框架#

自己先做了一个简单的架构

1
START → chatbot → END

然后改了改变成:

1
用户输入 → Planner 拆任务 → ReAct 执行 → Search/Fetch 辅助 → Synthesizer 汇总 → 返回用户

Plan-and-Execute + ReAct

Planner（拆 2–5 个小任务）

• ReAct Executor（每个小任务最多 5 轮：analyze / search / fetch / final / refuse）

• 条件循环直到小任务做完

• Synthesizer（汇总最终回复）

  

  ​

两个 SubAgent#

增加了三个小工具#

增加了curl,ssh,netcat功能

模型切换#

现在可以在deepseek-v4-pro和deepseek-v4-flash之间切换

日志+普通对话快速回复#

一句”你好”在之前都会经过漫长的Planner + ReAct + Synthesizer，耗时26.3s才会回复一次。

现在加了一个 fast path：对明显普通对话/自我介绍类请求，跳过Planner + ReAct + Synthesizer，只做一次 LLM 调用。同样请求降到约 3.0s。(不过我感觉这没什么用就是了)

对话耗时和执行摘要展示#

新增显示每轮对话耗时和现实执行流程展示

对话保存#

增加了历史任务切换

RAG#

已在现有框架上接入一个 Agentic RAG MVP。

主要做了这些：

• 新增 RAGSubAgent：读取 knowledge/ 下的 .md/.txt 本地知识库，按段落切块并做关键词检索。
• ReAct 新增 rag action：现在 action 支持 analyze | rag | search | fetch | curl | netcat | ssh | final | refuse。
• Planner/ReAct/Synthesizer prompt 已更新：方法论、检查清单、报告模板、历史案例、项目资料会优先走本地 RAG，不足时再 search/fetch。
• 执行过程已接入 trace_events：WebUI 的“查看执行过程”会显示 RAGSubAgent 命中的本地文档。
• 新增默认知识库：
  • knowledge/README.md
  • knowledge/checklists/web-pentest-baseline.md
• 新增配置项：
  • RAG_KNOWLEDGE_DIR=knowledge
  • RAG_TOP_K=5
  • RAG_CHUNK_CHARS=1200
  • RAG_MAX_RESULTS_CHARS=5000
• README 已更新 Agentic RAG 流程和使用说明。

验证结果：

• app.py 语法检查通过：syntax ok
• 直接调用 RAGSubAgent().run("Web 渗透测试检查清单") 能命中 knowledge/checklists/web-pentest-baseline.md

说明：这一版是无额外依赖的本地检索 MVP，不是向量库版。优点是稳定、轻量、马上可用；后续可以升级为 Chroma/FAISS + embedding + rerank

数据库中有的md命中良好 但是和WebSearch结合度一般

Kali#

把 Kali 装进 Docker，用 MCP kali_exec ，Agent 通过 KaliSubAgent 发命令、拿结果

且删除了curl ssh netcat 三个SubAgent 换成KaliSubAgent

不走 Kali 的（仍在宿主机）：

• rag — 本地知识库
• search — 公开搜索
• fetch — 抓取公开网页

且已经能够做一些CTF题目了

感觉挺有意义的一刻

UI重构#

重新做了一份UI 将streamlit改成类似PentAGI的UI

现在在右侧可以看到kali terminal运行的命令、Tasks、Agents

上下文完善#

第一轮回话告诉他任务 第二轮对话让它继续他会忘记任务

在session_context 注入每轮 prompt

附件题#

多轮迭代#

…