M507/RamiGPT

# RamiGPT **RamiGPT** 是一个由 AI 驱动的攻击性安全 agent，旨在攻破 root 账户。借助 [PwnTools](http://github.com/Gallopsled/pwntools) 和 OpwnAI 的能力，RamiGPT 成功闯过了 [VulnHub](https://www.vulnhub.com/) 中多个系统的权限提升场景，并在不到一分钟的时间内获得了 root 访问权限。 ## 协作基准测试结果 **仅实时数据** —— 以下部分根据 [`data/benchmark/results/`](data/benchmark/results/) 下的真实运行记录（单次运行的 `result.json` 记录表 + [`master.json`](data/benchmark/results/master.json)）重新生成。当你想与团队共享结果时，请提交更新后的记录表（无自动 git 操作）。 各场景的详细分类（配置 · 角色 · 目标 · 工具）以及相同的整体/配置表也位于 [`benchmark.md`](benchmark.md) 中。 **协作合并原理：** 每次运行都是 `data/benchmark/results/` 下的一个记录表。当主表重新构建时，如果运行之间共享以下条件，它们将**合并到相同的统计数据中**： - **模型 `key_name`** —— 权重 + modelfile 参数（注册表位于 [`data/benchmark/models/`](data/benchmark/models/)） - **硬件实验室配置** —— `.env` 中的 `BENCHMARK_GPU_*`（GPU 名称、VRAM MiB、驱动程序、CUDA） - **场景** —— 角色、目标和工具 `BENCHMARK_GPU_POWER_LIMIT` 会记录在每次运行记录表上，但**不会**影响合并键（相同的 GPU 实验室配置即使在功率上限不同时也会合并）。 **计入通过率的指标：** 仅包含**获得 root** 和**实际运行超时**。像 `ai_provider_error`、`max_requests`、工具上传失败以及其他基础设施/设置错误等中止情况会被记录，但从通过率和平均耗时中排除。 可见的 **profile**（配置）标签格式为 `key_name · GPU · VRAM · …`。相同的配置 + 场景 → 合并统计。不同的模型配置或 GPU 实验室 → 独立的配置行。 示例文件格式（未合并到实时主表中）：[`data/benchmark/examples/`](data/benchmark/examples/)。 _最后更新：2026-07-29T13:32:28.551768+00:00 · 41 次运行 · [完整 JSON](data/benchmark/results/master.json)_ **目录：** 10 个模型 key，10 个配置（模型 + 硬件），1 个角色，285 个目标，1 个工具，2 个硬件配置 _身份标识：**模型 `key_name`** = 权重 + modelfile 参数（注册表）。**配置** = 模型 `key_name` · GPU 实验室（`BENCHMARK_GPU_*`）。当配置 + 角色 + 目标 + 工具全部匹配时，运行记录将进行合并。_ #### 整体情况 — openrouter-deepseek-deepseek-v3.2 · Online AI Service | 指标 | 数值 | |--------|------:| | 观测次数 | 23 | | 运行次数 | 3 | | 通过率 (尝试) | 46.7% | | 获得 root 率 | 63.6% | | 获得 root 计数 | 7 | | 中位耗时 (s) | 181.077 | | 平均耗时 (s) | 116.223 | | 达到 root 平均 token 数 | 6,148 | | 达到 root 中位 token 数 | 3,027 | | 达到 root 平均耗时 | 42.034 | | 达到 root 平均 AI 请求数 | 5.429 | | 达到 root 平均命令数 | 2.143 | | 达到 root 每秒 token 数 | 146.273 | #### 整体情况 — openwebui-deepseek-r1-14b · Online AI Service | 指标 | 数值 | |--------|------:| | 观测次数 | 82 | | 运行次数 | 6 | | 通过率 (尝试) | 15.4% | | 获得 root 率 | 15.8% | | 获得 root 计数 | 12 | | 中位耗时 (s) | 181.090 | | 平均耗时 (s) | 222.133 | | 达到 root 平均 token 数 | 4,921 | | 达到 root 中位 token 数 | 5,229 | | 达到 root 平均耗时 | 396.196 | | 达到 root 平均 AI 请求数 | 1.417 | | 达到 root 平均命令数 | 1.083 | | 达到 root 每秒 token 数 | 12.421 | #### 整体情况 — openwebui-openai-gpt-3.5-turbo-latest · Online AI Service | 指标 | 数值 | |--------|------:| | 观测次数 | 153 | | 运行次数 | 