXX.py

REPL 内置命令：

命令	说明
target <host>	设置渗透测试目标
status	查看当前状态
tools	列出当前可用 MCP 工具
think on/off	切换推理过程显示
persistent	启动持续性渗透测试
clear	清空当前会话
help	显示帮助信息
exit / quit / q	退出

自动渗透触发： 输入包含「渗透测试」「找 flag」「爆破」等关键词 + 目标地址时，自动进入多轮自主渗透循环。Ctrl+C 随时中断。

方式二：TUI 工作台

可选的终端图形化工作台，展示授权目标、检查模式、运行概览、安全边界，让用户先确认范围再启动任务。

vulnclaw tui
vulnclaw tui --target https://target.example --mode quick --only-port 443
vulnclaw tui --dry-run --target https://target.example --mode deep --only-path /admin

常用菜单：

• 菜单 3 — 设置测试范围（主机/端口/路径/允许动作/禁止动作）
• 菜单 7 — 环境诊断入口（完整详情运行 vulnclaw doctor）
• 菜单 8 — 模型/API 配置（切换 Provider、Base URL、Model、API Key）

方式三：单命令模式

vulnclaw run 192.168.1.100                    # 一键全流程
vulnclaw recon 192.168.1.100                   # 仅信息收集
vulnclaw scan 192.168.1.100 --ports 80,443     # 漏洞扫描
vulnclaw exploit 192.168.1.100 --cve CVE-2024-1234 --cmd id  # 漏洞利用
vulnclaw report session.json                   # 生成报告

方式四：持续性渗透

适用于需要长时间深度渗透的场景，以周期循环方式运行：

┌──────────────────────────────────────────────┐
│  Cycle 1 (100轮) → 自动报告 → 继续          │
│  Cycle 2 (100轮) → 自动报告 → 继续          │
│  ...                                         │
│  直到 Ctrl+C 或达到最大周期数（默认10）      │
└──────────────────────────────────────────────┘

vulnclaw persistent 192.168.1.100              # 默认 100轮/周期 × 10周期
vulnclaw persistent 192.168.1.100 -r 200 -c 5  # 200轮/周期 × 5周期
vulnclaw persistent 192.168.1.100 --no-report   # 不自动生成报告

# TUI 方式
vulnclaw tui --target 192.168.1.100 --mode continuous

# REPL 方式
🦞 vulnclaw> persistent 192.168.1.100

特点： 跨周期状态保持 / 周期报告 / 灵活中断 / 增量发现 / 可配置

方式五：Web UI

通过浏览器操作渗透测试全流程。

pip install 'vulnclaw[web]'  # 安装 Web 依赖
vulnclaw web                  # 启动（默认 127.0.0.1:7788）
vulnclaw web --port 8080      # 自定义端口

⚠️ 默认仅绑定本地回环地址。如需远程访问须显式指定 --host 0.0.0.0 --allow-remote。

---

架构

求解引擎

VulnClaw 默认使用模型主导 solve 引擎（旧版固定轮数引擎可通过 vulnclaw config set session.engine rounds 回退）。

模型主导循环： 框架不再把任务拆成固定“研究方向”，也不再按阶段模板主动安排目录扫描、JS 收集或 SQLi 测试。solve 只给模型提供目标、历史上下文、证据记忆和可用工具清单，由模型自己决定下一步行动。

原语	含义
模型上下文	目标、用户约束、近期消息、证据摘要和已执行工具调用
工具清单	fetch / 浏览器 / 目录枚举 / JS 收集 / 编解码 / Python / shell_command / source_extract / runtime_diff_probe / skill 读取等能力，仅作为可选手脚暴露给模型
工具 transcript	工具调用后会把 assistant tool_calls 与 role=tool 观察结果追加进模型上下文；大输出使用高信号预览，避免 HTML/body/日志反复污染 active context
AgentState 证据	每个真实工具结果都会写入 AgentState.evidence；raw 原文完整保留并带 hash/size/证据号，模型可通过 evidence_search / evidence_view 按需回查
高信号记忆	源码 SQL、HTML 表单/input、PHP/API 链接、JavaScript endpoint、highlight_file 源码、unserialize/魔术方法/危险 sink 会被固定为长期可见事实，避免后续探测把真实入口淹没
轻量纠偏层	只观察工具生命周期，记录耗时、失败降级、重复调用、高信号目标事实和小步语义差异，作为提示信号注入下一轮上下文，不做阶段规划、不主动安排工具
证据闸门	FINAL: 结论必须引用或命中真实证据；未被工具输出支撑的 flag/结论会被拒绝并继续探索
自动复盘报告	目标达成后自动生成 Markdown 报告，包含解题思路、关键证据、复现请求包、curl、响应片段和证据索引

