CyberStrikeAI 完整实战教程用自然语言驱动 AI 安全测试平台【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/CyberStrikeAICyberStrikeAI 是一个用 Go 构建的 AI 原生安全测试平台你把目标用一句话描述出来它负责拆解任务、挑选工具、执行命令、留存证据并把结果沉淀为结构化的漏洞记录、攻击链图谱和跨会话项目事实。平台内置 100 多个安全工具的 YAML 配方支持角色化测试、批量任务队列、三种多智能体编排模式以及审批、权限、审计组成的治理层。适合负责渗透测试、资产安全评估或应急响应的工程师也适合想把重复扫描工作交给自动化的安全团队。五分钟把 CyberStrikeAI 部署起来环境依赖与一键启动两个硬性依赖依赖版本说明Go1.25编译与运行服务以go.mod为准Python3.10部分工具依赖 Python 运行环境拉取代码后交给启动脚本git clone https://gitcode.com/GitHub_Trending/cy/CyberStrikeAI cd CyberStrikeAI chmod x run.sh ./run.sh脚本按顺序完成环境校验、创建 Python 虚拟环境、安装依赖、拉取 Go 模块、编译、启动。默认以 HTTPS 本机自签证书方式运行只想本地快速体验时改用./run.sh --http走明文 HTTP。三个启动成功的标志终端出现● ONLINE并给出 Web UI 访问地址浏览器按提示信任一次自签证书后即可访问端口默认 8080以config.yaml的server.port为准首次安装时终端会打印一次性admin初始密码先存下来登录后立即修改。 日志里出现client sent an HTTP request to an HTTPS server说明用http://访问了只开 HTTPS 的端口改成https://即可。接入模型通道第一次使用前必须配一个 OpenAI 兼容的模型通道两种方式任选其一Web 界面登录后进入「系统设置 → 基本设置 → AI 通道配置」填写 Base URL、API Key、模型名并保存通道列表支持设为默认、复制、删除和批量探活编辑config.yaml最小片段如下ai: default_channel: openai-main channels: openai-main: provider: openai_compatible api_key: sk-your-key base_url: https://api.openai.com/v1 model: gpt-4oai.default_channel决定新对话默认用哪个模型多通道并存时也可以在单个会话的设置里临时切换。平台预置了 100 多个安全工具的 YAML 配方tools/ 目录工具没装不会阻断启动执行时自动跳过或改用替代方案。想先把体验做顺建议提前装好 nmap、sqlmap、nikto、gobuster、nuclei、subfinder 这类常用项macOS 用 Homebrew、Linux 用 apt 都能一条命令覆盖大部分。部署完成后先跑一次完整任务把「输入 → 执行 → 结果 → 记录」这条链路走通后面所有进阶功能都建立在这条主线上。第一次完整任务从一条指令到漏洞入库登录后的主界面是 Web 控制台左侧是对话列表右侧是工作区底部输入框用唤起工具、Enter 发送、ShiftEnter 换行。用一句话下达扫描指令在输入框里写扫描 192.168.1.1 的开放端口不需要记工具语法。AI 会把自然语言翻译成具体的 nmap 参数执行命令再把输出解读成「哪些端口开了什么服务、哪些值得继续测」的结论。想收窄范围也直接说人话例如「只测 22/80/443 三个端口确认服务版本」。执行过程的每一步都可展开核对对话流里AI 的每一次工具调用都带有完整参数、原始输出和耗时点开就能核对它到底执行了什么。这意味着自动化不是黑盒你可以逐条判断计划是否合理发现跑偏随时叫停。漏洞自动进入生命周期管理扫描命中漏洞时AI 会直接生成结构化漏洞记录写入「漏洞管理」模块描述、证据、影响分析、修复建议四要素齐全并按严重 / 高危 / 中危 / 低危 / 信息自动分级。记录支持状态流转打开 → 确认 → 已修复 / 误报、批量导出和删除导出的结构可以直接对接现有的漏洞管理或工单系统。从对话到攻击链结果去哪看测试过程中AI 会同步解析目标、工具调用与漏洞之间的关系织成一张攻击链图节点间连线展示推进路径节点按严重度着色支持交互式回放每个步骤也可以导出风险节点清单接入外部报告管道。