hCaptcha Challenger：用 AI 对抗 AI 的验证码破解框架

hCaptcha Challenger 运行效果 图1：hCaptcha Challenger 实际运行效果演示

场景故事

想象一下这样的场景：你正在爬取一个重要的公开数据集，却发现网站在关键页面弹出了一道复杂的验证码——「请点击所有包含自行车的图片」「拖动滑块完成拼图」「选择所有符合要求的图标」。这些原本设计用来阻止机器人的「图灵测试」，如今却成了数据采集、自动化测试、浏览器自动化等正当场景的拦路虎。

hCaptcha Challenger 的出现，就是为了解决这个问题。它的核心思想非常清晰：既然验证码是 AI 生成的，那为什么不能用 AI 来破解它？这不是一场「作弊」，而是 AI 技术的一种逆向应用——用机器学习模型来理解机器生成的挑战。

项目背景与作者

hCaptcha Challenger 由 QIN2DIM（yaoqinse@gmail.com）开发维护，项目托管于 GitHub，当前版本 0.19.0，采用 GPL-3.0 开源协议。项目诞生于 2022 年，至今保持活跃维护，在 GitHub 上积累了超过 2000 颗星，Discord 社区规模超过 1000 人，是验证码破解领域最具影响力的开源项目之一。

项目的独特之处在于：它不依赖任何第三方打码平台（如 2Captcha、Anti-Captcha），也不需要浏览器插件（Tampermonkey 脚本），完全基于本地运行的 AI 模型来实现端到端的验证码破解。这意味着：零外部依赖、零隐私泄露风险、成本可控。

核心功能与技术原理

五类挑战题型支持

hCaptcha Challenger 目前支持以下五类 hCaptcha 挑战：

挑战类型	技术方案	自动化状态
图像二分类（`image_label_binary`）	ResNet ONNX 分类模型	✅ 已支持
坐标点击（`image_label_area_select: point`）	YOLOv8 ONNX 目标检测	✅ 已支持
区域框选（`image_label_area_select: bounding box`）	YOLOv8 ONNX 分割模型	开发中
多选图像（`image_label_multiple_choice`）	ViT ONNX 零样本运动检测	开发中
滑块拖动（`image_drag_drop`）	空间思维链（Spatial Chain-of-Thought）	✅ 已支持

每种挑战类型背后都有对应的 ONNX 模型文件支撑，这些模型通过 Roboflow 平台标注数据后训练得到，存放在独立的模型仓库中作为可插拔资源。

多模型协作架构

除了专门的验证码破解模型，项目还引入了更高级的编排策略：

Rank Strategy：嵌套模型动物园（nested-model-zoo），通过多模型投票决定最优解
自监督挑战：使用 CLIP-ViT 进行零样本泛化，解决训练数据未覆盖的新类型
Agentic Workflow：结合 AIOps 多模态大语言模型（如 Claude API），实现更复杂的推理决策

这种分层架构使得系统既能在已知场景下高效运行（专用模型），又能在遇到新型验证码时灵活应对（大模型推理）。

浏览器自动化

项目使用 Playwright 作为浏览器自动化引擎，同时支持 Camoufox（带地理IP定位的 Firefox 定制版）作为替代方案。在 Docker 容器中运行时，通过 xvfb-run 提供虚拟显示环境，实现无头模式下的验证码交互。

部署方式

Docker 一键部署（推荐）

项目提供了完整的 docker/Dockerfile（基于 Playwright 官方镜像，多阶段构建）和 docker-compose.yaml，最低配置要求：2GB 内存、2核 CPU、无需 GPU。执行以下命令即可运行：

cd docker && cp .env.example .env  # 编辑配置 API key
docker compose up

pip 本地安装

pip install hcaptcha-challenger
pip install playwright && playwright install --with-deps
hc --help

依赖包括：opencv-python、Pillow、loguru、pydantic-settings、httpx[http2]，以及可选的 google-genai（调用 Gemini API）或 camoufox（高级浏览器引擎）。

代码架构

项目采用模块化插件架构，核心代码位于 src/hcaptcha_challenger/：

agent/：Agent 核心编排逻辑，定义与 LLM 的交互协议
cli/：命令行工具入口，封装为 hc 命令
helper/：辅助工具函数
models/：ONNX 模型加载与推理封装
skills/：技能定义（如图像分类、目标检测的具体实现）
tools/：浏览器自动化工具（Playwright/Camoufox 封装）
utils/：通用工具函数

测试覆盖率较高，pytest 配置完整，支持异步测试（asyncio_mode = auto）。代码风格遵循 Black 格式化规范（行长 100），类型注解完整。

