文章总结: RedTeam-Agent是一款AI驱动的自动化红队渗透测试框架,通过Skill-first终端工作流整合15+渗透工具,实现从信息收集、漏洞扫描到内网穿透、域渗透的全流程自动化。核心特性包括开箱即用部署、Token优化机制及完整AD攻击链路支持,支持多客户端自然语言指令交互。文档提供了完整的工具矩阵说明和快速部署指南,可显著提升红队作业效率。 综合评分: 88 文章分类: 渗透测试,红队,内网渗透,安全工具,AI安全
RedTeam-Agent:让 AI 直接化身黑客的自动化红队框架来了
原创
ktol1 ktol1
泷羽Sec-Norsea
2026年4月14日 19:43 浙江
在小说阅读器读本章
去阅读
以前做渗透,最累人的不是想攻击思路,而是反复敲命令、切工具、看输出、拼结果。
现在,有一个工具能让你把这些繁琐执行工作直接甩给 AI —— 你只需要给出目标和最终需求,它会自主完成信息收集、漏洞扫描、内网穿透、域渗透、权限提升等全流程。
🎯 项目简介
RedTeam-Agent 是一个采用 Skill-first 终端工作流 的 AI 红队渗透测试框架。AI 读取项目 Skill 后,会自动识别工具并 能够自主执行内网渗透测试、活动目录攻击、漏洞利用等红队任务。
❝
核心理念:无需手动操作,AI 接管所有渗透工具,让安全测试真正自动化。
✨ 核心特性
| 特性 | 说明 | | — | — | | 🚀 开箱即用 | 15+ 渗透工具自动安装,Windows 一键部署 | | 🤖 AI 驱动 | 通过 Skill + 终端,AI 直接调用渗透工具 | | 💰 Token 优化 | 智能输出压缩,节省 80% Token 消耗 | | 🛡️ 域渗透完整 | BloodHound + impacket + Responder 全链路 | | 🌐 多客户端支持 | Cursor、Claude Desktop、VS Code Cline |
🛠️ 工具矩阵
网络扫描
| 工具 | 功能 | 场景 | | — | — | — | | gogo | 极速资产发现 | 内网主机探测 | | fscan | 综合扫描 | 端口/漏洞/弱口令 |
Web 安全
| 工具 | 功能 | 场景 | | — | — | — | | httpx | Web 指纹识别 | 网站技术栈识别 | | nuclei | POC 批量扫描 | 已知漏洞检测 | | ffuf | 目录 fuzzing | Web 目录爆破 |
活动目录攻击 🏆
| 工具 | 功能 | 场景 | | — | — | — | | SharpHound | Windows 收集器 | 域内数据采集 | | bloodhound-python | 跨平台收集器 | Linux/macOS 数据采集 | | GetNPUsers | AS-REP Roast | 枚举不需要预认证的用户 | | GetUserSPNs | Kerberoasting | 请求 SPN 票据破解 | | secretsdump | LSASS Dump | 提取明文和哈希 | | ntlmrelayx | NTLM Relay | 中继攻击 | | pywerview | 域信息枚举 | 用户/计算机/组 | | ldapdomaindump | LDAP 转储 | 域信息快照 |
横向移动
| 工具 | 功能 | 场景 | | — | — | — | | nxc | NetExec | SMB/WinRM/SSH | | wmiexec | WMI 执行 | 无文件横向 | | psexec | PSEXEC | 服务执行 |
代理与凭据
| 工具 | 功能 | 场景 | | — | — | — | | chisel | HTTP 隧道 | 端口转发 | | responder | LLMNR 欺骗 | 哈希收集 |
🚀 快速开始
1. 环境要求
Python 3.8+
Windows 10/11 或 Linux/macOS
8GB+ RAM (推荐)
2. 安装部署
# 克隆仓库
git clone https://github.com/ktol1/RedTeam-Agent.git
cd RedTeam-Agent
# 创建虚拟环境
python -m venv venv
# 激活虚拟环境
# Windows PowerShell
.\venv\Scripts\Activate.ps1
# Linux/macOS
source venv/bin/activate
# 下载二进制工具 (自动下载 gogo, fscan, httpx, nuclei 等)
python scripts/install_tools.py
3. 启用 Skills 终端模式
无需额外服务端配置。只需要:
# 进入仓库根目录(确保 .github/skills/redteam/SKILL.md 可见)
cd RedTeam-Agent
# 确认工具目录存在
dir .\tools
AI 会根仓库内的 Skill 与 copilot-instructions.md,直接在终端执行命令并读取输出。
4. 开始使用
对 AI 说:
🎯 先加载 redteam skill,然后用终端扫描 192.168.1.0/24,输出写入 scan.txt 并总结高价值结果