仪表盘则是全局视角运行中的任务、漏洞等级分布、工具调用次数与成功率、批量队列状态都汇总在一屏异常会直接引导跳转到对应详情。单目标验证通过后下一步自然是把同样的流程铺到一批目标上。进阶一批量任务队列一次提交多个目标批量任务队列解决的是「目标多、重复劳动多」的问题。入口在「任务管理」页把多个待测 URL 逐条加入队列每条任务作为独立对话执行拥有完整的状态流转待处理 / 运行中 / 已完成 / 失败 / 已取消和执行历史。队列层和单任务层都能操作层级可执行操作队列级批量添加任务、一键启动、删除队列任务级单独执行、编辑指令、更换角色、删除典型工作流把一批待测 URL 塞进队列 → 统一指定测试角色如「Web 应用扫描」→ 一键启动 → 回来看结果和漏洞记录。批量队列默认走单智能体执行确认需要更强编排能力后把config.yaml的multi_agent.batch_use_multi_agent置为true子任务会改走多智能体流程token 消耗相应上升。批量适合「同一套方法跑很多目标」的场景。目标本身复杂、需要侦察与利用并行推进时该上多智能体了。进阶二三种多智能体编排把任务拆给一支 AI 团队单智能体应对日常扫描足够但多目标、长链路、需要并行侦察的任务单线程规划容易拖慢整体进度。平台基于 Eino 框架提供三种协作模式在对话页选择模式协作方式适合的任务Deep深度协调器 task 子代理并行委派目标复杂、需要并行侦察与验证Plan-Execute规划 → 执行 → 重新规划循环长链路任务方案需要随发现修正Supervisor监督监督员统一分配任务强调分工与优先级管理子代理全部以 Markdown 定义放在 agents/ 目录每个文件由 YAML front mattername / id / description / tools / bind_role加正文系统提示词组成。想收紧侦察代理的范围、或给利用代理加约束直接改对应文件即可无需碰代码。主协调器固定在orchestrator.md按模式区分的还有orchestrator-plan-execute.md和orchestrator-supervisor.md。⚠️ 多智能体模式 token 消耗明显更高日常单点扫描用单智能体即可把编排能力留给真正复杂的任务。工具与目标之外还有一类资产容易被忽略团队自己的经验。知识库模块的作用就是让这些经验进入 AI 的检索范围。进阶三知识库 RAG让 AI 带着你的经验干活知识库基于向量检索RAG构建扫描knowledge_base/目录下的 Markdown 文件 → 自动切块、向量化 → 按目录结构分类管理 → 文件变更后自动增量重建索引。检索链路不只有一次向量搜索查询改写MultiQuery 多路检索融合→ 精排rerank→ 结果后处理回答质量比裸向量搜索高一档。启用只需一段最小配置knowledge: enabled: true base_path: knowledge_base embedding: provider: openai model: text-embedding-v4把团队沉淀的测试方法、内网环境笔记、历史案例的 Markdown 丢进目录AI 在后续测试中就会检索并引用这些材料而不是凭空发挥。仓库自带 SQL 注入、Prompt Injection 两类示例语料可以直接对着体验检索效果。至此「测一个 → 测一批 → 测复杂的 → 带着经验测」的路径走完了。剩下的是把平台接进你自己的工具链和工作流。工具接入与生态对接YAML 配方、MCP、插件与机器人新增工具 新增一个 YAML 文件所有工具都是 tools/ 目录 下的 YAML 文件支持热加载改完即生效、无需重启。配方只声明命令、参数与说明name: nmap command: nmap args: [-sT, -sV, -sC] enabled: true short_description: 网络映射和服务指纹识别 parameters: - name: target type: string description: IP或域名 required: true position: 0 - name: ports type: string flag: -p description: 端口范围如1-1000接入内部自研工具复制一份现有 YAML改命令和参数即可系统自动发现并注册。