腾讯云黑客松智能渗透挑战赛决赛答辩-Antix

100 Lines，Zero Tuning，Fully AI-Driven 演讲人贾宇阳 About me 贾宇阳（队长） m09ic -常用ID：淚笑、l3yx-成信大三叶草战队成员-前阿里集团攻防紫军-独立安全研究者-开源组织chainreactorsCo-Founder -Startup Founder-前Ct、qax红队-开源组织chainreactorsFounder PART 01PART 02Reimagine,ReDeign,ReBuildKeep It Simple目录CONTENTS PART 03Intent Is ALL You Need (foragent) PART 01 Reimagine,ReDeign,ReBuild AntixAgent架构图 ●Multi-Agent多智能体协同●Plan-and-Execute任务分解规划●ReAct反思循环●RAG知识库●大量工具集成●长短期Memory 各种设计杂糅堆砌，工程复杂：●抽象太多，问题难定位●处处耦合，不够灵活 Agent工程的现状与思考 在Agent工程上,充分调研后应该都会发现几个问题 开源框架现状 ClaudeCode生态 反而是claudecode的command、subagent、skill形成了一定的生态。我们认为,未来的agent不一定是从开发框架开始实现。而是更加会出现更强大的类似claudecode的通用agent以及相关生态。 开源agent框架各有架构langgraph、CrewAI、autogen、parlant以及各种ADK。但是不知道有没有发现一点,我们越来越少去提这些框架,或者说生产级应用都不多 Agent工程本身是充满泡沫的，claudecode/manus这样的顶级通用Agent效果远远好于langgraph实现的DAG。 如果能接受这一点，除了Agent工程，AI工程还有什么技术路线？ 传统工具调用模式 Meta-Tooling工具调用模式 Keep It SimplePART 02 Simple is better than complex. Complex is better than complicated Antix系统架构 ●Agent可以接入任意支持MCP的通用Agent●Claude code ●CodeX●基于Pydantic AI等框架 Antix沙盒 ●基于Ubuntu docker造了一个渗透测试环境，与Kali不同，这个系统专为AI设计 ●预装sqlmap、CAIDO等安全工具，浏览器流量自动走CAIDO代理 ●浏览器、Terminal等都设计为AI友好的操作模式，而且AI的操作，人类是可以通过VNC服务实时查看的 Python ExecutorMCP（Meta-Tooling核心实现） Python Executor会话持久化 Antix Agent 零调优即实战——真正的泛化 参赛版本主力Agent是基于Claude Code封装的，只提供了一份200多行很简单的提示词，提示词中只介绍了Meta-Tooling层（Python环境）中各种工具的使用方法而已。（例如怎么用浏览器访问网页，怎么执行命令，怎么阅读和编写笔记） 赛前没有针对Benchmark测试和调优 PART 03 Intent Is ALL You Need (for agent) 意图工程 回过头来看,让AI驱动渗透或者更大的攻防诞生于极多专家场景。其本质上是 第一代:面向模型 第二代:面向Agent 第三代:面向意图 Prompt Engineering集大成者:张继刚 Intent Engineering ,高速发展中,代表有github的speckit,蚂蚁的HOP Context Engineering,集大成者:anthropic的Claude Code 意图工程主要分为三个组成部分 意图的执行 意图的理解 意图的表达 通过多阶段的分析流程更好的理解意图开源代表github的speckit 在通用agent上封装一层通用runtime，严格执行、校验意图。暂无开源实现 形式化的图状意图表示法。开源代表蚂蚁的HOP 而我们这次用到的meta-tooling设计模式,算是意图工程的补充部分,让AI更高效的执行意图。 未来的AI工程形态 我们达成了几个关于AI工程的共识。 真正的技术壁垒 四大核心问题 通用Agent的崛起 AI工程本质上需要解决的是意图的可编程、可执行、可调试、可沉淀四大问题 AI工程的技术壁垒不在例如langgraph这样的agent框架,会出现一些强大的通用agent工程(例如claudecode, codex) 经验、数据、Infra(垂类基础设施,例如C2、扫描器)这三者才是技术壁垒 AI Native Programming Language 刚才提到了第三代AI工程是Intent Engineering。那么我们对于意图工程的技术设想是未来会出现一门AI Native ProgrammingLanguage以及AI Native ExecutableProgram。专家可以使用自然语言充分表达自己的想法。 我们在ANPL上有非常明确的技术实现路线,希望我们能在今年拿出第一个开源ANPL demo。 THANKS 演讲人贾宇阳