AIRecon 是一个自主渗透测试代理，它驱动任意 OpenAI 兼容的 LLM 网关（LiteLLM / vLLM / 托管端点——或代理本地 Ollama 的本地网关），并配备 Kali Linux Docker 沙箱、原生 Caido 代理集成、结构化的 RECON → ANALYSIS → EXPLOIT → REPORT 流水线，以及实时 Textual TUI。
设计上后端无关。 将 AIRecon 指向本地网关（LiteLLM / vLLM，或代理本地 Ollama 的网关）即可实现完全离线 / 私有运行，或指向托管的 OpenAI/Anthropic/Gemini 兼容端点以获得最高推理质量。推理支持在运行时自动检测——无需针对每个模型硬编码。
Swiftproxy 提供覆盖 220+ 个地点的 9000 万+ 干净住宅 IP，支持 HTTP(S)/SOCKS5、IP 轮换、粘性会话和精确地理定位。它帮助 AI 驱动的研究和侦察工作流从不同地点可靠地访问网站，适用于 Web 研究、数据收集、抓取和基于位置的访问。
提供免费测试，使用优惠码 PROXY90 可享 9 折优惠。
AIRecon 只与一个 OpenAI 兼容网关通信，因此你可以自行权衡取舍——运行本地模型以获得隐私和零 API 成本，或运行托管模型以获得顶级推理质量。同一个代理、流水线、沙箱和工具链在两种方式下均可工作。
| 功能 | AIRecon |
|---|---|
| 后端 | 任意 OpenAI 兼容网关（LiteLLM / vLLM / 托管） |
| 完全离线 / 无需 API 密钥 | 是——使用本地网关时（vLLM，或网关 → 本地 Ollama） |
| 推理检测 | 运行时自动进行（无需硬编码模型名称） |
| Caido 集成 | 原生 |
| 范围守卫 + 审计日志 | 是——拒绝范围外目标，记录每条命令 |
| 仅基于已验证结果的学习 | 是——大脑积累经过验证的发现，而非噪声 |
| 会话恢复（聊天 + 工具调用） | 是 |
| 本地知识库 | 约 109 万条记录（可选） |
§FUZZ§）、findings、scope、sitemap、intercept。dataset_search——将其决策建立在真实索引数据之上。RECON → ANALYSIS → EXPLOIT → REPORT
每个阶段都有具体目标、推荐工具和自动转换标准。阶段约束是软性的——智能体会受到引导，但绝不会被阻塞。检查点每 5 次（阶段评估）、10 次（自我评估）和 15 次（上下文压缩）迭代运行一次。
AIRecon 不会微调 LLM。它的“学习”是本地、结构化的遥测数据，用于指导工具选择并避免重复失败的路径。
本地持久化（全部在磁盘上，无云端）：
~/.airecon/memory/airecon.db，存储会话、发现、模式、目标情报、工具使用、模型性能、技能使用和攻击链发现。~/.airecon/learning/global_learning.json（工具性能统计、策略模式、观察日志、提炼洞察）。~/.airecon/memory/by_target/ 下，包含端点、漏洞、WAF 绕过、敏感参数和认证端点。workspace/<target>/payload_memory.json 下。它如何影响行为：
tech_correlations 数据集注入知识简报——因此数据集从第 1 次迭代起就被用作大脑。intelligence_memory_recall_interval 次迭代（默认 4），会根据检测到的技术重新注入已学习模式/冷启动知识；关联每 intelligence_correlation_interval 次（默认 6）运行一次。intelligence_learn_only_verified，默认开启）。intelligence_adaptive_min_observations（默认 2）次观察后即开始。AIRecon 可与你的网关暴露的任何模型配合使用（GPT、Claude、Gemini、Qwen、GLM、DeepSeek、本地 Ollama/vLLM 模型等）。有两项能力至关重要：
⚠️ 原生工具/函数调用是必需的。 没有它，智能体无法运行任何工具（http_observe、execute、browser、Caido 等），将无法正常工作。请保持
openai_supports_native_tools: true。推理能力会自动检测。 在
auto模式下，AIRecon 发送 OpenAI 标准的reasoning_effort，如果后端拒绝（HTTP 400 不支持的参数），则将其剥离并记住——因此推理模型会思考，普通模型不会出错。无需维护模型名称列表。
AIRecon 支持两种显式线路协议：llm_provider: openai（默认，/v1/chat/completions）和 llm_provider: anthropic（/v1/messages）。两者都使用 openai_base_url、openai_model 和 openai_api_key。对于原生 Anthropic，默认认证模式为 llm_anthropic_auth: x-api-key；需要 Bearer 的网关必须显式选择 bearer 或 both。参见配置。
质量指导（与提供商无关）：
对于本地/离线设置，在本地网关（Ollama/vLLM）后面运行模型，并将 openai_base_url 指向它（参见配置）。质量随模型扩展，而非随 AIRecon 扩展。
如果你没有 GPU 或本地 VRAM 低于最低要求，可以在免费的 Google Colab T4 GPU 上运行 Ollama，并通过公共隧道将 AIRecon 连接到它。
打开笔记本：
工作原理：
Google Colab GPU Your Local Machine
┌──────────────────────────────┐ ┌──────────────────────────────┐
│ Local gateway (qwen3:8b) │◄────────►│ AIRecon TUI │
│ cloudflared tunnel │ HTTPS │ openai_base_url: <tunnel>/v1│
└──────────────────────────────┘ └──────────────────────────────┘
步骤：
~/.airecon/config.yaml（Colab 在隧道后面运行一个兼容 OpenAI 的网关）：openai_base_url: "https://xxxx.trycloudflare.com/v1" # printed by Cell 6 (note the /v1)
openai_api_key: "" # set if the gateway requires one
openai_model: "qwen3:8b"
llm_timeout: 300.0
llm_chunk_timeout: 300.0
llm_context_window: 32768
llm_context_window_small: 16384
airecon startColab GPU → 模型可用性：
| Colab GPU | 显存 | 可用模型 | 方案 |
|---|---|---|---|
| T4 | 15 GB | qwen3.5:9b | 免费 |
| L4 | 22 GB | qwen3.5:35b-a3b（MoE） | Pro |
| A100 | 40 GB | qwen3.5:35b | Pro+ |
| H100 | 80 GB | qwen3.5:122b | Pro+ |
限制：
qwen3.5:9b 的 T4 是最低可行配置——与本地 35B+ 模型相比，响应更慢且工具调用错误更多scripts/airecon_colab.ipynb前置条件： Python 3.12+、Docker 20.10+、一个可通过 openai_base_url 访问的 OpenAI 兼容 LLM 网关（例如位于 http://localhost:20128/v1 的本地 OpenAI 兼容网关——它本身可以代理本地 Ollama/vLLM——或托管端点）、git、curl
curl -fsSL https://raw.githubusercontent.com/pikpikcu/airecon/refs/heads/main/scripts/install.sh | bash
脚本会自动检测远程模式与本地模式，若缺少 Poetry 则自动安装（通过官方安装程序——不会与系统软件包产生冲突），构建 wheel，并安装到 ~/.local/bin。
git clone https://github.com/pikpikcu/airecon.git
cd airecon
./install.sh
# Add to ~/.bashrc or ~/.zshrc if needed
export PATH="$HOME/.local/bin:$PATH"
airecon --version
配置文件：~/.airecon/config.yaml（首次运行时自动生成）。如果 ~/.airecon/ 不存在，AIRecon 会创建它，包括使用自定义 ~ 路径的情况。