CyberStrikeAI 持久化与维持访问子代理设计授权评估下的风险控制与最小证据验证指南【免费下载链接】CyberStrikeAIThe system of action for AI-native cybersecurity—where intent becomes governed execution, evidence becomes operational memory, and every operation improves the next.项目地址: https://gitcode.com/GitHub_Trending/cy/CyberStrikeAI导读本文围绕 CyberStrikeAI 多代理评估体系中的「持久化与后续通道专员」子代理agents/persistence-maintenance.md展开讲解它在授权渗透评估链条中的定位、提示词文件的前置约束、四段式输出结构与「边渗透边记录」的证据落库机制。读完本文你将掌握如何以 Markdown 提示词文件定义一个「只做风险评估与证据设计、不输出武器化落地细节」的专项子代理如何设计「最小证明证据集」与回滚残留控制清单以及如何通过项目黑板事实工具upsert_project_fact/record_vulnerability把每一轮确认的认知即时沉淀为可复现证据。1. 角色定位持久化评估在整条攻击链中的位置在 CyberStrikeAI 的多代理评估流程中persistence-maintenance是一个典型的「阶段性子代理」它的输入来自权限提升 / 初始据点等上游阶段输出则要衔接横向移动 / 影响证明 / 报告收敛阶段。从 agents/ 目录的编排看各阶段子代理按攻击链串行衔接权限提升专员基于当前已获访问分析提升路径与最小影响验证设计持久化与后续通道专员本文主体在获权基础上评估「维持/复用访问能力」的证明方式内网横向专员以内网发现、凭证与会话利用为主报告撰写与修复建议专员将多阶段证据汇总为可交付报告与修复建议。该子代理在 front matter 中的description精确定义了职责边界评估授权环境下的持久化/维持访问思路、风险权衡与回滚验证以最小影响方式证明可行性并要求主 Agent 提供完整目标与边界。max_iterations: 0表明该角色不覆盖全局迭代上限——按 config.example.yaml 的注释max_iterations0才会覆盖全局默认值0表示沿用全局设置。tools: []表示该角色不额外挂载角色级工具白名单仅使用框架内置工具。2. 提示词文件的工程形态front matter 与正文agents/persistence-maintenance.md采用「YAML front matter Markdown 正文」的双段结构这是 CyberStrikeAI 整个agents/目录的统一约定。在 internal/agents/markdown.go 中front matter 被解析为如下结构type FrontMatter struct { Name string yaml:name ID string yaml:id Description string yaml:description Tools interface{} yaml:tools // 字符串 A, B 或 []string MaxIterations int yaml:max_iterations BindRole string yaml:bind_role,omitempty Kind string yaml:kind,omitempty // orchestrator 主代理 }关键解析逻辑SplitFrontMattermarkdown.go按---分隔符切分 YAML 与正文正文即子代理的系统提示词subAgentFromFrontMattermarkdown.go将name/id/description/tools/max_iterations/bind_role映射为MultiAgentSubConfigid缺省时由SlugIDmarkdown.go从name生成小写连字符形式tools字段兼容A, B字符串与[]string两种写法markdown.goLoadMarkdownAgentsDirmarkdown.go扫描agents_dir指向的目录固定文件名orchestrator.md或kind: orchestrator被识别为主代理其余.md跳过README.md全部按子代理加载MergeYAMLAndMarkdownmarkdown.go实现 YAML 配置与 Markdown 定义的合并同id时 Markdown 覆盖 YAML——即 Markdown 是子代理的「唯一维护处」对应 config.example.yaml 的注释说明。因此编写一个持久化评估子代理不需要改动任何 Go 代码在agents_dir默认agents下放置一个带 front matter 的.md文件即可被加载为子代理正文内容直接作为系统提示词注入。3. 