企业官网建设流程全解析

PentestGPT 上手指南：从 Docker 部署到跑通第一次 AI 渗透测试

【免费下载链接】PentestGPTAutomated Penetration Testing Agentic Framework Powered by Large Language Models项目地址: https://gitcode.com/GitHub_Trending/pe/PentestGPT

PentestGPT 是一个由大语言模型驱动的自动化渗透测试框架：给它一个目标，它能以自主或交互方式完成侦察、漏洞识别、利用验证到报告输出的完整流程。本文基于仓库内真实存在的命令与文档，带你走完环境准备、部署、验证、进阶配置到排错的全过程，每一步都说明目的和预期结果。

项目定位：PentestGPT 能替你做什么

PentestGPT 提供两种工作模式，适合不同使用深度的人：

• 自主模式（pentestgpt_agent/）：由 Claude Code 或 Codex 作为推理后端，无需人工干预地驱动工具执行渗透流程，支持保存与恢复会话。
• 交互模式（pentestgpt_legacy/）：USENIX Security 2024 论文中的"人在环"工作流的现代化版本，你在会话中通过next、more、todo、discuss等指令引导三轮协作的 LLM 会话推进任务。

两者都覆盖 Web、密码学、逆向、取证、PWN、权限提升等多类挑战。自主模式按多阶段管线工作：CTF 场景为侦察 → 利用 → 复盘，真实渗透场景为资产发现 → 漏洞识别 → 报告。需要说明的是，README 中提到的 86.5%（90/104）XBOW 验证套件成绩是 2025 年 12 月的历史研究结果，且 XBOW 基准运行器并不在产品仓库内，不应把它当作当前的性能保证。

部署前检查：环境要求与模型后端选择

开始之前，先确认你走哪条路径，这决定了要准备什么：

本地运行路径（适合开发框架或直接在宿主机测试）：需要 Python 3.12+、Python 包管理器 uv，以及已登录认证的 Claude Code CLI（claude）或 Codex CLI（codex）之一。

Docker 路径（适合一次性容器化使用）：只需 Docker 在运行。镜像自带 Ubuntu 24.04、Python 3.12、Node 20、uv、Claude Code 和 Codex，以及 nmap、gobuster、dirb、netcat、curl 等常用测试工具。参考 docker-compose.yml 中的资源配置：保证 2 核 CPU / 4GB 内存，上限 4 核 / 8GB，内存不足时复杂任务容易受限。

选择建议：如果你只是想在隔离环境里体验完整流程，选 Docker 路径并登录 Claude 或 Codex 账号即可；如果你要频繁改代码、跑测试，选本地路径；如果只想用本地模型（如 Ollama），走交互模式 + OpenAI 兼容接口最省事，见下文进阶配置。

最短上手路径

只需四步。每步命令都很短，预期结果写在后面。

1. 获取代码

git clone https://gitcode.com/GitHub_Trending/pe/PentestGPT cd PentestGPT

克隆仓库并进入目录。如果克隆时使用了--recurse-submodules之外的方式且缺少子模块，可补跑git submodule update --init --recursive。

2. 安装依赖

make install

执行uv sync安装根项目与pentestgpt_agent/子项目的依赖。预期是依赖安装完成、无报错。

3. 完成认证（Docker 路径）

make docker-build make docker-login

第一条构建工具镜像；第二条一次性登录 Claude（setup-token 存入卷）和 Codex（容器内 OAuth），登录状态持久化到命名卷，之后重建容器无需重复登录。该命令是幂等的，重跑会跳过仍有效的登录。本地路径下则跳过此步，确保claude或codexCLI 已认证。

4. 跑第一次测试

make run TARGET=http://127.0.0.1:8000 BACKEND=claude

在本地环境对指定目标启动自主管线，BACKEND 可选claude或codex。也可以直接用经典 CLI：

pentestgpt --target 10.10.11.234 pentestgpt --target 10.10.11.50 --instruction "WordPress site, focus on plugin vulnerabilities"