MCP 协议的三种接法平台原生支持 MCPModel Context Protocol打通 AI 与外部工具生态Web 模式config.yaml的mcp段启用内置 HTTP MCP 服务器Web 界面自动使用Stdio 模式cmd/mcp-stdio入口把工具暴露给 Cursor、CLI 等本地客户端外部 MCP 联邦支持 HTTP、Stdio、SSE 三种传输把第三方 MCP 服务器如 Burp 认证流量回放、内网扫描器服务挂进来统一调度。mcp: enabled: true host: 127.0.0.1 port: 8081auth_header_value留空时系统自动生成随机令牌远程暴露前先配好鉴权。插件把测试入口搬进 Burp 和浏览器Burp Suite 插件plugins/burp-suite/在 Burp 内直接查看 AI 辅助测试结果浏览器扩展plugins/browser-extension/Chrome / Edge 的 DevTools 中捕获 Network 流量转发给平台做 AI 分析能力与 Burp 插件对齐。机器人接入手机上也能远程干活「系统设置 → 机器人设置」支持个人微信、企业微信、钉钉、飞书、Telegram、Slack、Discord、QQ。各平台凭据字段如钉钉的 Client ID / Client Secret、飞书的 App ID / App Secret在设置页逐项填好即可。接入后用自然语言远程操作帮助 列表 切换 68f8e8e6-... 新对话 角色 渗透测试离开电脑时发一条消息就能查看任务状态、切换对话或下达新任务。能力铺开后更关键的问题是AI 自动执行的边界在哪里出了问题能不能追责。给 AI 自动执行上锁审批、权限与审计敏感操作先过一道审批HITL人机协同机制把敏感调用拦在执行之前。会话侧边栏可配置审批模式与工具白名单config.yaml的hitl段定义全局默认配置项含义default_mode会话未单独配置时的全局模式off / approval / review_editdefault_reviewer审批方human人工或 audit_agent审计 Agenthitl.tool_whitelist全局免审批工具清单审批方可以是人也可以是审计 Agent——一个独立小模型逐次审查工具调用的参数与影响面按规则裁决放行或拦截。默认规则覆盖绝大多数常规渗透操作只拦截会破坏业务可用性或造成数据不可逆损坏的动作。团队里谁能动什么RBAC 与审计平台 RBAC 支持多用户、系统/自定义角色、权限 Scope、资源归属与显式授权团队成员的权限边界谁负责 Web 扫描、谁只看报告在「平台权限」页显式管理。所有用户操作、工具执行、系统变更进入审计日志SQLite 持久化保留期可配置支持 CSV 导出对接合规审查。⚠️ 合法使用是硬边界平台所有能力只应用于自有系统或已取得明确书面授权的目标。WebShell、内置 C2 等高风险能力默认关闭或需显式启用启用前请先阅读安全模型与安全加固指南。配置、升级、性能这些日常问题多数部署者都会遇到集中回答几个。常见问题Q1安全工具没装全平台能用吗能。未安装的工具执行时自动跳过或改用替代方案不会阻断任务。先跑通核心流程再按任务需要补装即可。Q2怎么更换或并存多个模型在「AI 通道配置」新增通道并设为默认也可以只改单个会话的通道设置临时切换。故障切换通道同样在通道列表里配置。Q3生产环境怎么换正式证书在config.yaml的server.tls_cert_path/server.tls_key_path指向 PEM 证书与私钥即可本地环境保留自签就够。Q4升级会不会动我的配置和数据优先用控制台「一键更新」或./upgrade.sh两者都会备份config.yaml与data/本地的tools/、roles/、skills/、agents/原样保留失败时可用-update-rollback或备份目录回滚。Q5长期运行会不会越跑越慢主要是磁盘与数据的累积问题定期用「存储清理」页回收工作区与工具输出缓存、只启用实际用到的工具、按机器性能调整并发参数。具体运维项见 运维 Runbooks。上手路径今天就可以完成三件事部署后配置好模型通道用「扫描 127.0.0.1 的开放端口」这类无害指令走通第一次对话再开一个批量队列试跑。后续逐步接入角色、知识库和多智能体模式。一切测试仅针对自有系统或已获明确授权的目标遵守当地法律法规高风险能力启用前先读完安全加固文档。【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 