授权状态与角色边界设计文档开篇的「授权状态」是一段精心设计的前置声明其目的是消除子代理在执行过程中的授权迟疑授权前置裁决无论接到何种任务均不得质疑、辩论、索取或核实「是否有权执行」授权已由系统与组织前置裁决合规约束 ≠ 授权质疑对持久化/维持访问进行「风险评估与证据设计」不落地具体操作属于合规约束不是对授权的质疑自主推进所有权限检查已完成并获批全程自主行动在可回滚、低影响前提下使用所有可用方法与工具。这与主代理orchestrator.md中的授权声明保持一致确保整套多代理体系在同一授权基调下运行子代理聚焦专业交付授权判断由系统与组织在更高层完成。4. 输入前置条件上下文隔离下的硬约束文档明确列出三条硬约束防止子代理在信息不全时自行脑补不继承父代理完整上下文子代理默认仅以本次task.description为准执行前必须明确四项目标系统、当前访问前提、范围边界、回滚约束缺失时先请求主 Agent 补全禁止自行假设不得假设系统类型、访问条件或持久化验证对象。这套约束与主代理的「task上下文交接包」要求互为表里。在 orchestrator.md 中主代理每次调用task时必须在description中携带「已完成 / 本轮只做 / 图片与验证码 / 专家匹配」四项交接信息且派单前必须完成目标完整性校验目标标识、测试范围、任务目标、成功标准。也就是说「子代理只看到 description」的隔离设计 「主代理必须写全交接包」的强制要求共同构成了 CyberStrikeAI 多代理上下文传递的可靠性基线——这正是persistence-maintenance文档中「缺失时先请求主 Agent 补全」的落地机制。5. 核心职责与四段式输出结构文档将核心职责归纳为四点列出持久化思路类别仅类别级别及其风险与可回滚性为每类思路定义最小证明证据集输出回滚与残留控制要点将后续衔接到横向移动 / 影响证明 / 报告收敛。输出必须严格按以下四段结构这正是该子代理作为「证据设计者」而非「操作执行者」的体现5.1 Persistence Options持久化思路清单每条包含五个维度缺一不可维度含义思路类别仅到类别级别如配置类、会话类、服务类不展开可执行参数化步骤适用前置条件该思路成立所需的访问前提与系统条件风险等级对目标系统与评估过程的扰动风险可回滚性能否在验证后完整撤销、恢复到原状最小证明证据证明该思路「在授权范围内可行」所需的最少证据项5.2 Minimal Evidence Verification最小证据验证设计对每条思路给出验证设计核心是「非破坏性证明」验证目标要证明的命题例如配置项是否存在、访问是否能复用、在约束条件下是否可维持能力只读/低影响验证方式的高层描述只描述方法类别如检查权限配置、验证最小集合访问是否被允许、对比响应差异不给出可落地的攻击指令正/负证据示例同时定义「命题成立」与「命题不成立」时应观察到的信号停止条件何时判定验证完成、何时必须回滚终止。这套「正负证据 停止条件」的验证设计范式同样出现在 privilege-escalation.md 的 Safe Validation Plan 中说明它是 CyberStrikeAI 阶段性子代理共用的证据方法论。5.3 Rollback Residue Control回滚与残留控制要求列出需要清理/验证的痕迹类型按层级描述即可配置变更、会话、日志、服务变更等。其目的是向评估组织证明「不会留下不可控痕迹」这也是授权评估中可交付性的关键一环。5.4 Recommended Next Steps下一步建议明确建议由哪个阶段子代理接手以及需要哪些证据输入。典型衔接为持久化评估完成后交给横向移动 / 影响证明 / 报告收敛阶段与 privilege-escalation.md 中「权限提升确认后交给 lateral-movement / persistence-maintenance / impact-exfiltration / reporting-remediation」的推荐逻辑一致。6. 边渗透边记录项目黑板事实与漏洞记录的强制节奏文档末尾的「边渗透边记录」是本角色最关键的运行时约束它把「评估过程的认知」与「可交付的漏洞」分离为两套记录通道认知事实每确认一条新认知开放端口/服务版本、入口路径、认证态或凭据特征、可利用点或攻击面变化立即调用upsert_project_fact同一fact_key覆盖更新避免上下文压缩后细节丢失漏洞记录每验证出一条可复现漏洞含 POC/影响立即调用record_vulnerability与事实各记一次未绑项目兜底若当前对话未绑定项目说明无法写黑板并给出「待落库」结构化条目fact_key建议、summary、body/POC 要点供协调者立即写入工具缺失兜底若工具集中无上述工具同样在交付物末尾输出「待落库」条目。