Z3r0：LLM驱动的AI原生渗透测试工作台，让红队协作进入智能时代

你还记得那个场景吗？

凌晨两点，某安全团队正在对一个客户的外网系统做渗透测试。测试范围涉及 Web 应用、云服务和内网系统，三个工程师在不同的工具之间来回切换——BurpSuite 截图、命令行扫描输出、聊天记录里的漏洞描述，所有信息散落在十几个窗口里。第二天写报告时，有一半的截图找不到对应的上下文，攻击路径的每一步也很难完整串联起来。

这就是 Z3r0 试图解决的问题。

一个让红队"不再单打独斗"的工作台

Z3r0 是由独立安全研究者 yv1ing 开发并开源的 AI 原生红队协作平台，GitHub 累计收获 675 颗星。它的核心理念是：用 LLM 作为红队的"中枢大脑"，将渗透测试的所有环节——目标发现、漏洞利用、证据记录、报告生成——统一到一个可视化工作台中。

简单来说，Z3r0 不是一个扫描工具，而是一个指挥平台。你可以把它理解为渗透测试领域的"任务管理 + AI 助手 + 证据保险箱"三位一体的产品。

技术架构：四层平面，职责清晰

Z3r0 的架构设计相当有章法，作者将系统划分为四个逻辑平面，每个平面各司其职：

控制平面（Control Plane）

负责用户认证、项目管理、Agent 配置和沙箱资源调度。底层是 FastAPI 提供 REST + WebSocket 接口，前端是 React 18 + TypeScript + Vite 构建的单页应用。这个平面是用户每天打交道的"桌面"。

运行时平面（Runtime Plane）

这是 Z3r0 的"灵魂"所在。它包含：

• 会话运行时（Session Runtime）：管理多轮对话的上下文，支持长周期任务恢复和历史回放
• 多 Agent 图（Agent Graph）：一个主控 Agent（Lead）搭配多个专家 Agent（Specialist），每个专家 Agent 专注特定领域（如 Web 渗透、逆向、云安全）
• LightRAG Core：为 Agent 提供语义检索能力，让 LLM 在执行任务时能"查阅"项目相关的上下文文档
• 时间线事件流（Timeline）：所有操作自动记录为时间线事件，支持事后回放和审计

证据平面（Evidence Plane）

这是 Z3r0 最有特色的设计。每个渗透测试项目对应一个 WorkProject，包含：

这套模型让渗透测试的结果不再是零散的截图，而是有结构的知识图谱。

执行平面（Execution Plane）

通过分布式 Docker 沙箱执行实际操作。每个沙箱有独立的网络策略（受控 egress），确保攻击行为不会意外影响真实系统。沙箱内预装了常用安全工具，Agent 可以通过 Shell、文件操作或 noVNC 远程桌面直接与沙箱交互。

技术栈一览

关键依赖还包括：aiohttp（异步 HTTP）、asyncpg（异步 PG 驱动）、pandas（数据处理）、tiktoken（Token 计数）等，整体技术栈非常现代化，全异步设计。

上手体验：门槛在哪里？

优势方面：

• 提供了完整的 docker-compose.prod.yml，一条命令启动 app + postgres + pgadmin，对有 Docker 环境的用户非常友好
• 有详尽的中文文档和快速开始指南
• 不依赖 GPU：所有 LLM 调用走云端 API（OpenAI / Google Gemini），本地无需显卡

挑战方面：

• 配置较为复杂：需要自行准备 LLM API Key（OpenAI/Gemini），以及配置 PostgreSQL、LightRAG 等中间件
• 安全门槛高：涉及 Docker 沙箱、网络代理等安全机制，对新手有一定学习成本
• 轻量级场景可能"杀鸡用牛刀"：对于简单的一次性扫描，使用专业工具（Metasploit、BurpSuite）反而更高效
• 文档和 UI 目前仍处于活跃开发中，稳定性可能不如成熟商业产品

行业意义：红队工具的范式转变

Z3r0 的出现反映了安全工具领域的一个趋势：从单点工具到 AI Agent 工作流。

过去的安全自动化主要靠规则和特征库，但真实的渗透测试高度依赖人的经验和判断。Z3r0 尝试用 AI Agent 来承担一部分"判断"工作——让 Specialist Agent 自动发现关联资产、生成攻击建议、管理证据记录。这条路是否走得通还需要更多实战验证，但方向本身值得关注。

MIT 开源许可加上模块化的 Agent 架构，也为安全社区提供了一个可扩展的研究平台。

总结

Z3r0 是一个野心勃勃的项目——它不只想做一个"更智能的扫描器"，而是试图构建一整套 AI 驱动的红队工作流程。对于有安全背景、熟悉 Docker 和 LLM API 的安全工程师来说，它提供了全新的协作范式；但对于刚入门的新手，学习曲线仍然不低。如果你对 AI + 安全这个交叉方向感兴趣，这个项目值得花时间研究其架构设计。