MODEL DECIDES → 可选工具调用 → AgentState 记录完整 raw evidence + active context 高信号预览 + 轻量纠偏信号
        │
继续推理 / 继续调用工具 / ASK_USER / NO_PATH / FINAL
        │
FINAL 经过证据闸门校验 → 通过才结束，否则把拒绝原因返回模型继续做

上下文策略： solve 默认保留正常对话历史，不主动压缩。只有模型上下文接近上限、用户执行 /compact 或显式启用自动压缩时才压缩。工具输出会完整写入 AgentState.evidence，但大输出进入 active context 时只注入 bounded high-signal preview，包含状态、响应头/请求面、表单/参数、endpoint、源码 sink/filter、flag-like token、关键行号、raw size 和 hash；完整 body/stdout/stderr 可通过 evidence_search 搜索或 evidence_view 分页回看。fetch / http_probe_batch 的 max_body_chars、python_execute_max_output_chars 和 shell_command.max_output_chars 只有显式设为正数时才会在工具层裁剪 raw 输出；未显式裁剪时 raw evidence 仍完整保留。相同 raw 输出再次出现时，active context 只保留 same_as=eXXX 引用，不重复塞正文。终端回显只是人类显示层：长工具结果默认折叠为预览，完整内容保存在 evidence。从原始输出里提取出的高信号事实会独立固定，包括表单、参数、JS endpoint、PHP/API 链接、highlight_file 源码、危险 sink、请求面、same-body/响应差异和本地 proof 片段。evidence_list / evidence_search / evidence_view 用于回看历史证据，重复查看同一 evidence 覆盖范围会被短路，连续多轮只翻证据且没有新 evidence 会触发 stall guard，要求下一步改用非 evidence 工具、FINAL、ASK_USER 或 NO_PATH。工具调用执行后不会再强制追加一轮 Summarizing... LLM 调用；正常路径采用 Chat Completions 原生工具 transcript（assistant tool_calls + role=tool），让下一次模型采样基于真实观察继续。

证据级反幻觉闸门： 录制所有真实工具输出作为唯一可信证据。声称的 flag/结论必须在真实输出里逐字符出现或显式引用证据编号才会被采信，杜绝凭空编造。NO_PATH 也受近成功闸门约束：当证据中仍有未耗尽的高信号锚点时，会先把拒绝原因反馈给模型继续验证，而不是直接停止。

自动复盘报告： solve 达成目标后会基于 AgentState 确定性生成 Markdown 复盘报告并默认打印到终端。报告不会额外请求 LLM；复现请求包、curl 和响应片段来自真实 fetch / http_probe_batch evidence。

授权红队 Skill： codex-redteam-mode 的授权红队 detail packs 已作为 skill/知识库导入，供模型按需读取；jailbreak、拒绝绕过、会话 patch 等破限内容未导入。

核心模块

模块	文件	说明
CLI/TUI 入口	cli/main.py + cli/tui.py	Typer 命令 + REPL + TUI
Agent 核心	agent/core.py	AgentCore 协调入口
求解引擎	agent/solver.py + agent/agent_state.py	模型主导循环 + AgentState 证据/步骤/完成闸门
推理/反思	agent/reasoning_state.py + reflexion.py	结构化事实/约束/攻击链 + L0-L4 升级
插件体系	plugins/	低耦合漏洞检测插件运行时
Skill 参考索引	skills/loader.py + resolver.py	只解析相关参考资料，不注入强制流程
MCP 编排	mcp/registry.py + lifecycle.py + router.py	服务注册 + 生命周期 + 工具路由
配置管理	config/schema.py + settings.py	Pydantic + YAML + 13 Provider 预设
报告生成	report/generator.py + poc_builder.py	Markdown 报告 + PoC 脚本
安全知识库	kb/store.py + retriever.py	JSON 存储 + CVE/技术/工具检索

---

MCP 工具链

MCP 服务	工具数	模式	用途	状态
fetch	1	本地 (httpx)	HTTP/HTTPS 请求、GET/POST/PUT 等方法、headers/params/cookies/body/json/form、API 测试	开箱即用
memory	2	本地 (JSON)	上下文记忆、状态持久化	开箱即用
chrome-devtools	31+	stdio MCP	浏览器自动化、截图、JS 执行	需部署
burp	多个	stdio MCP	HTTP 抓包、重放、漏洞扫描	需部署

另有内置 Agent 工具（http_probe_batch、python_execute、shell_command、source_extract、runtime_diff_probe、nmap_scan、crypto_decode、brute_force_login、load_skill_reference、evidence_list、evidence_search、evidence_view 等），无需 MCP 即可调用。