长河君 · 2026/11/2 6:28:06 · 阅读 1.2k CyberStrikeAI 完整实战教程：用自然语言驱动 AI 安全测试平台
CyberStrikeAI 完整实战教程用自然语言驱动 AI 安全测试平台【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/CyberStrikeAICyberStrikeAI 是一个用 Go 构建的 AI 原生安全测试平台你把目标用一句话描述出来它负责拆解任务、挑选工具、执行命令、留存证据并把结果沉淀为结构化的漏洞记录、攻击链图谱和跨会话项目事实。平台内置 100 多个安全工具的 YAML 配方支持角色化测试、批量任务队列、三种多智能体编排模式以及审批、权限、审计组成的治理层。适合负责渗透测试、资产安全评估或应急响应的工程师也适合想把重复扫描工作交给自动化的安全团队。五分钟把 CyberStrikeAI 部署起来环境依赖与一键启动两个硬性依赖依赖版本说明Go1.25编译与运行服务以go.mod为准Python3.10部分工具依赖 Python 运行环境拉取代码后交给启动脚本git clone https://gitcode.com/GitHub_Trending/cy/CyberStrikeAI cd CyberStrikeAI chmod x run.sh ./run.sh脚本按顺序完成环境校验、创建 Python 虚拟环境、安装依赖、拉取 Go 模块、编译、启动。默认以 HTTPS 本机自签证书方式运行只想本地快速体验时改用./run.sh --http走明文 HTTP。三个启动成功的标志终端出现● ONLINE并给出 Web UI 访问地址浏览器按提示信任一次自签证书后即可访问端口默认 8080以config.yaml的server.port为准首次安装时终端会打印一次性admin初始密码先存下来登录后立即修改。 日志里出现client sent an HTTP request to an HTTPS server说明用http://访问了只开 HTTPS 的端口改成https://即可。接入模型通道第一次使用前必须配一个 OpenAI 兼容的模型通道两种方式任选其一Web 界面登录后进入「系统设置 → 基本设置 → AI 通道配置」填写 Base URL、API Key、模型名并保存通道列表支持设为默认、复制、删除和批量探活编辑config.yaml最小片段如下ai: default_channel: openai-main channels: openai-main: provider: openai_compatible api_key: sk-your-key base_url: https://api.openai.com/v1 model: gpt-4oai.default_channel决定新对话默认用哪个模型多通道并存时也可以在单个会话的设置里临时切换。平台预置了 100 多个安全工具的 YAML 配方tools/ 目录工具没装不会阻断启动执行时自动跳过或改用替代方案。想先把体验做顺建议提前装好 nmap、sqlmap、nikto、gobuster、nuclei、subfinder 这类常用项macOS 用 Homebrew、Linux 用 apt 都能一条命令覆盖大部分。部署完成后先跑一次完整任务把「输入 → 执行 → 结果 → 记录」这条链路走通后面所有进阶功能都建立在这条主线上。第一次完整任务从一条指令到漏洞入库登录后的主界面是 Web 控制台左侧是对话列表右侧是工作区底部输入框用唤起工具、Enter 发送、ShiftEnter 换行。用一句话下达扫描指令在输入框里写扫描 192.168.1.1 的开放端口不需要记工具语法。AI 会把自然语言翻译成具体的 nmap 参数执行命令再把输出解读成「哪些端口开了什么服务、哪些值得继续测」的结论。想收窄范围也直接说人话例如「只测 22/80/443 三个端口确认服务版本」。执行过程的每一步都可展开核对对话流里AI 的每一次工具调用都带有完整参数、原始输出和耗时点开就能核对它到底执行了什么。这意味着自动化不是黑盒你可以逐条判断计划是否合理发现跑偏随时叫停。漏洞自动进入生命周期管理扫描命中漏洞时AI 会直接生成结构化漏洞记录写入「漏洞管理」模块描述、证据、影响分析、修复建议四要素齐全并按严重 / 高危 / 中危 / 低危 / 信息自动分级。记录支持状态流转打开 → 确认 → 已修复 / 误报、批量导出和删除导出的结构可以直接对接现有的漏洞管理或工单系统。