FishCodeTech/muteki

解决的问题

Project Muteki 旨在防止 AI 代理陷入「死循环」——即单个代理在特定问题上卡住，无法向目标推进。它通过协调多种 AI 模型组成的代理群，而非依赖单一 LLM，来自动化执行攻防安全任务，如 CTF 比赛、渗透测试和代码审计。

工作原理

Muteki 采用异构多模型架构，不同编码代理（如 Claude、Codex、Cursor 和 DeepSeek）通过 共享黑板 协作。该黑板作为发现事实和证据的中央存储库；当一个代理发现线索时，其他代理可以使用它；当一个代理陷入死胡同时，其他代理会避免重复同样的错误。

该流程遵循特定循环：

1. 协调器/推理规划器：读取黑板并规划下一步。
2. 意图：将意图发布到黑板。
3. 工作者：多个代理认领意图并执行实际的 CLI 命令和安全工具。
4. 验证：结果写回黑板，只有在实际执行输出中完全匹配的标志才会被接受。
5. 审查：系统定期审查记录的事实，以纠正方向并避免循环。

适用人群

希望使用多代理 AI 群体自动化漏洞发现与利用的网络安全研究人员、渗透测试人员和 CTF 玩家。

主要亮点

• 多模型群集：集成多种引擎 CLI，包括 Claude、Codex、Cursor、Pi、OMP、Kimi、Grok 和 DeepSeek。
• 经验证的性能：在 NYU CTF 和 HackTheBox Insane/Hard 类别等多个基准和比赛中成功「AK」（全部解决）挑战。
• 自主工具化：代理可在运行过程中自行编写并安装依赖项和脚本，实现即兴应对。
• 灵活部署：支持本地执行和通过 Docker Compose 的容器化部署，提供专用的基于 Kali Linux 的工作节点镜像。