🎯 扫描 192.168.1.0/24 网段,发现所有 Windows 主机并识别开放服务
🎯 使用 SharpHound 收集 corp.local 域信息,分析攻击路径
🎯 在 192.168.1.100 上搭建 chisel 代理,访问 10.10.10.0/24 网段
🎯 对 192.168.1.50 执行 Kerberoasting 攻击
📊 系统架构(Skills + Terminal)
┌─────────────────────────────────────────────────────────────────┐
│ │
│ ██████╗ ██████╗ ███████╗███╗ ███╗███████╗ ██████╗ ██╗ │
│ ██╔══██╗██╔══██╗██╔════╝████╗ ████║██╔════╝██╔═══██╗██║ │
│ ██████╔╝██████╔╝███████╗██╔████╔██║█████╗ ██║ ██║██║ │
│ ██╔═══╝ ██╔══██╗╚════██║██║╚██╔╝██║██╔══╝ ██║ ██║╚═╝ │
│ ██║ ██║ ██║███████║██║ ╚═╝ ██║███████╗╚██████╔╝██╗ │
│ ╚═╝ ╚═╝ ╚═╝╚══════╝╚═╝ ╚═╝╚══════╝ ╚═════╝ ╚═╝ │
│ │
│ Skill-first Terminal Execution │
│ │
└─────────────────────────────┬───────────────────────────────────┘
│
┌───────────────┼───────────────┐
│ │ │
▼ ▼ ▼
┌──────────┐ ┌──────────┐ ┌──────────┐
│ Cursor │ │ Claude │ │ Cline │
│ IDE │ │ Desktop │ │ (VS Code)│
└──────────┘ └──────────┘ └──────────┘
│ │ │
└───────────────┼───────────────┘
│
┌───────────────┴───────────────┐
│ │
▼ ▼
┌─────────────────────────────────────────────────────────────┐
│ Skill Layer │
│ │
│ .github/copilot-instructions.md │
│ .github/skills/redteam/SKILL.md │
│ │
│ 约束: 非交互命令 / 长输出写文件 / 只提取高价值结果 │
└─────────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────┐
│ Tool Layer │
│ ┌────────┐ ┌────────┐ ┌────────┐ ┌────────┐ ┌────────┐ │
│ │ gogo │ │ fscan │ │ httpx │ │ nuclei │ │ Sharp │ │
│ └────────┘ └────────┘ └────────┘ └────────┘ │Hound.exe│ │
│ ┌────────┐ ┌────────┐ ┌────────┐ ┌────────┐ └────────┘ │
│ │ nxc │ │ chisel │ │impacket │ │responder│ │
│ └────────┘ └────────┘ └────────┘ └────────┘ │
└─────────────────────────────────────────────────────────────┘
🎯 AD 攻击链路
┌─────────────────────────────────────────────────────────────────┐
│ 攻击阶段流程图 │
└─────────────────────────────────────────────────────────────────┘
┌───────────────┐ ┌───────────────┐ ┌───────────────┐
│ 侦察阶段 │ ───► │ 收集阶段 │ ───► │ 分析阶段 │
└───────────────┘ └───────────────┘ └───────┬───────┘
│ │
▼ ▼
┌───────────────┐ ┌───────────────┐
│ gogo/fscan │ │ BloodHound GUI│
│ kerbrute │ │ attack_paths │
│ pywerview │ │ analysis.py │
└───────────────┘ └───────────────┘
│
┌───────────────┐ ┌───────────────┐ │
│ 攻击阶段 │ ◄─── │ 移动阶段 │ ◄─────────┘
└───────────────┘ └───────────────┘
│ │