从对话到攻击链结果去哪看测试过程中AI 会同步解析目标、工具调用与漏洞之间的关系织成一张攻击链图节点间连线展示推进路径节点按严重度着色支持交互式回放每个步骤也可以导出风险节点清单接入外部报告管道。仪表盘则是全局视角运行中的任务、漏洞等级分布、工具调用次数与成功率、批量队列状态都汇总在一屏异常会直接引导跳转到对应详情。单目标验证通过后下一步自然是把同样的流程铺到一批目标上。进阶一批量任务队列一次提交多个目标批量任务队列解决的是「目标多、重复劳动多」的问题。入口在「任务管理」页把多个待测 URL 逐条加入队列每条任务作为独立对话执行拥有完整的状态流转待处理 / 运行中 / 已完成 / 失败 / 已取消和执行历史。队列层和单任务层都能操作层级可执行操作队列级批量添加任务、一键启动、删除队列任务级单独执行、编辑指令、更换角色、删除典型工作流把一批待测 URL 塞进队列 → 统一指定测试角色如「Web 应用扫描」→ 一键启动 → 回来看结果和漏洞记录。批量队列默认走单智能体执行确认需要更强编排能力后把config.yaml的multi_agent.batch_use_multi_agent置为true子任务会改走多智能体流程token 消耗相应上升。批量适合「同一套方法跑很多目标」的场景。目标本身复杂、需要侦察与利用并行推进时该上多智能体了。进阶二三种多智能体编排把任务拆给一支 AI 团队单智能体应对日常扫描足够但多目标、长链路、需要并行侦察的任务单线程规划容易拖慢整体进度。平台基于 Eino 框架提供三种协作模式在对话页选择模式协作方式适合的任务Deep深度协调器 task 子代理并行委派目标复杂、需要并行侦察与验证Plan-Execute规划 → 执行 → 重新规划循环长链路任务方案需要随发现修正Supervisor监督监督员统一分配任务强调分工与优先级管理子代理全部以 Markdown 定义放在 agents/ 目录每个文件由 YAML front mattername / id / description / tools / bind_role加正文系统提示词组成。想收紧侦察代理的范围、或给利用代理加约束直接改对应文件即可无需碰代码。主协调器固定在orchestrator.md按模式区分的还有orchestrator-plan-execute.md和orchestrator-supervisor.md。⚠️ 多智能体模式 token 消耗明显更高日常单点扫描用单智能体即可把编排能力留给真正复杂的任务。工具与目标之外还有一类资产容易被忽略团队自己的经验。知识库模块的作用就是让这些经验进入 AI 的检索范围。进阶三知识库 RAG让 AI 带着你的经验干活知识库基于向量检索RAG构建扫描knowledge_base/目录下的 Markdown 文件 → 自动切块、向量化 → 按目录结构分类管理 → 文件变更后自动增量重建索引。检索链路不只有一次向量搜索查询改写MultiQuery 多路检索融合→ 精排rerank→ 结果后处理回答质量比裸向量搜索高一档。启用只需一段最小配置knowledge: enabled: true base_path: knowledge_base embedding: provider: openai model: text-embedding-v4把团队沉淀的测试方法、内网环境笔记、历史案例的 Markdown 丢进目录AI 在后续测试中就会检索并引用这些材料而不是凭空发挥。仓库自带 SQL 注入、Prompt Injection 两类示例语料可以直接对着体验检索效果。至此「测一个 → 测一批 → 测复杂的 → 带着经验测」的路径走完了。剩下的是把平台接进你自己的工具链和工作流。工具接入与生态对接YAML 配方、MCP、插件与机器人新增工具 新增一个 YAML 文件所有工具都是 tools/ 目录 下的 YAML 文件支持热加载改完即生效、无需重启。配方只声明命令、参数与说明name: nmap command: nmap args: [-sT, -sV, -sC] enabled: true short_description: 网络映射和服务指纹识别 parameters: - name: target type: string description: IP或域名 required: true position: 0 - name: ports type: string flag: -p description: 端口范围如1-1000接入内部自研工具复制一份现有 YAML改命令和参数即可系统自动发现并注册。