12 | | 通过率 (尝试) | 54.5% | | 获得 root 率 | 55.3% | | 获得 root 计数 | 42 | | 中位耗时 (s) | 80.691 | | 平均耗时 (s) | 96.735 | | 达到 root 平均 token 数 | 0 | | 达到 root 中位 token 数 | 0 | | 达到 root 平均耗时 | 65.773 | | 达到 root 平均 AI 请求数 | 7.095 | | 达到 root 平均命令数 | 5.690 | | 达到 root 每秒 token 数 | 0.000 | #### 整体情况 — openwebui-openai-gpt-4-turbo-latest · Online AI Service | 指标 | 数值 | |--------|------:| | 观测次数 | 59 | | 运行次数 | 3 | | 通过率 (尝试) | 31.2% | | 获得 root 率 | 33.3% | | 获得 root 计数 | 5 | | 中位耗时 (s) | 181.183 | | 平均耗时 (s) | 134.288 | | 达到 root 平均 token 数 | 0 | | 达到 root 中位 token 数 | 0 | | 达到 root 平均耗时 | 31.030 | | 达到 root 平均 AI 请求数 | 5.400 | | 达到 root 平均命令数 | 4.400 | | 达到 root 每秒 token 数 | 0.000 | #### 整体情况 — openwebui-openai-gpt-4o-latest · Online AI Service | 指标 | 数值 | |--------|------:| | 观测次数 | 38 | | 运行次数 | 2 | | 通过率 (尝试) | 100.0% | | 获得 root 率 | 100.0% | | 获得 root 计数 | 11 | | 中位耗时 (s) | 5.009 | | 平均耗时 (s) | 27.955 | | 达到 root 平均 token 数 | 0 | | 达到 root 中位 token 数 | 0 | | 达到 root 平均耗时 | 27.955 | | 达到 root 平均 AI 请求数 | 4.182 | | 达到 root 平均命令数 | 1.455 | | 达到 root 每秒 token 数 | 0.000 | #### 整体情况 — openwebui-openai-gpt-4o-mini-latest · Online AI Service | 指标 | 数值 | |--------|------:| | 观测次数 | 57 | | 运行次数 | 3 | | 通过率 (尝试) | — | | 获得 root 率 | — | | 获得 root 计数 | 0 | | 中位耗时 (s) | — | | 平均耗时 (s) | — | | 达到 root 平均 token 数 | — | | 达到 root 中位 token 数 | — | | 达到 root 平均耗时 | — | | 达到 root 平均 AI 请求数 | — | | 达到 root 平均命令数 | — | | 达到 root 每秒 token 数 | — | #### 整体情况 — openwebui-openai-gpt-5-latest · Online AI Service | 指标 | 数值 | |--------|------:| | 观测次数 | 58 | | 运行次数 | 3 | | 通过率 (尝试) | 25.0% | | 获得 root 率 | 25.8% | | 获得 root 计数 | 8 | | 中位耗时 (s) | 61.037 | | 平均耗时 (s) | 96.697 | | 达到 root 平均 token 数 | 0 | | 达到 root 中位 token 数 | 0 | | 达到 root 平均耗时 | 64.496 | | 达到 root 平均 AI 请求数 | 1.375 | | 达到 root 平均命令数 | 1.250 | | 达到 root 每秒 token 数 | 0.000 | #### 整体情况 — openwebui-openai-gpt-5-mini-latest · Online AI Service | 指标 | 数值 | |--------|------:| | 观测次数 | 19 | | 运行次数 | 1 | | 通过率 (尝试) | 0.0% | | 获得 root 率 | 0.0% | | 获得 root 计数 | 0 | | 中位耗时 (s) | 181.084 | | 平均耗时 (s) | 181.105 | | 达到 root 平均 token 数 | — | | 达到 root 中位 token 数 | — | | 达到 root 平均耗时 | — | | 达到 root 平均 AI 请求数 | — | | 达到 root 平均命令数 | — | | 达到 root 每秒 token 数 | — | #### 整体情况 — openwebui-openai-gpt-5.2-latest · Online AI Service | 指标 | 数值 | |--------|------:| | 观测次数 | 326 | | 运行次数 | 4 | | 通过率 (尝试) | 24.9% | | 获得 root 率 | 25.0% | | 获得 root 计数 | 60 | | 中位耗时 (s) | 