Ruby570bocadito/T-100AI

# T-100AI — AI 驱动的攻击安全终端 [](https://python.org) [](https://ollama.ai) [](LICENSE) [](https://github.com/Ruby570bocadito/T-100AI/actions) [] [] **T-100AI** 是一款基于本地 AI 驱动的攻击安全终端。它将本地 LLM (Ollama) 与沙箱执行引擎、用于渗透测试的 AI 技能以及插件系统结合在一起 —— 所有操作均 100% 离线进行，实现零数据泄露。 ## 架构 ``` flowchart LR U[User] T[T-100AI Terminal] L[Ollama Local LLM] S[Sandbox Executor] K[Security Tools] U -->|Commands / Prompts| T T -->|Context + Queries| L L -->|Generated Actions| T T -->|Execute Action| S S -->|Scope Validation| S S -->|Approved Call| K K -->|Raw Output| S S -->|Filtered Result| T T -->|Formatted Response| U ``` ## 快速开始 ``` # Clone git clone https://github.com/Ruby570bocadito/T-100AI.git cd T-100AI # 安装 pip install -r requirements.txt # 确保 Ollama 正在运行 ollama pull mistral:7b # 启动 python -m t100ai.cli.main ``` ## 功能 | 功能 | 描述 | |---------|-------------| | **本地 LLM 集成** | 完整的 Ollama 集成（支持 mistral、llama3、qwen、gemma、deepseek）。数据绝对不会离开您的设备。 | | **沙箱执行** | 范围验证、速率限制、自动 sudo 授权、智能黑名单。 | | **高级 MCP** | 工具模板、链式调用、自动发现、输出解析器、交互式 prompt 构建器。 | | **AI 技能** | 侦察、OSINT、Web、后渗透、取证、活动目录、报告。 | | **多 Agent 协调器** | 并行子 Agent：侦察 → 利用 → 分析 → 报告。支持条件工作流。 | | **工作流引擎** | 条件步骤、循环、变量、交互式编辑器、实时执行。 | | **护栏机制** | Prompt 注入检测、敏感数据过滤、工具授权门控、审计日志。 | | **插件系统** | 自定义技能加载器、社区插件、可扩展的工具注册表。 | | **离线模式** | 无需互联网即可使用全部功能。原生支持物理隔离，无任何遥测数据。 | ## 命令 | 命令 | 描述 | |---------|-------------| | `/help` | 显示交互式帮助菜单 | | `/scan ` | 运行 AI 引导的侦察 | | `/recon ` | OSINT 与子域名枚举 | | `/post ` | 后渗透操作 | | `/forensics ` | 对目标进行取证分析 | | `/workflow ` | 执行已保存的工作流 | | `/skill ` | 加载安全技能 | | `/sandbox ` | 在沙箱中运行命令 | | `/config` | 编辑配置 | | `/quit` | 退出 | ## 项目结构 ``` T-100AI/ ├── pyproject.toml # Build config + dependencies ├── requirements.txt # All dependencies ├── run.sh / run.bat # Quick launch scripts ├── Dockerfile # Multi-stage Kali + Python ├── docker-compose.yml # T-100AI + Ollama stack ├── .github/workflows/ci.yml # CI pipeline (lint + test + coverage) ├── src/t100ai/ │ ├── cli/ │ │ ├── main.py # Typer CLI entry point + REPL │ │ └── session_commands.py # Session command handlers │ ├── core/ │ │ ├── engine.py # Main execution engine (2000+ lines) │ │ ├── config.py # Configuration (Pydantic) │ │ ├── session.py # Session management │ │ ├── sandbox.py # Sandbox executor │ │ ├── guardrails.py # Prompt injection + data filtering │ │ ├── permissions.py # Permission levels │ │ ├── llm_handler.py # LLM interaction handler │ │ ├── command_executor.py # Command execution │ │ ├── command_router.py # Command routing │ │ ├── templates.py # Prompt templates │ │ ├── models.py # Data models │ │ ├── audit.py # Audit logging │ │ ├── engagement.py # Engagement tracking │ │ ├── report_generator.py # Report generation │ │ ├── session_manager.py # Session persistence │ │ ├── storage.py # Storage backend │ │ ├── tool_service.py # Tool service │ │ ├── wordlist_loader.py # Wordlist loading │ │ ├── mitre.py # MITRE ATT&CK integration │ │ ├── mitre_navigator.py # MITRE Navigator │ │ ├── i18n.py # Internationalization │ │ └── log_rotation.py # Log rotation │ ├── llm/ │ │ ├── client.py # Ollama client │ │ ├── handler.py # LLM handler │ │ ├── connection_manager.py # Connection management │ │ ├── prompt_builder.py # Dynamic prompt builder │ │ └── service.py # LLM service │ ├── skills/ │ │ ├── base.py # Base skill class │ │ ├── manager.py # Skill manager │ │ ├── recon.py # Reconnaissance skill │ │ ├── osint.py # OSINT skill │ │ ├── web.py # Web security skill │ │ ├── postex.py # Post-exploitation skill │ │ ├── forense.py # Forensics skill │ │ ├── ad.py # Active Directory skill │ │ ├── report.py # Reporting skill │ │ └── advanced_framework.py # Advanced skill framework │ ├── mcp/ │ │ ├── registry.py # Tool registry │ │ ├── advanced_registry.py # Advanced registry │ │ ├── executor.py # Tool executor │ │ └── tool.py # Tool definitions │ ├── plugins/ │ │ ├── base.py # Plugin base class │ │ ├── plugin_manager.py # Plugin manager │ │ ├── marketplace.py # Plugin marketplace │ │ └── examples/ # Example plugins │ ├── workflows/ │ │ ├── definitions.py # Built-in workflows │ │ └── executor.py # Workflow executor │ ├── agents/ │ │ └── orchestrator.py # Multi-agent orchestrator │ ├── analysis/ │ │ ├── attack_graph.py # Attack graph analysis │ │ ├── chain_of_custody.py # Evidence chain of custody │ │ ├── cvss_scorer.py # CVSS scoring │ │ ├── finding_cluster.py # Finding clustering │ │ ├── ioc_manager.py # IOC management │ │ ├── kill_chain.py # Kill chain analysis │ │ ├── purple_team.py # Purple team exercises │ │ └── risk_prioritizer.py # Risk prioritization │ ├── api/ │ │ └── server.py # API server │ ├── compliance/ │ │ └── frameworks.py # Compliance frameworks │ ├── utils/ │ │ ├── audit.py # Audit utilities │ │ ├── errors.py # Error handling │ │ ├── history.py # Command history │ │ ├── logging.py # Structured logging │ │ ├── perf_profiler.py # Performance profiling │ │ └── sensitive.py # Sensitive data handling │ └── wordlists/ │ └── dictionaries.py # 700+ integrated wordlists ├── wordlists/ │ └── dictionaries.py # Standalone wordlist module └── tests/ # Test suite (20+ test files) ``` ## Docker ``` # Full stack (T-100AI + Ollama) docker compose up -d docker compose exec t100ai python -m t100ai.cli.main # 或 standalone docker build -t t100ai . docker run -it --rm \ -e T100AI_OLLAMA_HOST=http://host.docker.internal:11434 \ t100ai ``` ## 配置 通过环境变量进行配置： | 变量 | 默认值 | 描述 | |----------|---------|-------------| | `T100AI_OLLAMA_HOST` | `http://localhost:11434` | Ollama API endpoint | | `T100AI_DATA_DIR` | `.` | 数据目录 | | `OLLAMA_MODEL` | — | 模型名称（通过 .env 设置） | 或者通过 `pyproject.toml` + 配置文件系统进行配置。 ## 开发 ``` pip install -e ".[dev,ollama,export,workflows]" # 运行带 coverage 的测试 pytest tests/ -v --cov=src/t100ai # Lint ruff check src/ tests/ # Type check mypy src/t100ai --ignore-missing-imports ``` ## 安全与道德准则 T-100AI 仅供**经过授权的安全专业人员**使用。请始终遵守以下准则： - 在测试任何系统之前，获得明确的书面授权 - 仅在隔离环境中进行生产测试 - 遵循负责任的漏洞披露规范 - 切勿对您不拥有或未获得书面授权的系统进行测试 ## 许可证 MIT © [Ruby570bocadito](https://github.com/Ruby570bocadito)

标签：AI风险缓解, DLL 劫持, LLM评估, Ollama, Python, 大语言模型, 无后门, 请求拦截, 逆向工具