0ca/BoxPwnr

解决的问题

BoxPwnr 是一个实验性框架，旨在测试大型语言模型（LLMs）和 AI 代理在自主解决 Capture The Flag（CTF）挑战和安全实验室方面的能力。它提供了一种标准化的方法，用于在多个网络安全平台上对不同的代理架构进行基准测试。

工作原理

系统通过一个迭代执行循环运行：

1. 环境：命令通常在隔离的 Kali Linux Docker 容器中执行，必要时会自动设置 VPN。
2. 代理循环：LLM（或 Claude Code、Grok 等 CLI 代理）接收系统提示并提出命令。这些命令在环境中执行，输出结果被反馈给 LLM 进行分析。
3. 自动化：代理被指示提供完全自动化的命令，以避免手动干预。
4. 追踪：系统记录完整的对话日志（追踪），跟踪 token 使用量和成本，并在成功时生成摘要。

适用人群

适用于对 AI 安全、代理工作流以及在复杂真实安全场景中评估 LLM 推理和问题解决能力的研究人员和开发者。

主要亮点

• 广泛的平台支持：集成 16 个不同平台，包括 HackTheBox、PortSwigger、picoCTF、TryHackMe 和 XBOW。
• 灵活的求解器选择：支持多种求解器，包括 single_loop、hacksynth（规划-执行-总结架构）以及 Cursor 和 Claude Code 等外部 CLI 工具。
• 广泛的模型兼容性：通过 OpenRouter、NVIDIA NIM 和本地提供者（如 Ollama）支持多种模型。
• 追踪分析：提供 Web 查看器，可逐步回放求解过程，分析 LLM 的推理逻辑。