1. 项目概述
PentAGI（Penetration Testing Artificial General Intelligence）是一个创新的自动化安全测试工具，它利用前沿的人工智能技术，为信息安全专业人员、研究人员和爱好者提供强大而灵活的渗透测试解决方案。
该项目由 vxcontrol 团队开发，其核心定位是一个完全自主的AI代理系统，能够执行复杂的渗透测试任务。PentAGI 并非 CALDERA 式的入侵与攻击模拟（BAS）或预定义攻击方案的产品，而是一个自主和助理引导的渗透测试平台。
2. 核心特性
PentAGI 整合了多项先进功能，构建了一个强大的自动化安全测试平台，核心特性如下：
- 安全与隔离：所有操作均在沙箱化的 Docker 环境中执行，实现完全隔离。
- 全自主AI驱动：AI代理能够自动确定并执行渗透测试步骤，并具备可选的执行监控和智能任务规划能力，以增强可靠性。
- 专业工具集：内置超过20款专业安全工具，包括 nmap、metasploit、sqlmap 等。
- 智能记忆系统：长期存储研究成果和成功方法，供未来复用。
- 知识图谱集成：通过 Graphiti 和 Neo4j 构建知识图谱，实现语义关系追踪和高级上下文理解。
- Web情报收集：内置浏览器（scraper），用于从网络来源收集最新信息。
- 外部搜索系统：集成 Tavily、Traversaal、Perplexity、DuckDuckGo、Google Custom Search、Sploitus、Searxng 等高级搜索API。
- 专家团队协作：具备委派系统，由专门的研究、开发和基础设施AI代理协同工作。
- 全面监控与报告：与 Grafana/Prometheus 集成实现实时监控，并能生成详细的漏洞报告和利用指南。
- 现代化界面与API：提供直观的Web UI，以及功能完整的 REST 和 GraphQL API。
- 持久化存储：所有命令和输出均存储在带有 pgvector 扩展的 PostgreSQL 数据库中。
- 灵活的LLM支持：支持包括 OpenAI、Anthropic、Google Gemini、AWS Bedrock、Ollama、DeepSeek、GLM、Kimi、Qwen 等10多种LLM提供商，以及自定义OpenAI兼容端点。
- 快速部署：通过 Docker Compose 实现快速部署，并配有全面的环境配置。
3. 系统架构
PentAGI 采用微服务架构设计，支持横向扩展，架构轻量化且可拓展性强。其主要组件分为五大模块，具体如下：
- 核心服务：包含前端UI（React + TypeScript）、后端API（Go + GraphQL）、向量数据库（PostgreSQL + pgvector）、任务队列和AI多代理系统，是平台运行的核心载体。
- 知识图谱：由 Graphiti 知识图谱API和 Neo4j 图数据库构成，为渗透测试语义分析、关联追踪提供数据支撑。
- 监控系统：集成 Grafana 仪表盘、VictoriaMetrics（时序数据库）、Jaeger（分布式追踪）、Loki（日志聚合）和 OpenTelemetry（数据采集），实现全流程运维监控。
- 分析系统：包含 Langfuse（LLM分析）、ClickHouse（分析数据库）、Redis（缓存与限流）和 MinIO（S3存储），保障数据处理效率与稳定性。
- 安全工具：包含独立隔离的Web爬虫浏览器，以及集成20多种专业安全工具的沙箱执行环境，所有测试操作隔离可控。
4. 部署与配置要点
4.1 系统要求
根据官方文档，部署 PentAGI 需要满足以下最低资源与环境要求：
- 预装 Docker 和 Docker Compose 环境
- 硬件配置：至少 2 vCPU、4GB 内存、20GB 可用磁盘空间
- 网络条件：可正常访问外网，用于下载镜像和连接LLM API
4.2 部署方式
PentAGI 支持通过 Docker Compose 一键快速部署，部署流程简洁高效，核心步骤如下：
1、创建专属工作目录，下载项目核心配置文件 docker-compose.yml 和 .env 环境配置文件；
bash
#创建PentAGI目录
mkdir /home/test/soft/pentagi
#下载.env配置文件
curl -o .env https://raw.githubusercontent.com/vxcontrol/pentagi/master/.env.example
#下载docker-compose.yml
curl -o https://raw.githubusercontent.com/vxcontrol/pentagi/master/docker-compose.yml2、编辑 .env 配置文件，至少配置1个可用的LLM提供商API Key，保证AI能力正常调用；