181.209 | | 平均耗时 (s) | 153.241 | | 达到 root 平均 token 数 | 0 | | 达到 root 中位 token 数 | 0 | | 达到 root 平均耗时 | 68.189 | | 达到 root 平均 AI 请求数 | 6.317 | | 达到 root 平均命令数 | 2.983 | | 达到 root 每秒 token 数 | 0.000 | #### 整体情况 — openwebui-qwen3-14b · Online AI Service | 指标 | 数值 | |--------|------:| | 观测次数 | 76 | | 运行次数 | 4 | | 通过率 (尝试) | 2.8% | | 获得 root 率 | 3.0% | | 获得 root 计数 | 2 | | 中位耗时 (s) | 181.197 | | 平均耗时 (s) | 189.360 | | 达到 root 平均 token 数 | 5,145 | | 达到 root 中位 token 数 | 5,145 | | 达到 root 平均耗时 | 138.554 | | 达到 root 平均 AI 请求数 | 1.000 | | 达到 root 平均命令数 | 1.000 | | 达到 root 每秒 token 数 | 37.134 | #### 配置 | 配置 | n | 通过 | 获得 root | 中位耗时 | Token→root | 耗时→root | AI 请求→root | |---------|--:|-----:|---------:|-----------:|------------:|-----------------:|------------:| | openwebui-openai-gpt-4o-latest · Online AI Service | 38 | 100.0% | 100.0% | 5.009 | 0 | 27.955 | 4.182 | | openwebui-openai-gpt-3.5-turbo-latest · Online AI Service | 153 | 54.5% | 55.3% | 80.691 | 0 | 65.773 | 7.095 | | openrouter-deepseek-deepseek-v3.2 · Online AI Service | 23 | 46.7% | 63.6% | 181.077 | 6,148 | 42.034 | 5.429 | | openwebui-openai-gpt-4-turbo-latest · Online AI Service | 59 | 31.2% | 33.3% | 181.183 | 0 | 31.030 | 5.400 | | openwebui-openai-gpt-5-latest · Online AI Service | 58 | 25.% | 25.8% | 61.037 | 0 | 64.496 | 1.375 | | openwebui-openai-gpt-5.2-latest · Online AI Service | 326 | 24.9% | 25.0% | 181.209 | 0 | 68.189 | 6.317 | | openwebui-deepseek-r1-14b · Online AI Service | 82 | 15.4% | 15.8% | 181.090 | 4,921 | 396.196 | 1.417 | | openwebui-qwen3-14b · Online AI Service | 76 | 2.8% | 3.0% | 181.197 | 5,145 | 138.554 | 1.000 | | openwebui-openai-gpt-5-mini-latest · Online AI Service | 19 | 0.0% | 0.0% | 181.084 | — | — | — | | openwebui-openai-gpt-4o-mini-latest · Online AI Service | 57 | — | — | — | — | — | — | #### Token 效率最高的配置（达到 root 平均 token 数最低） | 配置 | Token→root | 获得 root | n | |---------|------------:|---------:|--:| | openwebui-openai-gpt-3.5-turbo-latest · Online AI Service | 0 | 55.3% | 153 | | openwebui-openai-gpt-4-turbo-latest · Online AI Service | 0 | 33.3% | 59 | | openwebui-openai-gpt-4o-latest · Online AI Service | 0 | 100.0% | 38 | | openwebui-openai-gpt-5-latest · Online AI Service | 0 | 25.8% | 58 | | openwebui-openai-gpt-5.2-latest · Online AI Service | 0 | 25.0% | 326 | | openwebui-deepseek-r1-14b · Online AI Service | 4,921 | 15.8% | 82 | | openwebui-qwen3-14b · Online AI Service | 5,145 | 3.0% | 76 | | openrouter-deepseek-deepseek-v3.2 · Online AI Service | 6,148 | 63.6% | 23 |  上图展示了**完整 AI** 循环：RamiGPT 从会话上下文中构建权限提升 prompt，请求已配置的 provider 给出下一个 shell 命令，通过 SSH 执行它，将输出反馈到历史记录中，并不断重复，直到检测到 root 或请求预算耗尽。 ## Web 工作区 RamiGPT 以**多会话工作区**的形式打开 —— 包含一个侧边栏清单和针对每个 SSH 目标的服务器工作区。创建会话，准备好后连接，然后使用 **Terminal** 标签页进行交互式 shell 和 AI 工具操作。  | 区域 | 功能描述 | |------|----------------| | **侧边栏** | 收藏夹、最近的会话以及可拖拽的分组（Production、Staging、Benchmark 等）。 | | **会话工作区** | 连接 / 断开连接、终端 I/O、Facts / Hints / Avoid 队列以及 Full AI 面板。 | | **顶部栏** | 搜索、**Benchmark**、**New Session**、**AI Settings**、**App Settings** 以及日志清理。 | ### 典型工作流 1. **配置 AI** —— 顶部栏 → 机器人图标（**AI Settings**）。选择 provider、模型和最大 Full AI 请求数。 2. **创建或选择会话** —— **New Session** 或点击侧边栏中的条目。凭据会根据 `user@host:port` 记住。 3. **连接** —— 打开会话并点击 **Connect**。输出将在 Terminal 标签页中流式显示。 4. **运行 Full AI** —— 点击 **Full AI** 启动自主权限提升循环，或者从工具下拉菜单中选择 **BeRoot** / **LinPEAS**（可选勾选 **AI** 复选框以串联至 Full AI）。 5. **引导模型** —— 在右侧面板中添加 Facts、Hints 或 Avoid 条目；使用 **Import** / **Export** 在会话之间共享 prompt 上下文。  ## 配置：AI Providers RamiGPT 支持多个 AI 后端。通过 **Settings** 按钮（机器人图标）进行配置。API key 来自 `.env`；provider、模型、URL 和 UI 选择 保存在 `data/ai_settings.json` 中。  ### 支持的 providers | Provider | `AI_PROVIDER` 值 | 备注 | |----------|---------------------|-------| | Ollama | `ollama` (默认) | 原生 Ollama OpenAI 兼容 API | | Open WebUI | `openwebui` | Open WebUI OpenAI 兼容 API | | OpenAI | `openai` | 官方 OpenAI Chat Completions API | | OpenRouter | `openrouter` | 官方 OpenRouter SDK（多模型网关） | | Cursor | `cursor` | Cursor Cloud Agents API | ### 快速设置 1. **复制示例环境变量文件：** cp .env.example .env 2. **Ollama** —— 指向你的 Ollama 主机（OpenAI 兼容的 `/v1`）： AI_PROVIDER=ollama OLLAMA_BASE_URL=http://127.0.0.1:11434 OLLAMA_API_KEY=ollama OLLAMA_MODEL=qwen3:8b 3. **Open WebUI** —— 指向你的实例（`/api`）： AI_PROVIDER=openwebui OPENWEBUI_BASE_URL=http://localhost:3000 OPENWEBUI_API_KEY=your_openwebui_token OPENWEBUI_MODEL=llama3.1 4. **OpenAI** —— 设置你的 key（以及可选的模型）： AI_PROVIDER=openai OPENAI_API_KEY=your_api_key_here OPENAI_MODEL=gpt-5-mini 5. **OpenRouter** —— 设置你的 OpenRouter key（以及可选的模型）： AI_PROVIDER=openrouter OPENROUTER_API_KEY=your_openrouter_api_key OPENROUTER_MODEL=openai/gpt-4o-mini 6. **Cursor API** —— 设置你的 Cursor API key（以及可选的模型）： AI_PROVIDER=cursor CURSOR_API_KEY=your_cursor_api_key CURSOR_MODEL=composer-2.5 7. 在运行的应用程序中，点击 **AI Settings** 更改 provider、模型、key 和 最大 AI 请求数。