MCP 协议的三种接法平台原生支持 MCPModel Context Protocol打通 AI 与外部工具生态Web 模式config.yaml的mcp段启用内置 HTTP MCP 服务器Web 界面自动使用Stdio 模式cmd/mcp-stdio入口把工具暴露给 Cursor、CLI 等本地客户端外部 MCP 联邦支持 HTTP、Stdio、SSE 三种传输把第三方 MCP 服务器如 Burp 认证流量回放、内网扫描器服务挂进来统一调度。mcp: enabled: true host: 127.0.0.1 port: 8081auth_header_value留空时系统自动生成随机令牌远程暴露前先配好鉴权。插件把测试入口搬进 Burp 和浏览器Burp Suite 插件plugins/burp-suite/在 Burp 内直接查看 AI 辅助测试结果浏览器扩展plugins/browser-extension/Chrome / Edge 的 DevTools 中捕获 Network 流量转发给平台做 AI 分析能力与 Burp 插件对齐。机器人接入手机上也能远程干活「系统设置 → 机器人设置」支持个人微信、企业微信、钉钉、飞书、Telegram、Slack、Discord、QQ。各平台凭据字段如钉钉的 Client ID / Client Secret、飞书的 App ID / App Secret在设置页逐项填好即可。接入后用自然语言远程操作帮助 列表 切换 68f8e8e6-... 新对话 角色 渗透测试离开电脑时发一条消息就能查看任务状态、切换对话或下达新任务。能力铺开后更关键的问题是AI 自动执行的边界在哪里出了问题能不能追责。给 AI 自动执行上锁审批、权限与审计敏感操作先过一道审批HITL人机协同机制把敏感调用拦在执行之前。会话侧边栏可配置审批模式与工具白名单config.yaml的hitl段定义全局默认配置项含义default_mode会话未单独配置时的全局模式off / approval / review_editdefault_reviewer审批方human人工或 audit_agent审计 Agenthitl.tool_whitelist全局免审批工具清单审批方可以是人也可以是审计 Agent——一个独立小模型逐次审查工具调用的参数与影响面按规则裁决放行或拦截。默认规则覆盖绝大多数常规渗透操作只拦截会破坏业务可用性或造成数据不可逆损坏的动作。团队里谁能动什么RBAC 与审计平台 RBAC 支持多用户、系统/自定义角色、权限 Scope、资源归属与显式授权团队成员的权限边界谁负责 Web 扫描、谁只看报告在「平台权限」页显式管理。所有用户操作、工具执行、系统变更进入审计日志SQLite 持久化保留期可配置支持 CSV 导出对接合规审查。⚠️ 合法使用是硬边界平台所有能力只应用于自有系统或已取得明确书面授权的目标。WebShell、内置 C2 等高风险能力默认关闭或需显式启用启用前请先阅读安全模型与安全加固指南。配置、升级、性能这些日常问题多数部署者都会遇到集中回答几个。常见问题Q1安全工具没装全平台能用吗能。未安装的工具执行时自动跳过或改用替代方案不会阻断任务。先跑通核心流程再按任务需要补装即可。Q2怎么更换或并存多个模型在「AI 通道配置」新增通道并设为默认也可以只改单个会话的通道设置临时切换。故障切换通道同样在通道列表里配置。Q3生产环境怎么换正式证书在config.yaml的server.tls_cert_path/server.tls_key_path指向 PEM 证书与私钥即可本地环境保留自签就够。Q4升级会不会动我的配置和数据优先用控制台「一键更新」或./upgrade.sh两者都会备份config.yaml与data/本地的tools/、roles/、skills/、agents/原样保留失败时可用-update-rollback或备份目录回滚。Q5长期运行会不会越跑越慢主要是磁盘与数据的累积问题定期用「存储清理」页回收工作区与工具输出缓存、只启用实际用到的工具、按机器性能调整并发参数。具体运维项见 运维 Runbooks。上手路径今天就可以完成三件事部署后配置好模型通道用「扫描 127.0.0.1 的开放端口」这类无害指令走通第一次对话再开一个批量队列试跑。后续逐步接入角色、知识库和多智能体模式。一切测试仅针对自有系统或已获明确授权的目标遵守当地法律法规高风险能力启用前先读完安全加固文档。【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