▼ ▼
┌───────────────┐ ┌───────────────┐
│ Kerberoast │ │ nxc smb │
│ AS-REP Roast │ │ wmiexec │
│ secretsdump │ │ psexec │
│ ntlmrelayx │ │ getST │
└───────────────┘ └───────────────┘
📦 终端命令清单(Skill 调用)
| # | 工具名称 | 功能 | 核心命令 |
| — | — | — | — |
| 1 | gogo | 极速资产探针 | gogo -t 100 -l hosts.txt -q -f gogo.txt |
| 2 | fscan | 内网综合扫描 | fscan -h 192.168.1.0/24 -np -silent -nocolor -o fscan.txt |
| 3 | httpx | Web 指纹探测 | httpx -l urls.txt -sc -title -server -td -silent -o httpx.txt |
| 4 | nuclei | 漏洞 POC 扫描 | nuclei -l urls.txt -tags cve,rce -s high,critical -nc -o nuclei.txt |
| 5 | ffuf | 目录 fuzzing | ffuf -u http://target/FUZZ -w wordlist.txt -mc 200,301,302 -s -o ffuf.txt |
| 6 | nxc | 内网横向渗透 | nxc smb 192.168.1.0/24 -u user -p pass --shares |
| 7 | kerbrute | Kerberos 用户枚举 | kerbrute userenum -d corp.local --dc 192.168.1.10 users.txt -o valid_users.txt |
| 8 | SharpHound | BloodHound 数据采集 | SharpHound.exe -c Default -d corp.local |
| 9 | pywerview | 域信息枚举 | pywerview.py get-domain-user -d corp.local --dc-ip 192.168.1.10 -u user -p pass |
| 10 | ldapdomaindump | LDAP 信息转储 | ldapdomaindump ldap://192.168.1.10 -u 'corp\\user' -p 'password' -o .\\ldapdump |
| 11 | responder | LLMNR 欺骗 | responder -I eth0 -v |
| 12 | wmiexec | WMI 执行 | impacket-wmiexec domain/user:pass@target 'whoami' |
| 13 | psexec | PSEXEC | impacket-psexec domain/user:pass@target cmd.exe |
| 14 | secretsdump | LSASS Dump | impacket-secretsdump corp.local/user:pass@dc -just-dc |
| 15 | ntlmrelayx | NTLM Relay | impacket-ntlmrelayx -t ldap://dc --smb2support |
⚡ Token 优化机制
| 优化项 | 说明 | 节省比例 | | — | — | — | | ANSI 去除 | 清除终端颜色代码 | ~15% | | 空白压缩 | 合并多余空行 | ~10% | | 输出截断 | 最大 8000 字符 | ~50% | | 进度条过滤 | 移除进度条输出 | ~20% | | 总计 | | ~80% |
项目地址:https://github.com/ktol1/RedTeam-Agent
学习交流群
刚加入网络安全行业的小白,可以加入学习交流群,大家一起互相学习,互相进步,不会的难题大家一起学习,一起攻克。
想要进学习交流群的师傅们,可以扫描后台二维码添加好友,我再拉你进群(Ps:防止广告进群)。
免责声明:
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景,旨在提升网络安全防护能力,具有明确的技术研究属性。
任何单位或个人未经授权,将本文内容用于攻击、破坏等非法用途的,由此引发的全部法律责任、民事赔偿及连带责任,均由行为人独立承担,本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布,若存在版权侵权或其他异议,请通过邮件联系处理,具体联系方式可点击页面上方的联系我。
本文转载自:泷羽Sec-Norsea ktol1 ktol1《RedTeam-Agent:让 AI 直接化身黑客的自动化红队框架来了》
版权声明
本站仅做备份收录,仅供研究与教学参考之用。
读者将信息用于其他用途的,全部法律及连带责任由读者自行承担,本站不承担任何责任。










评论