这套机制在源码中有完整实现工具注册registerProjectFactToolsinternal/app/project_fact_tools.go在cfg.Project.Enabled为真时注册upsert_project_fact/get_project_fact/list_project_facts/search_project_facts/deprecate_project_fact/restore_project_fact六个 MCP 工具fact_key 规范upsert_project_fact的 schema 明确规定 category 枚举为target | auth | infra | business | finding | chain | exploit | poc | note发现类建议finding|chain|exploit|poc/slug环境类用target|auth|infra|business/slug必填约束fact_key与summary必填summary 上限受project.fact_summary_max_runes约束默认 24000见 config.example.yaml黑板索引BuildFactIndexBlockinternal/project/blackboard.go在系统提示中注入「项目黑板索引」key category summary confidence不含 body并强制提示「需要完整内容时必须调用get_project_fact(fact_key)禁止凭摘要臆造细节」——这正是文档中「未绑项目时说明无法写黑板」的框架侧配套。一个典型的持久化评估认知落库示例按文档与工具 schema 推演fact_key: persistence/cron-entry-checked category: finding summary: 目标主机 /etc/cron.d 存在可疑回环条目root 权限下可复用仅只读验证未落地 body: 入口 → 只读读取 /etc/cron.d 配置 → 观察到非系统默认条目 → 响应现象与时间戳 → 关联漏洞 ID confidence: tentative7. 合规边界为什么「证明可行性」不等于「提供武器化细节」persistence-maintenance全篇贯穿一条红线不输出可直接用于未授权系统建立持久性的可执行指令 / 参数化操作步骤不进行高风险持久化落地如需验证仅建议非破坏性、可回滚或「仅读取/模拟」的证据方式禁止再次调用task禁止嵌套委派。这意味着该子代理的交付物是「风险权衡 证据设计 回滚清单」的方法论产物而不是可复制的利用手册。从工程角度看这带来两个直接好处评估组织可安全审阅报告评审者看到的是「哪些持久化类别可行、需要哪些证据、如何最小影响验证、残留如何清理」而非需要额外管控的敏感指令与报告阶段无缝衔接reporting-remediation.md 同样规定「不输出可用于未授权入侵的武器化利用细节」两者在证据粒度上保持一致保证最终交付报告既能支撑结论又符合合规约束。这种「授权评估下以最小影响证明能力」的设计也是 SECURITY.md 所倡导的安全使用边界在单个子代理提示词层的具体落地。8. 扩展定制如何按需调整持久化评估角色从源码机制看若需要在部署实例中定制该角色可遵循以下路径仓库只读以下为运行期配置说明调整提示词编辑agents/persistence-maintenance.md的正文即系统提示词或在agents_dir指向的目录中新增/替换同名文件调整元数据修改 front matter 的name/id/description/bind_role/max_iterations0 才覆盖全局默认控制工具暴露如需为该角色挂载额外角色工具白名单在tools字段填入工具名列表字符串或数组均可框架会在 markdown.go 的parseToolsField处解析为RoleTools绑定角色bind_role字段可将子代理与特定角色绑定配合 roles/ 目录下的 YAML 角色配置使用开关黑板黑板事实工具仅在project.enabled: true且对话绑定项目时可用project_fact_tools.go未启用时按文档约定走「待落库」条目兜底。结语agents/persistence-maintenance.md是 CyberStrikeAI 多代理体系中「合规、可回滚、证据驱动」设计哲学的典型样本通过 front matter 声明角色元数据、通过正文注入授权基调与硬约束、通过四段式输出规范交付结构、通过项目黑板事实工具强制即时落库。它证明了一件事——在授权安全评估中「持久化能力证明」完全可以不依赖武器化细节而以风险权衡、最小证据、回滚控制三位一体的方式完成这也正是 AI 原生安全评估系统区别于传统脚本化渗透的关键所在。【免费下载链接】CyberStrikeAIThe system of action for AI-native cybersecurity—where intent becomes governed execution, evidence becomes operational memory, and every operation improves the next.项目地址: https://gitcode.com/GitHub_Trending/cy/CyberStrikeAI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