3、执行 docker-compose up -d 命令，后台启动全部服务，完成部署。（默认端口8443 默认账号：admin@pentagi.com 默认密码：admin）
docker-compose up -d
4、修改相关配置数据后，可使用命令docker-compose down && docker-compose up -d在当前PentAGI目录下重启服务
docker-compose down && docker-compose up -d5、执行任务
4.3 LLM提供商配置
多LLM适配是PentAGI的核心优势之一，配置过程中需重点关注以下要点，避免API调用失败：
- 模型名称准确性：必须严格使用对应提供商官方指定模型名称，例如DeepSeek仅支持deepseek-v4-pro、deepseek-v4-flash、deepseek-chat等官方模型名，自定义错误名称会直接导致调用异常。
- API端点正确性：需精准配置各服务商官方SERVER_URL，例如DeepSeek官方接口端点为 https://api.deepseek.com/v1。
- 服务容错配置：部分LLM提供商存在服务波动问题，易出现502/503服务不可用、模型暂停服务等问题，建议提前配置多厂商备选模型，保障测试任务连续性。
4.4 网络配置
默认情况下，PentAGI容器运行在桥接网络模式，仅可访问外网资源，如需开展内网渗透测试，需调整网络配置：
- 内网扫描适配：将容器网络模式修改为host模式，实现与宿主机内网互通，可正常扫描内网设备与系统；
- 国内网络优化：配置Docker镜像加速器（docker.1ms.run、阿里云镜像、DaoCloud镜像等），解决Docker Hub镜像拉取超时、连接失败等网络问题。
5. 工作模式对比：Automation vs Assistant
PentAGI 提供两种核心任务执行模式，分别适配不同测试场景，二者在交互逻辑、控制权、灵活性上差异显著，具体对比如下：
|------|-------------------|----------------------|
| 特性 | Automation 模式 | Assistant 模式 |
| 核心目标 | 自主执行、自动化完成测试 | 人机协同、灵活交互、辅助决策 |
| 工作方式 | 遵循预设的自动化工作流 | 通过对话进行动态交互与任务委派 |
| 灵活性 | 低，流程相对固定，按计划执行 | 高，可根据对话实时调整策略和步骤 |
| 控制权 | 系统主导，AI代理自主决策 | 用户主导，助理听从指挥、可控流程 |
| 交互方式 | 提交任务后，几乎无需人工干预 | 高度交互，可提问、下达指令、实时介入 |
| 适用场景 | 标准化、重复性、流程固定的测试任务 | 探索性、需人工判断、流程不明确的复杂任务 |
Automation 模式：依托多AI代理协同工作流，全程自主规划、执行渗透测试，无需人工介入，对模型稳定性、API可用性、任务描述精准度要求较高。
Assistant 模式：主打人机协同，灵活性极强，支持实时对话调参、任务调整、策略优化，AI可主动提问确认需求，适配各类复杂、未知场景的渗透测试工作。
6.. 结论
PentAGI 是一款架构先进、功能全面、实用性极强的自动化渗透测试平台，深度融合AI大模型能力与传统专业安全测试工具，颠覆了传统人工渗透、固定脚本扫描的工作模式，大幅提升安全测试效率与智能化水平。
核心优势
- 高度自动化：多AI代理协同工作，可自主完成资产探测、漏洞扫描、权限测试、报告生成等全流程渗透测试工作，无需人工全程介入。
- 高可拓展性：采用微服务架构，支持横向扩容，兼容十余类主流LLM厂商，支持自定义接口拓展，适配不同部署场景。
- 功能全覆盖：集成专业安全工具、智能知识图谱、长期记忆复用、全网情报收集、可视化监控、自动化报告等全套能力。
- 安全可控：所有测试操作均在沙箱化Docker隔离环境中执行，避免测试操作破坏环境、泄露数据，保障测试安全性。
使用注意事项与优化建议
- LLM选型优化：优先选用GLM、Qwen等适配安全测试场景、服务稳定的大模型，同时配置多厂商备选方案，应对单厂商服务波动问题。
- 网络环境适配：国内部署必须配置有效Docker镜像加速器，内网测试需调整容器网络为host模式，保障网络连通性。
- 合理选择工作模式：标准化、重复性常规测试使用Automation自动化模式；复杂探索性、定制化测试使用Assistant人机协同模式。
- 持续迭代更新：项目处于高速迭代阶段，功能、兼容性持续优化，建议定期更新项目版本，获取最新功能、漏洞修复和模型适配能力。