Chrome DevTools MCP 部署

前置条件: Node.js LTS (v20+) + Chrome 浏览器

# Step 1: 启动 Chrome 远程调试
# Windows
"C:\Program Files\Google\Chrome\Application\chrome.exe" --remote-debugging-port=9222 --user-data-dir=C:\tmp\chrome-debug
# Linux/Mac
google-chrome --remote-debugging-port=9222 --user-data-dir=/tmp/chrome-debug

# Step 2: 启用 VulnClaw 配置
vulnclaw config set mcp.servers.chrome-devtools.enabled true

如需指定 Chrome 调试地址，编辑 ~/.vulnclaw/config.yaml：

mcp:
  servers:
    chrome-devtools:
      enabled: true
      transport:
        type: stdio
        command: npx
        args: ["-y", "chrome-devtools-mcp@latest", "--browser-url=http://127.0.0.1:9222"]

Burp Suite MCP 部署

前置条件: Java 11+ + Burp Suite Professional

# Step 1: 克隆并构建
git clone https://github.com/PortSwigger/mcp-server.git burp-mcp
cd burp-mcp
./gradlew embedProxyJar    # Windows: gradlew.bat embedProxyJar

# Step 2: 加载到 Burp Suite → Extensions → Add → Type: Java → 选择 burp-mcp-all.jar

# Step 3: 在 Burp 的 MCP 标签页勾选 "Enabled"

# Step 4: 启用 VulnClaw 配置
vulnclaw config set mcp.servers.burp.enabled true

建议配置：

mcp:
  servers:
    burp:
      enabled: true
      transport:
        type: stdio
        command: java
        args: ["-jar", "~/.vulnclaw/tools/burp-mcp-all.jar", "--sse-url", "http://127.0.0.1:9876"]

详细部署说明参见 docs/mcp-deployment.md

---

内置 Skill

核心 Skill (7)

Skill	说明
pentest-flow	渗透测试全流程编排
recon	信息收集流程
vuln-discovery	漏洞发现流程
exploitation	漏洞利用流程
post-exploitation	后渗透流程
reporting	报告生成流程
waf-bypass	WAF 绕过技巧库

专项 Skill (16)

Skill	参考文档数	说明
web-pentest	3	Web 应用渗透
android-pentest	9	安卓应用渗透
client-reverse	20	客户端逆向分析
web-security-advanced	33	Web 安全进阶（注入、绕过、利用链）
ai-mcp-security	7	AI/MCP 安全测试
intranet-pentest-advanced	15	内网渗透进阶
pentest-tools	16	渗透工具速查
rapid-checklist	2	快速检查清单
crypto-toolkit	3	编解码/加解密（29 种操作）
ctf-web	8	CTF Web 攻击知识库
ctf-crypto	6	CTF 密码学攻击知识库
ctf-misc	6	CTF 杂项知识库
osint-recon	7	OSINT 开源情报收集
cve-triage	1	CVE 查询与三级评估
hackerone	1	HackerOne 赏金 scope-guard
secknowledge-skill	40	Web+AI 安全测试知识库

Skill 会根据用户输入解析为“可选参考资料索引”，不会把 Skill 正文、阶段流程或方法论剧本自动塞进系统提示。专项 Skill 含 references/ 目录下的详细方法论文档，LLM 只有在自己判断有价值时才通过 load_skill_reference 按需加载。

内置编解码/加解密工具 (crypto_decode)

类别	操作
编解码	base64, base32, base58, hex, url, html, unicode, rot13, caesar, morse（各有 encode/decode）
哈希	md5, sha1, sha256, sha512
加解密	aes_encrypt, aes_decrypt（CBC 模式，PKCS7 填充）
JWT	jwt_decode, jwt_encode
自动识别	auto_decode — 尝试所有常见编码，返回匹配结果

---

配置管理

LLM 提供商

vulnclaw config provider --list    # 查看所有提供商
vulnclaw config provider minimax   # 一键切换

提供商	命令	默认模型
OpenAI	provider openai	gpt-4o
Anthropic Claude	provider anthropic	claude-sonnet-5
MiniMax	provider minimax	MiniMax-M3
DeepSeek	provider deepseek	deepseek-v4-pro
智谱 GLM	provider zhipu	glm-4.7
Kimi	provider moonshot	kimi-k2.6
通义千问	provider qwen	qwen3-max
SiliconFlow	provider siliconflow	DeepSeek-V4-Flash
豆包	provider doubao	Doubao-Seed-2.0-Pro
百川	provider baichuan	Baichuan4-Turbo
阶跃星辰	provider stepfun	step-3.5-flash
商汤	provider sensetime	SenseNova-6.7-Flash-Lite
零一万物	provider yi	yi-lightning
自定义	provider custom	手动填写

