aliasrobotics/cai · 上手攻略

  • 仓库：aliasrobotics/cai
  • 链接：https://github.com/aliasrobotics/cai
  • 分类：ai
  • 作者：Tom
  • 更新：2026-07-13

这是什么

CAI（Cybersecurity AI） 是由西班牙网络安全公司 Alias Robotics 开发的一个开源 Agent 框架，专门用于构建网络安全场景下的 AI 自动化工具。它不是一款"安全扫描器"，而是一个用 AI Agent 方式做网络安全任务的开发框架——用户可以用它创建专门的安全 Agent，让 AI 自动完成侦察、漏洞发现、利用验证、CTF 比赛等问题。

框架核心支持 300+ 种 AI 模型（OpenAI、Anthropic、DeepSeek、Ollama 等），内置安全专用工具链，提供 Agent 架构设计，底层还有对抗性 Prompt 注入的防护机制。已实际应用于 HackerOne 漏洞赏金平台、Dragos OT 工控安全 CTF 竞赛、Unitree 人形机器人安全审计等场景。

⚠️ 注意：社区版免费，但 Alias Robotics 也提供付费 Professional 版（€350/月，含 alias1 模型和无限 Token）。alias1 模型需要 ALIAS_API_KEY，不开免费。

解决什么问题

传统安全工具（Burp Suite、Nmap、Metasploit 等）是规则驱动的，擅长已知漏洞模式匹配，但在以下场景力不从心： - 需要 AI 判断一个接口是否真的存在漏洞 - 面对新型攻击面（AI 模型本身的安全问题）没有现成工具 - 想让 AI 自动分析一段代码是否包含安全缺陷 - CTF 比赛中需要 AI 辅助解逆向/密码学题

CAI 的思路是：让 AI 不是作为"工具"，而是作为有推理能力的"安全研究员 Agent"，配合内置工具链自主完成安全任务。

快速安装

前置要求

  • Python 3.10+
  • pip 或 uv

安装（社区版，无需 API Key）

# 安装框架
pip install cai-framework

# 无需任何 API Key，直接运行
cai

不申请 Alias API Key 的方式

CAI 默认会检查 ALIAS_API_KEY。如不想注册 Alias 账号，可设置环境变量跳过许可检查：

# 方式1：环境变量
export CAI_LICENSE_OFF=1
cai

# 方式2：直接内联运行
CAI_LICENSE_OFF=1 cai

设置后，CAI 以纯开源模式运行，从公共 PyPI 更新包，可用任意支持模型（需配置对应 API Key）：

# 使用 OpenAI 模型
export CAI_MODEL=gpt-4
export OPENAI_API_KEY=sk-...

# 或使用 Ollama（本地模型）
export CAI_MODEL=ollama/llama3

升级到 Professional 版（有 alias1 模型）

# 申请 alias1 API Key 后配置
export ALIAS_API_KEY=your_key_here
cai

核心用法

基本命令

# 进入交互式 CAI 会话
cai

# 在特定目录下运行
cai --workspace /path/to/target

# 使用指定模型
cai --model gpt-4

# 查看帮助
cai --help

核心概念

1. Agent（代理） CAI 基于模块化 Agent 架构，不同任务类型调用不同专长 Agent： - 侦察 Agent（Reconnaissance） - 漏洞发现 Agent（Vulnerability Discovery） - 利用 Agent（Exploitation） - 权限维持 Agent（Privilege Escalation） - 报告 Agent（Reporting）

2. 内置安全工具 框架内置集成常见安全工具的调用接口（类似 tool-calling），包括： - Web 漏洞扫描工具 - 网络侦察工具 - 代码分析工具 - 逆向工程辅助

3. Guardrails（防护机制） 内置防止 Prompt 注入和恶意指令的保护机制，防止 AI 在安全任务中被反向利用。

在 Python 代码中使用

from cai import CAIAgent

# 初始化 Agent（使用本地 Ollama 模型）
agent = CAIAgent(
    model="ollama/llama3",
    license_off=True  # 跳过许可证检查
)

# 让 Agent 执行安全任务
result = agent.run(
    "分析这个代码片段是否存在 SQL 注入漏洞："
    + "用户输入直接拼接到 SQL 查询中"
)

print(result)

典型适用场景

  1. 漏洞赏金辅助：让 AI Agent 自动完成目标侦察、信息收集、漏洞探测，节省人工时间
  2. 代码安全审计：给定代码片段，AI 自动分析潜在安全风险（注入、XSS、认证绕过等）
  3. CTF 比赛辅助：AI 辅助解逆向工程、密码学、Web 安全题目（已有 CTF 实战记录）
  4. 渗透测试自动化：结合 CAI Agent 架构，构建半自动化的渗透测试流程
  5. AI 系统红队：专门针对 AI 模型本身的安全测试（Prompt 注入、数据泄露等）
  6. IoT/机器人安全审计：Alias Robotics 的特色方向，已有 Unitree G1 机器人审计案例

坑与注意

  • alias1 模型不是免费的：即使社区版可免 Key 使用其他模型，alias1（CAI PRO 核心）仍需付费订阅；不要以为装了框架就能用最好模型
  • 专业版定价 €350/月：如果只是学习/研究，社区版够用；如果要商业使用，コスト注意
  • 安全任务合法性：框架本身是开源的，但使用它进行未经授权的渗透测试是违法的；仅用于授权测试或 CTF/学习环境
  • 模型质量影响效果：安全任务的准确性高度依赖底层模型能力，GPT-4/Claude 3 等强模型效果远好于开源小模型
  • Python 3.10+：部分依赖需要较新的 Python 版本，Python 3.9 以下可能出现兼容问题
  • 容器化支持：README 显示支持 Linux/macOS/Windows/Android，但 Android 支持主要是 termux 环境

与同类对比

工具 类型 特点
CAI Agent 框架 专为网络安全设计的 AI Agent 框架，内置工具链和防护
PentestGPT AI 工具 单体 AI 渗透测试辅助，基于 GPT-4 运行
Penetration Testing with GPT 方法论 利用 GPT 系列模型进行渗透测试的指南/工具集合
Metasploit + AI 工具+AI 传统渗透框架加 AI 外层

CAI 的差异化在于：它是专门为安全任务设计的 Agent 架构，而非把通用大模型直接扔给传统安全工具。内置的 Guardrails 和安全工具链让 AI 能真正在安全场景中"行动"而非仅仅"回答"。不过如果不需要 Agent 架构、只是想让 GPT-4 帮忙分析代码，PentestGPT 等更轻量的方案可能更合适。

一句话推荐结论

如果你在构建需要 AI 自主"行动"（而非仅"回答"）的网络安全自动化系统，CAI 是目前最专注这个方向的开源框架；但如果你只是想要一个 AI 代码安全审查工具，直接用 GPT-4/Claude 更轻便。