BoxPwnr

一个有趣的实验，旨在探索大型语言模型（LLM）在自主解决 CTF 挑战和安全实验环境方面能达到何种程度。它最初从 HackTheBox 起步，如今已覆盖众多平台和智能体求解器。

BoxPwnr 提供了一套即插即用的系统，可用于测试不同智能体架构的性能：--solver [claude_code, codex, cursor-cli, grok, kiro_cli, external, single_loop_xmltag, single_loop, single_loop_compactation, hacksynth]。

支持的平台：--platform [htb, htb_ctf, htb_challenges, portswigger, ctfd, local, xbow, hackbench, cybench, cybergym, exploitbench, picoctf, tryhackme, levelupctf, argus]

有关每个受支持平台的详细文档，请参阅平台实现。

追踪记录与基准测试

所有求解追踪记录均可在 BoxPwnr 追踪记录与基准测试中获取。每条追踪记录都包含完整的对话日志，展示 LLM 的推理过程、执行的命令以及收到的输出。你可以在交互式网页查看器中回放任意追踪记录，逐步查看目标机器究竟是如何被攻破的。

🔬 BoxPwnr 追踪记录与基准测试

平台	已解决	轨迹数
HTB Starting Point	25/25	770
HTB Labs	268/526	783
HTB Challenges	324/818	732
PortSwigger Labs	163/270	377
XBOW	102/104	525
Cybench	40/40	2165
CyberGym	476/1507	977
picoCTF	502/503	1215
TryHackMe	213/477	905
HackBench	11/16	27
ExploitBench	2/42	58
LevelUpCTF	50/254	146
Argus	47/60	1026
BSidesSF CTF 2026	43/51	76
Cloud Village CTF 2026	12/20	30
Neurogrid CTF: The ultimate AI security showdown	17/36	197

工作原理

BoxPwnr 使用 LLM（或 Claude Code、Codex、Grok、Cursor 等 CLI 智能体）通过迭代过程自主解决 CTF / 靶场目标：

环境：默认情况下，命令在装有 Kali Linux 的 Docker 容器中运行（--executor docker）

容器在首次运行时自动构建（约需 10 分钟）
当平台需要时，VPN 连接会自动建立

执行循环（默认 single_loop_* 求解器）：

LLM 接收一份详细的系统提示，其中定义了其任务和约束
LLM 根据之前的输出建议下一条命令
命令在选定的执行器中执行
输出被反馈给 LLM 进行分析
该过程重复进行，直到获取 flag（或满足平台成功标准）
基于 CLI 的求解器（claude_code、codex、grok、cursor-cli、kiro_cli）运行各自的 agent 循环，并将结果流式传回 BoxPwnr

命令自动化：

指示 agent 提供完全自动化的命令，无需人工交互
命令应包含适当的超时设置并处理服务延迟

结果：

对话和命令被保存为 trace，用于分析 / 回放
找到 flag 时可生成摘要
跟踪使用统计（token、成本、轮次）

用法

前置条件

克隆包含子模块的仓库

 git clone --recurse-submodules https://github.com/0ca/BoxPwnr
 cd BoxPwnr

 # Install uv if you haven't already
 curl -LsSf https://astral.sh/uv/install.sh | sh

 # Sync dependencies (creates .venv)
 uv sync

Docker

BoxPwnr 需要安装并运行 Docker
安装说明可参见：https://docs.docker.com/get-docker/

运行 BoxPwnr

uv run boxpwnr --platform htb --target meow [options]

首次运行时，系统会提示你输入所需的 API 密钥。密钥会保存到 .env 文件中以供后续使用。CLI 求解器（Claude Code、Codex、Grok、Cursor、Kiro）使用各自的订阅认证，而不是（或额外于）API 密钥。

命令行选项

核心选项

--platform：要使用的平台（htb、htb_ctf、htb_challenges、portswigger、ctfd、local、xbow、hackbench、cybench、cybergym、exploitbench、picoctf、tryhackme、levelupctf、argus）
--target：目标名称（例如，HTB 机器使用 meow，PortSwigger 实验使用 "SQL injection UNION attack"，或 XBOW 基准测试使用 XBEN-060-24）
--debug：启用详细日志记录（显示工具名称和描述）
--debug-langchain：启用 LangChain 调试模式（显示包含工具架构的完整 HTTP 请求、LangChain 跟踪和原始 API 负载——非常详细）
--max-turns：停止前的最大轮数（例如，--max-turns 10）
--max-cost：停止前的最大成本（美元）（例如，--max-cost 2.0）
--max-time：每次尝试的最大时间（分钟）（例如，--max-time 60）
--attempts：解决目标的尝试次数（例如，--attempts 5 用于 pass@5 基准测试）
--default-execution-timeout：命令执行的默认超时时间（秒）（默认值：30）
--max-execution-timeout：命令执行的最大超时时间（秒）（默认值：300）
--custom-instructions：要追加到系统提示中的额外自定义指令

平台

--keep-target：完成后保持目标（机器/实验）运行（便于手动跟进）

分析与报告

--analyze-attempt：完成后使用 TraceAnalyzer 分析失败的尝试
--generate-summary：完成后生成解决方案摘要
--generate-progress：为失败/中断的尝试生成进度交接文件（progress.md）。该文件可用于稍后恢复该尝试。
--resume-from：指向之前尝试的 progress.md 文件的路径。其内容将被注入到系统提示中，以便从上次尝试中断的地方继续。
--generate-report：从现有的跟踪目录生成新报告

最受欢迎

BoxPwnr

BoxPwnr

追踪记录与基准测试

工作原理

用法

前置条件

运行 BoxPwnr

命令行选项

核心选项

平台

分析与报告

LLM 求解器与模型选择