命令行配置

vulnclaw config list                          # 查看所有配置
vulnclaw config get llm.model                 # 查看单项
vulnclaw config set llm.api_key sk-xx         # 设置 API Key
vulnclaw config set session.max_rounds 30     # 设置最大轮数（默认 15）
vulnclaw config set session.show_thinking false # 隐藏推理过程

可配置项

配置项	默认值	说明
llm.provider	openai	LLM 提供商
llm.api_key	空	API Key
llm.auth_mode	static	static 或 oauth
llm.chatgpt_auto_proxy	false	自动启动内置 ChatGPT 后端桥接代理
llm.base_url	按 provider	API 基础 URL
llm.model	按 provider	模型名称
llm.temperature	0.1	采样温度
llm.max_tokens	4096	单次最大输出 token
session.engine	solve	solve（模型主导）/ team（角色团队）/ rounds（旧固定轮数）
session.solve_max_steps	240	solve 防失控安全预算；不是计划轮数，正常由模型自主完成/询问/判定无路
session.solve_max_directions	3	兼容旧配置；默认模型主导 solve 不再使用研究方向数量
session.solve_max_tool_rounds	6	兼容旧配置；单个模型 turn 内连续工具 follow-up 的 runaway 安全上限，不是计划式工作流轮数
session.solve_auto_compact	false	是否允许 solve 自动压缩上下文；默认关闭，优先保留完整上下文
session.solve_compact_trigger_ratio	0.9	自动压缩启用时的上下文触发比例
session.solve_auto_report	true	solve 目标达成后自动生成 Markdown 复盘报告
session.solve_report_show	true	自动报告生成后在终端直接打印报告正文
session.max_rounds	15	最大轮数
session.output_dir	./vulnclaw-output	报告输出目录
session.report_format	markdown	报告格式（markdown / html）
session.poc_language	python	PoC 生成语言（python / bash）
session.show_thinking	false	显示 LLM 推理过程
session.persistent_rounds_per_cycle	100	持续性渗透每周期轮数
session.persistent_max_cycles	10	持续性渗透最大周期数（0=无限）
session.persistent_auto_report	true	持续性渗透每周期自动生成报告
session.stale_rounds_threshold	5	死循环检测阈值

环境变量

变量	说明
VULNCLAW_LLM_PROVIDER	LLM 提供商名称
VULNCLAW_LLM_API_KEY	API Key
VULNCLAW_LLM_AUTH_MODE	static / oauth
VULNCLAW_LLM_CHATGPT_AUTO_PROXY	内置 ChatGPT 代理
VULNCLAW_LLM_BASE_URL	API 基础 URL
VULNCLAW_LLM_MODEL	模型名称
VULNCLAW_SESSION_MAX_ROUNDS	最大轮数
VULNCLAW_SESSION_STALE_ROUNDS_THRESHOLD	死循环检测阈值
VULNCLAW_SESSION_REASONING_STATE_ENABLED	结构化推理状态开关
VULNCLAW_SESSION_REFLEXION_ENABLED	自适应反思引擎开关
VULNCLAW_SESSION_REFLEXION_MAX_SAME_VULN_FAILS	同类漏洞连败触发反思阈值
VULNCLAW_SESSION_ESCALATION_MAX_LEVEL	Payload 升级上限（0-4）
VULNCLAW_SESSION_PLUGIN_RUNTIME_ENABLED	插件运行时开关
VULNCLAW_SESSION_PLUGIN_MAX_REQUESTS_PER_TARGET	单目标插件请求预算

优先级：环境变量 > 配置文件 > 内置默认值

配置文件位于 ~/.vulnclaw/config.yaml。

---

更新日志

完整更新日志见 CHANGELOG.md。

---

安全声明

公开 Alpha 阶段：VulnClaw 是面向已授权安全测试、CTF、实验环境与可控研究场景的公开 Alpha 软件，不应作为生产环境的安全控制手段或授权机制。使用前请阅读 SECURITY.md。

VulnClaw 仅用于已授权的安全测试。使用本工具前，请确保：

1. 你已获得目标系统的明确授权
2. 测试范围已与目标所有者书面确认
3. 你遵守当地法律法规

未经授权对系统进行渗透测试是违法行为。本工具作者不对滥用行为承担责任。

---

许可证

MIT License

---

加入社区

与更多安全爱好者一起交流、分享与成长

社区交流群	开发者群聊
欢迎加入讨论分享，获取最新产品动态与使用技巧	加入我们，参与开源贡献与技术深度探讨
QQ 群号：954402631	QQ 群号：1065858551

---

🦞 VulnClaw — 让每一次渗透都有章可循。