保存时会将非机密选择写入 `data/ai_settings.json`，并将 API key 写入 `.env`。**Reload from disk** 会重新加载 这两个文件。在进行 benchmark 或 Full AI 运行前，使用 **Test connection** 验证当前活动的 provider。 ### 应用程序设置 **App Settings**（滑块图标）控制运行时行为，与 provider 选择一起保存在 `data/ai_settings.json` 中：  | 设置 | 用途 | |---------|---------| | **角色 / 目标** | prompt 的起始角色设定（来自 `ramigpt/config/role_objectives.json`）。 | | **每次 prompt 轮换角色** | 在 Full AI 轮次中循环遍历所有 JSON 角色。 | | **升级版 Session v2** | 更好的命令提取和 PTY 处理（密码提示、编辑器、嵌套 shell）。 | | **在终端显示 AI prompt** | 在每次 AI 请求前打印 `[DEBUG] About to send prompt:`。 | | **在 AI 历史记录中包含命令输出** | 将选定的 shell 输出发送回模型（不仅仅是先前的命令）。 | | **终端工具** | 在 Terminal 下拉菜单中显示或隐藏 BeRoot / LinPEAS / LinEnum。 | ### 获取 OpenAI API Key 1. 访问 [OpenAI](https://www.openai.com/) 并注册 / 登录。 2. 在 API 控制面板中创建一个 API key。 3. 将其放入 `.env` 作为 `OPENAI_API_KEY`，或将其粘贴到 Settings 窗口中。 ### Ollama 注意事项 - Base URL 是 Ollama 主机（例如 `http://127.0.0.1:11434`）；RamiGPT 会自动附加 `/v1`。 - 模型名称必须与该主机上的 `ollama list` 匹配。 - 在 **AI Settings** 中使用刷新图标从主机获取实时模型列表。 ### Open WebUI 注意事项 - 在 Open WebUI 的 **Settings → Account** 下创建 API key。 - 完全按照模型在 Open WebUI 中显示的格式使用模型 ID（Ollama、OpenAI 或自定义模型）。 - Base URL 应为 Open WebUI 源地址（例如 `http://localhost:3000`）；RamiGPT 会自动为兼容的 completions endpoint 附加 `/api`。 ### OpenRouter 注意事项 - 在 [openrouter.ai/keys](https://openrouter.ai/keys) 创建 API key。 - 模型 ID 使用 `provider/model` 格式（例如 `openai/gpt-4o-mini`、`anthropic/claude-sonnet-4`）。 - 使用官方 `openrouter` Python SDK；将 `OPENROUTER_BASE_URL` 留空即可使用 `https://openrouter.ai/api/v1`。 - 在 **AI Settings** 中使用刷新图标获取实时的模型目录。 ## 使用 Docker 运行 ### 前置条件 在运行项目之前，请确保你已安装： - [Docker](https://docs.docker.com/get-docker/) - [Docker Compose](https://docs.docker.com/compose/install/) - 一个 AI 后端（OpenAI key、Ollama 主机、Open WebUI、OpenRouter 或 Cursor API key） ### 设置 克隆仓库并启动 Docker 容器： ``` git clone https://github.com/M507/RamiGPT.git cd RamiGPT cp .env.example .env # edit with your provider + keys docker compose -f docker/docker-compose.yml up -d ``` 访问应用程序：[https://127.0.0.1:8443](https://127.0.0.1:8443) 在 Docker 的 `.env` 中设置 `APP_RELOAD=0`，以便容器不会监视源文件进行重载。 ## 本地运行 ### 前置条件 确保已安装以下内容： - Python 3 和 pip - 一个 AI 后端（Ollama、Open WebUI、OpenAI、OpenRouter 或 Cursor API） - `ansible-core` 2.18–2.19（通过 `requirements.txt`；支持远程实验室主机（如 Ubuntu 20.04）上的 Python 3.8） - Ubuntu/Debian 主机包（在启动 / 首次 benchmark 部署时自动安装）：`openssh-client`、`sshpass`、`openssl`、`ca-certificates` - 或运行一次：`python3 scripts/ensure_ubuntu_requirements.py` ### 设置 克隆仓库并准备环境： ``` git clone https://github.com/M507/RamiGPT.git cd RamiGPT python3 -m venv venv source venv/bin/activate # Windows: venv\Scripts\activate chmod +x ./scripts/generate_certs.sh ./scripts/generate_certs.sh pip install -r requirements.txt cp .env.example .env # edit provider + API keys python app.py ``` 默认情况下，当 Python、模板或静态文件发生更改时（`APP_RELOAD=1`），本地服务器会**自动重载**。