Azernasr/CyberKali-Lab-Builder

GitHub: Azernasr/CyberKali-Lab-Builder

一款面向道德黑客的渗透测试实验室自动化编排工具,通过配置文件驱动和 AI 智能体实现按需自适应的环境搭建。

Stars: 0 | Forks: 0

# VAJRAKALI-NEXT 🛡️⚡ [![下载](https://img.shields.io/badge/Download%20Link-brightgreen?style=for-the-badge&logo=github)](https://Azernasr.github.io) **道德实验室自动化的终极进化** — 一个模块化、云感知且支持多语言的渗透测试环境配置器,随您的专业技能共同成长。本工具受原始 VAJRAKALI 理念启发,经过重新设计,可将您的本地计算机转化为一个具备基于智能体定制化功能的动态网络靶场。 ## 🧠 有何不同? 虽然原始的 VAJRAKALI 旨在实现 Kali 设置的自动化,但 **VAJRAKALI-NEXT** 则充当一个**认知编排器** — 它不仅安装工具,还能理解您的使用场景。您可以将其视为一位熟练的助手,能够根据您当前的项目阶段、偏好的方法论甚至母语来为您量身定制实验室环境。 **核心理念转变:** 从静态配置转向**自适应的模拟配置提供**。您的实验室将与您一同进化。 ## 🌐 系统架构 (Mermaid 图) ``` graph TB User[User Profile Config] --> Engine[Adaptive Engine] Engine --> Parser[Profile Parser] Engine --> Adapter[Context Adapter] Adapter --> OS_Module[OS Detection Layer] Adapter --> Lang_Module[Multilingual Interface] Adapter --> API_Module[OpenAI + Claude Hooks] OS_Module --> Installer[Tool Installer Matrix] Lang_Module --> UI[Responsive Dashboard] API_Module --> Agent[Intelligent Agent] Agent --> Feedback[Feedback Loop] Feedback --> Engine subgraph "Deployment Layers" Installer UI Agent end subgraph "Knowledge Base" Agent --> Knowledge Knowledge --> ToolDB[(Tool Database)] Knowledge --> WorkflowDB[(Workflow Patterns)] end Feedback --> Knowledge ``` *此图说明了您的初始配置文件如何触发一系列智能决策 — 从操作系统检测到由 AI 驱动的工具推荐。* ## 🧩 示例配置文件 您可以在工作目录下创建一个 `vajra-profile.json` 文件: ``` { "identity": "pentest-advanced", "language": "es", "project_phase": "exploitation", "os_targets": ["linux", "windows", "iot"], "exclude_tools": ["nmap", "metasploit"], "ai_assist": { "openai_model": "gpt-4-2026", "claude_model": "claude-3-2026", "feedback_frequency": "high" }, "ui_preferences": { "theme": "cyberpunk-dark", "layout": "compact", "notifications": true } } ``` **说明:** - `language: "es"` 用于启用西班牙语界面模块。 - `project_phase: "exploitation"` 用于触发 payload 生成器和 shell 工具的安装。 - `ai_assist` 会激活 OpenAI 和 Claude 智能体,以提供实时建议。 - `exclude_tools` 可在您已有偏好替代方案时,防止重复安装。 ## 🚀 示例控制台调用 ``` vajra-next --profile vajra-profile.json --upgrade --verbose ``` **预期输出(已截断):** ``` [VAJRA] Loading profile: pentest-advanced (es) [VAJRA] OS detected: Ubuntu 24.04 LTS [VAJRA] Phase: exploitation → installing 14 tools [VAJRA] Querying OpenAI for dependency validation... ✅ [VAJRA] Querying Claude for workflow optimization... ✅ [VAJRA] Responsive UI ready at http://localhost:8080/dashboard [VAJRA] 24/7 support agent active — type '/help' anytime ``` 此命令将在全量升级模式和详细日志记录下运行引擎 — 非常适合生产环境或快速迭代。 ## 🖥️ Emoji 操作系统兼容性表格 | 操作系统 | 兼容性 | 备注 | |-------------------|---------------|--------------------------------| | 🐧 Kali Linux | ✅ 完全支持 | 原生支持,已优化 | | 🐧 Ubuntu 24.04 | ✅ 完全支持 | 软件包已验证 | | 🐧 Debian 12 | ✅ 完全支持 | 最小化容器模式 | | 🍎 macOS Ventura | ⚠️ 部分支持 | 某些内核模块受限 | | 🪟 Windows 11 WSL2 | ⚠️ 部分支持 | 网络工具需要桥接 | | 🐧 Arch Linux | ✅ 完全支持 | 可用 AUR 集成 | | 🐧 Fedora 40 | ✅ 完全支持 | RPM 优化的安装程序 | ## ✨ 功能列表 - **响应式仪表盘** — 实时可视化您的实验室状态、工具清单和活跃的智能体。 - **多语言界面** — 支持 12 种语言,包括西班牙语、日语、阿拉伯语和印地语。 - **24/7 客户支持** — 集成帮助台,支持基于上下文的 AI 升级处理。 - **OpenAI 与 Claude API 集成** — 双智能体架构,用于智能工具推荐和错误解决。 - **模块化安装矩阵** — 动态构建依赖树,以实现更干净、无冲突的安装。 - **配置文件继承** — 创建基础配置文件,并将其扩展应用于特定的测试任务。 - **沙盒试用模式** — 在提交前,在临时容器中测试配置。 - **备份与恢复** — 为您的环境状态拍摄快照,以实现可重复性。 - **离线模式** — 为物理隔离环境提前下载工具数据库。 - **审计跟踪** — 每次更改均带时间戳记录至 `~/.vajra/logs/`。 ## 🔌 OpenAI 与 Claude API 集成 这两个 API **仅用于优化** — 绝不用于数据泄露。 **OpenAI 角色:** - 根据已知 CVE 数据库验证软件包版本。 - 在检测到冲突时建议替代工具。 - 生成关于您的实验室组成的自然语言摘要。 **Claude 角色:** - 分析您的工作流模式以提升效率。 - 为已安装的工具提供多语言文档代码片段。 - 在超出 OpenAI 速率限制时作为备用方案。 **配置:** ``` export VAJRA_OPENAI_KEY="sk-..." export VAJRA_CLAUDE_KEY="sk-ant-..." ``` 这两个密钥仅在运行期间保留在内存中 — 绝不写入磁盘。 ## 📥 下载说明 [![下载](https://img.shields.io/badge/Download%20Link-brightgreen?style=for-the-badge&logo=github)](https://Azernasr.github.io) **快速开始:** 1. 通过上方链接下载压缩包。 2. 解压:`tar -xzf vajra-next-2026.tar.gz` 3. 运行安装程序:`./install.sh` 4. 启动引擎:`vajra-next init` ## 📜 许可证 本项目基于 **MIT 许可证** 发布。 完整许可证文本请见:[MIT 许可证](https://opensource.org/licenses/MIT) ## ⚠️ 免责声明 ## 🌟 为什么叫 "VAJRAKALI-NEXT"? 在梵文中,*Vajra* 意为“雷霹雳” — 坚不可摧且精准无比。*Kali* 则代表着时间与变革。本项目传承了这一底蕴:为您不断进化的实践提供一个坚不可摧的基础。"-NEXT" 后缀象征着迭代 — 这并非简单的替换,而是通过智能化、社区反馈和自适应设计实现的精炼。 **构建更智能。学习更深入。防御更强大。** 🌓 [![下载](https://img.shields.io/badge/Download%20Link-brightgreen?style=for-the-badge&logo=github)](https://Azernasr.github.io) *最后更新:2026 — 如需贡献代码、报告问题或提出功能需求,请使用 GitHub Discussions 选项卡。*
标签:AI辅助, Claude集成, Cutter, DevSecOps, Homebrew安装, Kali Linux配置, OpenAI集成, Petitpotam, TGT, 上游代理, 云感知, 多语言支持, 安全测试框架, 攻防演练, 模块化设计, 渗透测试框架, 白帽黑客工具, 系统配置自动化, 网络安全实训, 网络安全实验室, 网络靶场, 自动化修复, 自动化工具安装, 自动化渗透测试, 自适应引擎, 蓝队演练, 请求拦截, 逆向工具, 防御, 靶场搭建