Decepticon v1.1.40
红队自主黑客代理
Decepticon — 自主红队代理
"又一个AI黑客？让我们猜猜——它会运行nmap然后写报告。"
☁️ 不想自托管？Decepticon 已在云端运行。
跳过 Docker 设置——直接从浏览器运行自主红队演练。
安装
前置条件: Docker 和 Docker Compose v2。 支持 macOS（Apple Silicon + Intel）、Linux（amd64 + arm64）和 Windows（amd64 + arm64）——通过 PowerShell 原生运行，或通过 WSL2（Ubuntu / Kali）。
macOS / Linux / WSL2
curl -fsSL https://decepticon.red/install | bash
decepticon onboard # 交互式设置向导（提供商、API 密钥、模型配置文件）
decepticon # 启动核心栈并进入终端 CLI
默认启动会拉起核心管理层（LiteLLM、PostgreSQL、Neo4j、Skillogy、LangGraph、沙箱）并启动终端 CLI。专业化工作负载（BloodHound CE、Sliver C2、Ghidra MCP 等）和 Web 仪表盘按需启动——编排器通过 ops_start("ad") 等调用生成专业化组件，您可在 CLI 内通过 /web 启动仪表盘（参见 Web 仪表盘）。
Windows（PowerShell，原生）
irm https://decepticon.red/install.ps1 | iex
decepticon onboard
decepticon
作为库使用 (pip)
在代理之上构建——产品、研究集成或自定义编排器？从 PyPI 安装 SDK：
pip install decepticon # 核心 SDK
pip install "decepticon[neo4j]" # + 知识图谱攻击链工具
decepticon 是一个客户端 SDK：它提供代理工厂、中间件、工具和技能，并将 LLM 调用和沙箱执行通过 HTTP 路由到运行时服务（DECEPTICON_LLM__PROXY_URL、SANDBOX_URL）。运行代理仍然需要这些服务——使用上面的 Docker 栈，或将这些 URL 指向您自己的等效服务。参见 Decepticon 作为库 了解工厂覆盖接口、声明式 PluginBundle 插件和安全门。
💖 支持 Decepticon
我们正在将 Decepticon 打造成面向 AI 驱动威胁环境的进攻性疫苗。如果您相信自主红队是增强防御的途径，请考虑支持该项目。
基准测试
| 基准测试 | 难度 | 通过率 |
|---|---|---|
| XBOW validation-benchmarks | 简单（L1） | 45/45 (100%) |
| XBOW validation-benchmarks | 中等（L2） | 50/51 (98.0%) |
| XBOW validation-benchmarks | 困难（L3） | 7/8 (87.5%) |
| XBOW validation-benchmarks | 所有级别 | 102/104 (98.08%) |
什么是 Decepticon？
"AI + 黑客"领域充斥着运行 nmap 然后打印报告的演示。那不是我们做的事情。
Decepticon 是专业的自主红队代理。 它执行真实的攻击链——侦察、利用、权限提升、横向移动、C2——就像真正的对手那样，而不是像扫描器那样。
但更重要的是：它在区分红队成员和脚本小子的纪律下运作。在发送单个数据包之前，Decepticon 会生成完整的演练包——交战规则、行动概念、冲突解除计划和作战计划（包含 MITRE ATT&CK 映射）——每个动作都在这些定义规则内执行。
为什么选择 Decepticon？
真正的杀伤链，而非复选框扫描。 Decepticon 读取作战计划，并通过任何打开的路径追求目标—— pivot、适应、链式组合技术。
真正的交互式 shell。 真正的攻击性工具是交互式的（msfconsole、sliver-client、evil-winrm）。Decepticon 在持久化的 tmux 会话中运行每条命令，并带有自动提示检测——因此当工具进入交互式提示符时，代理无需变通即可发送后续命令。
强化沙箱隔离。 所有命令在专用运营网络（sandbox-net）上的 Kali Linux 沙箱内运行，与管理平面（decepticon-net）分离。LangGraph 通过 Docker 套接字驱动沙箱。→ 架构
进攻服务于防御。 计划中的进攻性疫苗循环将通过攻击→防御→验证周期将发现转化为防御改进。
架构
双网络设计。始终在线的管理平面（LiteLLM、PostgreSQL、Skillogy、LangGraph）和始终在线的沙箱平面在整个演练期间保持运行；其他一切都是动态生成——Web 仪表盘在 CLI 中通过 /web 启动，专业化工作负载（BloodHound CE、Sliver C2、Ghidra MCP 等）仅在编排器调用 ops_start(...) 时启动（参见 ADR-0006）。网络：管理平面在 decepticon-net 上；沙箱 + C2 服务器 + 目标在 sandbox-net 上。Neo4j 双宿主，因此代理（在管理平面上）可以持久化从沙箱内部写入的发现。
代理
16 个专业代理按杀伤链阶段组织，每个目标使用全新的上下文窗口——无累积噪音。
编排 · 侦察 · 利用 · 后利用 · 漏洞研究 · 领域专家（AD、云、智能合约、逆向工程、分析师）。
模型与提供商
基于层级、凭据感知的回退链。您按优先级声明拥有的凭据；Decepticon 从那里为每个层级构建主要→回退链。
| 配置文件 | 每代理层级 | 使用场景 |
|---|---|---|
| eco（默认） | 每代理（编排器/利用器/修补器/分析器为 HIGH，执行为 MID，侦察/声波为 LOW） | 生产环境 |
| max | 每个代理均为 HIGH | 高价值目标 |
| test | 每个代理均为 LOW | 开发 / CI |
层级映射提供商：Anthropic、OpenAI、Google Gemini、MiniMax、DeepSeek、xAI、Mistral、OpenRouter、Nvidia NIM、Ollama（本地）。 订阅 OAuth：Claude Max/Pro/Team、ChatGPT Pro/Plus/Team、Gemini Advanced、Copilot Pro、SuperGrok、Perplexity Pro。
通过 decepticon onboard 配置。→ 完整的模型参考与回退示例
文档
| 主题 | 文档 |
|---|---|
| 安装和首次演练 | 快速入门 |
| 完整设置、OAuth、提供商、仪表盘 | 设置指南 |
| 所有 CLI 命令和键盘快捷键 | CLI 参考 |
所有 make 目标 | Makefile 参考 |
| 代理名册和中间件 | 代理 |
| 模型配置文件和回退链 | 模型 |
| 技能系统和格式规范 | 技能 |
| Web 仪表盘功能和设置 | Web 仪表盘 |
| 系统架构和网络隔离 | 架构 |
| Neo4j 知识图谱 | 知识图谱 |
| 端到端演练工作流程 | 演练工作流程 |
| 进攻性疫苗循环 | 进攻性疫苗 |
| 为 Decepticon 做贡献 | 贡献 |
贡献
git clone https://github.com/PurpleAILAB/Decepticon.git
cd Decepticon
make dogfood # 在本地代码上运行完整的 OSS UX（启动器 → onboard → CLI）
make dev # 后端热重载（compose watch）——日常开发循环
→ 贡献指南
社区
加入 Discord ——提问、分享演练日志、讨论技术。
免责声明
未经系统所有者明确书面授权，请勿在任何系统或网络上使用本项目。未经授权访问计算机系统是非法的。您对自己的行为负全部责任。作者和贡献者不对滥用行为承担任何责任。
许可证