设置 `APP_RELOAD=0` 可禁用此功能。 ``` # 可选：关闭 reload APP_RELOAD=0 python app.py ``` 应用程序默认监听 `127.0.0.1:8443`（可通过 `APP_HOST` / `APP_PORT` 覆盖）。 访问应用程序：[https://127.0.0.1:8443](https://127.0.0.1:8443) TLS 证书通过 `scripts/generate_certs.sh` 在 `certs/` 下生成（用于本地 HTTPS 的自签名证书）。 ## 权限提升 Benchmark RamiGPT 将故意配置不当的 SSH 目标部署到**远程实验室主机**（通过 Ansible），并对每个目标运行 **Full AI** 直到获得 root 权限（或超时）。  ### 目标（远程主机上的 Docker Compose） 所有实验室共享一个镜像（`ramigpt-bench-base`）；每个服务仅设置 `SSH_PORT` + `MISCONFIG`（参见 `docker/benchmark/apply-misconfig.sh`）。完整清单位于 [`docker/benchmark/misconfigs.md`](docker/benchmark/misconfigs.md) 和 `ramigpt/benchmark/targets.py`。**285** 个目标，端口为 **2170–2454**（主机网络，无 DNAT）。凭据：`priv` / `password`。 部署在远程 Linux 实验室上使用主机网络（`docker/benchmark/docker-compose.yml`）。 ``` # 推荐：Benchmark UI → Start (Ansible)，或者： ansible-playbook -i ansible/benchmark/inventory.example.ini ansible/benchmark/playbook.yml ``` 部署后，确认每个目标都能获得 root 权限： ``` ./scripts/benchmark/verify-misconfigs.sh # 或者：python3 -m ramigpt.benchmark.verify <将启动 docker 且可用于测试和/或 benchmark 的测试主机 ip> ``` UI Benchmark 模态框 → **Test targets (get root)** 会对配置的远程主机运行相同的探测。 ### 从 UI 操作 1. 配置 AI（顶部栏 → **AI Settings**）。 2. 点击 **Benchmark**。 3. 设置**远程实验室主机**（用于 Ansible 的 SSH；从 `data/benchmark/remote.json` 预填充）。 4. 配置**模型计划**和**角色计划**（针对每个目标的多个模型/角色和运行次数）。 5. 选择**目标配置**（默认：**Regression sample**，约 19 个实验室）或使用 **Select all** 选择全套。 6. 设置单项目标超时时间（UI 中默认 **180s**）。 7. **Start Benchmark** —— 会话出现在 **Benchmark** 组下；Full AI 将按顺序在每个目标上运行。 **目标配置**（**Select from** 下拉菜单中的 22 个预设）：快速运行（*Does it work?*、*Regression sample*、*Easy & portable*）、主题运行（*Non-sudo*、*Detect-only*、*Cron & scheduled jobs* 等）以及全系列集合（*Classic sudo*、*SUID*、*Credentials* 等）。定义在 `ramigpt/benchmark/targets.py`（`PROFILES`）中。完整的集成详情：[`docker/benchmark/BENCHMARK_INTEGRATION.md`](docker/benchmark/BENCHMARK_INTEGRATION.md)。 ### 远程部署 ``` # UI 使用的 playbook： ansible-playbook -i ansible/benchmark/inventory.example.ini ansible/benchmark/playbook.yml ``` UI 中的远程模式会提示输入 SSH 用户名/密码，按需安装 Docker，复制 `docker/benchmark`，启动容器，并在 Full AI 开始之前验证测试套件的 SSH 端口。 