争议与局限性

需要直说的是：hCaptcha Challenger 是一个有争议的工具。它的主要用途包括：

正当用途：爬虫开发中的验证码自动处理、自动化测试、隐私保护（避免人工打码平台收集截图）
灰色用途：绕过登录验证码进行账号爆破、大规模数据爬取

技术层面，项目也存在一定局限性：

模型文件单独托管（约数百MB），首次运行需要下载
某些新型验证码（如多选图像）仍处于开发中状态
依赖外部 LLM API（如 Claude/Gemini），存在成本和延迟问题

无论如何，使用者需自行承担合规责任。

行业意义

hCaptcha Challenger 代表了「AI 对抗 AI」这一趋势的典型实践。随着 hCaptcha、reCAPTCHA 等验证码系统引入更复杂的 ML 挑战（如 3D 物体识别、行为分析），单纯依赖规则的打码方式已难以为继，而基于深度学习的端到端破解方案正在成为主流。

该项目不仅是一个实用工具，也为研究人机对抗、验证码安全评估提供了宝贵的开源参考。

hCaptcha Challenger：用 AI 对抗 AI 的验证码破解框架

hCaptcha Challenger 运行效果 图1：hCaptcha Challenger 实际运行效果演示

场景故事

项目背景与作者

核心功能与技术原理

五类挑战题型支持

hCaptcha Challenger 目前支持以下五类 hCaptcha 挑战：

挑战类型	技术方案	自动化状态
图像二分类（`image_label_binary`）	ResNet ONNX 分类模型	✅ 已支持
坐标点击（`image_label_area_select: point`）	YOLOv8 ONNX 目标检测	✅ 已支持
区域框选（`image_label_area_select: bounding box`）	YOLOv8 ONNX 分割模型	开发中
多选图像（`image_label_multiple_choice`）	ViT ONNX 零样本运动检测	开发中
滑块拖动（`image_drag_drop`）	空间思维链（Spatial Chain-of-Thought）	✅ 已支持

每种挑战类型背后都有对应的 ONNX 模型文件支撑，这些模型通过 Roboflow 平台标注数据后训练得到，存放在独立的模型仓库中作为可插拔资源。

多模型协作架构

除了专门的验证码破解模型，项目还引入了更高级的编排策略：

Rank Strategy：嵌套模型动物园（nested-model-zoo），通过多模型投票决定最优解
自监督挑战：使用 CLIP-ViT 进行零样本泛化，解决训练数据未覆盖的新类型
Agentic Workflow：结合 AIOps 多模态大语言模型（如 Claude API），实现更复杂的推理决策

这种分层架构使得系统既能在已知场景下高效运行（专用模型），又能在遇到新型验证码时灵活应对（大模型推理）。

浏览器自动化

部署方式

Docker 一键部署（推荐）

cd docker && cp .env.example .env  # 编辑配置 API key
docker compose up

pip 本地安装

pip install hcaptcha-challenger
pip install playwright && playwright install --with-deps
hc --help

依赖包括：opencv-python、Pillow、loguru、pydantic-settings、httpx[http2]，以及可选的 google-genai（调用 Gemini API）或 camoufox（高级浏览器引擎）。

代码架构

项目采用模块化插件架构，核心代码位于 src/hcaptcha_challenger/：

agent/：Agent 核心编排逻辑，定义与 LLM 的交互协议
cli/：命令行工具入口，封装为 hc 命令
helper/：辅助工具函数
models/：ONNX 模型加载与推理封装
skills/：技能定义（如图像分类、目标检测的具体实现）
tools/：浏览器自动化工具（Playwright/Camoufox 封装）
utils/：通用工具函数

测试覆盖率较高，pytest 配置完整，支持异步测试（asyncio_mode = auto）。代码风格遵循 Black 格式化规范（行长 100），类型注解完整。

争议与局限性

需要直说的是：hCaptcha Challenger 是一个有争议的工具。它的主要用途包括：

正当用途：爬虫开发中的验证码自动处理、自动化测试、隐私保护（避免人工打码平台收集截图）
灰色用途：绕过登录验证码进行账号爆破、大规模数据爬取

技术层面，项目也存在一定局限性：

模型文件单独托管（约数百MB），首次运行需要下载
某些新型验证码（如多选图像）仍处于开发中状态
依赖外部 LLM API（如 Claude/Gemini），存在成本和延迟问题

无论如何，使用者需自行承担合规责任。

行业意义

该项目不仅是一个实用工具，也为研究人机对抗、验证码安全评估提供了宝贵的开源参考。