第一条以默认 CTF 模式运行；第二条通过--instruction提供目标上下文。真实渗透场景加--mode pentest切换为资产发现 → 漏洞 → 报告管线；pentestgpt --list-sessions可列出已保存的会话。

核心模块：对使用者意味着什么

仓库按"维护中 / 兼容保留"划分了目录，使用时主要关心前三者：

自主框架pentestgpt_agent/

这是一个嵌套的 uv 子项目，内部只有两个 LLM 角色：Supervisor 负责从当前状态中挑一个任务或宣布完成，Executor 负责执行这一个任务并返回类型化结果。确定性代码管理范围校验、租约、证据溯源与重试，SQLite 是权威记忆（而非模型对话历史）。对你而言，这意味着每次运行是可审计的：每个 episode 目录里有input.json（角色输入）、events.jsonl（工具与命令事件）、output.json（结果与用量）。

交互客户端pentestgpt_legacy/

保留了论文中的人工驱动流程，原生对接多家提供商的官方 SDK。模型注册表在 pentestgpt_legacy/llm/registry.py，新增模型只是一条ModelSpec条目。

文档与脚本

docs/architecture.md 是当前仓库结构的事实来源，docs/docker-dev-plan.md 记录 Docker 镜像与认证卷的现状。scripts/ 下有docker-login.sh、docker-auth-status.sh和 CCR 配置模板，部署排错时最常用到。

进阶配置：登录管理、本地模型与遥测

Docker 登录管理

make docker-auth-status ROUNDTRIP=1 make docker-auth-status make docker-down make docker-nuke

第一条检查两个 CLI 是否都已登录；加ROUNDTRIP=1会消耗一个极小的 provider 调用做实时验证。docker-down停止容器但保留登录卷；docker-nuke删除登录卷，用于强制重新登录或轮换 token。

本地模型（Ollama 等 OpenAI 兼容服务）

交互模式可直接指定本地模型与地址：

pentestgpt-legacy --reasoning-model ollama:qwen3 --base-url http://localhost:11434/v1

如果要让 Claude Code 走本地服务，参考 scripts/ccr-config-template.json：其中localLLM提供商的api_base_url默认为http://host.docker.internal:1234/v1/chat/completions（容器内访问宿主机不能用localhost），models字段列出服务器上可用的模型名，Router字段可配置不同模型处理不同操作。各提供商通过环境变量或.env启用，例如ANTHROPIC_API_KEY、OPENAI_API_KEY、GEMINI_API_KEY、QWEN_API_KEY，只配置了的提供商才会出现在可用列表中。

遥测关闭

工具默认向 Langfuse 发送匿名使用数据（不含命令输出、凭据或 flag 内容）。如需关闭：命令行加--no-telemetry，或设置LANGFUSE_ENABLED=false。

验证与排错

先确认部署是成功的

make check

这条命令跑 lint、格式检查、类型检查与 agent 测试，全过说明环境健康。确认模型可用则用pentestgpt-legacy --list-models查看已配置的提供商与模型，再用pentestgpt-legacy --smoke-test对每个模型做一次真实往返并输出通过/失败矩阵。

按"现象 → 原因 → 处理"排错

注意：trace 文件包含目标输出等敏感内容，应像凭据一样对待，不要外传。

安全与合规提示

PentestGPT 的两个 LLM 角色都使用FULL_ACCESS权限，容器或专用攻击机本身就是隔离边界与爆炸半径。部署时应只包含已授权的目标路由，避免挂载无关的源码目录、家目录、token 或宿主机 socket，评估结束后及时拆解环境。该工具面向授权的安全测试、研究与教育用途，使用前请确认你拥有目标的合法测试权限，并遵守当地法律法规及目标平台的服务条款。项目基于 MIT 许可证发布，详见 LICENSE.md。

【免费下载链接】PentestGPTAutomated Penetration Testing Agentic Framework Powered by Large Language Models项目地址: https://gitcode.com/GitHub_Trending/pe/PentestGPT