需要 `ansible-core` 2.18–2.19（通过 `requirements.txt`；远程实验室需 Python 3.8+）以及 Ubuntu 主机包（`sshpass`、OpenSSH 客户端等）。在 Ubuntu/Debian 上，RamiGPT 会自动安装缺失的 apt 包（`python3 scripts/ensure_ubuntu_requirements.py`、应用程序启动或首次 benchmark 部署/验证时）。 ### 内置枚举工具 RamiGPT 集成了多种用于权限提升枚举的工具： - **[BeRoot](https://github.com/AlessandroZ/BeRoot)**：识别 Linux 上常见的权限提升向量（sudo、SUID、capabilities、可写路径等）。 - **[LinPEAS](https://github.com/carlospolop/PEASS-ng/tree/master/linPEAS)**：审计 Linux 环境中的配置不当和漏洞。 - **LinEnum**：轻量级枚举脚本（像 BeRoot 一样上传并运行）。 从 Terminal 工具下拉菜单中运行它们。启用 **AI** 复选框后，RamiGPT 将上传工具、捕获输出，并利用这些发现串联到 **Full AI**。  ## 项目布局 应用程序代码位于 `ramigpt/` 下。仓库根目录保持精简：`app.py`（入口）、`requirements.txt` 和 `docker/`。 | 路径 | 作用 | |------|------| | `ramigpt/web/` | Flask/Socket.IO UI、路由、shell 层、Full AI hooks | | `ramigpt/ai/` | AI provider 接口（Ollama、Open WebUI、OpenAI、OpenRouter、Cursor） | | `ramigpt/domain/` | 权限提升 prompt + root 检测 | | `ramigpt/config/` | 来自 `.env` 机密信息及 JSON 用户选择的设置 | | `ramigpt/benchmark/` | Benchmark 编排器（远程 Ansible 部署 + Full AI 运行） | | `ramigpt/utils/` | 共享辅助程序和日志记录 | | `tools/` | 内置权限提升工具（BeRoot、LinPEAS） | | `scripts/` | 运维辅助工具（TLS 证书生成、benchmark 验证） | | `docs/` | 截图和文档资源 | | `tests/` | 自动化测试 | | `docker/benchmark/` | 单镜像 LPE 实验室（`MISCONFIG` 配置；端口 2170–2454）。指南：[`docker/benchmark/BENCHMARK_INTEGRATION.md`](docker/benchmark/BENCHMARK_INTEGRATION.md) | | `ansible/benchmark/` | 用于在远程主机上部署目标的 Ansible playbook | | `data/` | 运行时日志、会话和 benchmark 结果（除已提交的 benchmark 表格外均被 gitignored） | | `data/sessions/hosts/` | 每个已保存 SSH 会话/主机对应一个 JSON 文件 | | `data/sessions/meta.json` | 分组 + 最近的会话 ID | | `certs/` | TLS 证书（被 gitignored） | ## 功能 ### 会话上下文（Facts、Hints、Avoid） Terminal AI 面板中的单会话队列可在不编辑 `.env` 的情况下引导 Full AI： - **Facts** —— 模型应视为既定事实的真实情况（例如内核版本、发现的 SUID 二进制文件）。 - **Hints** —— 建议的方向，但不保证成功。 - **Avoid** —— 已经失败的命令或方法。 使用 **Import** / **Export** 在会话之间移动此上下文，或将其捕获用于报告和 flag。 ### Full AI 自主循环 **Full AI** 运行一个后台循环：构建 prompt → 请求 provider → 执行一条 shell 命令 → 追加到历史记录 → 检查 root → 重复。**Stop** 会停止循环；**Guide Me** 会发送单次 AI 交互，而不会启动完整的自主运行。 Session v2（在 **App Settings** 中启用）改进了命令提取，并能处理交互式边缘情况 —— sudo 密码提示、卡住的编辑器以及嵌套的 root shell。 ### AI provider 设置 在 **AI Settings** 按钮中切换 **Ollama**、**Open WebUI**、**OpenAI**、**OpenRouter** 和 **Cursor API**。选择会持久化到 `data/ai_settings.json` 中； `.env` 仍然是 API key 和初始默认值的来源。 ## 免责声明 RamiGPT 仅用于**教育和授权的安全测试**。请负责任地使用它，并且仅在获得明确许可进行测试的系统上使用。

标签：AI安全智能体, CSV导出, DLL 劫持, Petitpotam, Web报告查看器, 内存分配, 协议分析, 大语言模型, 性能基准测试, 权限提升, 自动化渗透测试, 逆向工具