AI挖洞是什么?应该怎么挖?

现在网络安全界到处都在讲用AI挖洞就能在家躺平，很多同学不想错过这次机会但又不知道如何入局，到底什么是AI挖洞，怎么用AI来挖洞？今天我从基础认识，到工作台的搭建，再到具体的实战应用，包括自动化能力和skill的搭建，包你看完就能打通全流程。

先讲第一部分，我们先来讲AI挖洞和传统挖洞有什么区别。

根本区别其实就是工作范式从模式匹配转向了语义推理与闭环验证。说人话就是传统方法的核心是依赖预设规则和人工经验来识别已知的模式的，而AI工作模式完全不同，它不再依赖固定的规则，而是通过理解代码的上下文和语义，推断潜在的逻辑缺陷。

两者最直观的差异是在效率上。

传统的漏洞挖掘人工审计一个高危漏洞可能需要数周甚至数月，而AI全自动模型能将速度提升一百倍，你没听错，就是一百倍！几个小时内就能扫描数百万行代码。

但是AI也有明显的短板，这些也注定了它无法取代人工。

最严重的就是误报问题。AI特别容易生成看似合理实际不存在的漏洞报告，这个占比甚至能达到60%甚至80%，什么概念，就是雷声大雨点小甚至没有雨点。前段时间部分SRC平台关停就是这个原因，一堆无效提交，审核员根本看不过来，给审核员看力竭了，只能跑路。

所以现在业界的共识就是人机协同，AI负责广度，处理海量代码的初步扫描，将网安工程师从重复劳动中解放出来。工程师则负责深度，聚焦于AI标记的高价值线索，进行逻辑推理、上下文验证和最终的漏洞确证。所以网上总有人在说AI替代人类，我只能说他绝对没有入行，甚至没有入门。

第二部分，我们要来进行工作台的搭建。

整体的架构用几句话就可以概括，用Hermes当大脑和调度中枢，用Kali Linux当手脚和工具链，用安全知识库当记忆和经验库。三者通过MCP协议打通，形成一个完整的感知到决策到执行再到学习的闭环。

好，这三根支柱咱们来一根一根拆解。首先是Hermes，它是目前红队圈子里最火的AI Agent框架之一。它的定位不是一个工具，而是一个调度台，你可以理解为调度所有工具的一个AI指挥官。它负责接收你的指令、规划攻击路径、调用工具、分析结果、然后推进下一步。

其次是kali linux。这个你肯定不陌生，但是这里咱们要的还不是传统的kali，而是AI可以调用的kali。怎么实现呢？那就需要通过MCP服务器把kali的工具链暴露给AI。实现方法有很多，例如用Docker，以Pentest-MCP为例，克隆仓库、构建Docker镜像、启动容器、验证服务，四步搞定。容器跑起来之后，你的AI客户端连上Kali MCP的接口，就能用自然语言指挥Kali干活了。具体的实操我之后会单独出视频讲解。

最后就是安全知识库。这个往往最容易被忽略，但这个恰好是区分AI瞎猜和AI真懂的关键一点。你必须得喂给它真正的知识，不然它就只能凭训练数据里的通用知识来瞎编，那你就等着误报满天飞吧。

具体的操作步骤就是你先对Hermes下指令，它就会做推理和规划，需要执行具体的工具的时候，它就会通过MCP协议发给kali MCP服务器，跑完之后再把结果返回给Hermes，Hermes再结合知识库做分析，生成报告和下一步的建议。整个流程，你只需要在关键节点做审批和判断，怎么样是不是很方便？

第三部分，自动化能力和skill的搭建。

这一部分是为了让这个单次的流程变成自动化的流水线，然后把零散的经验沉淀成可以重复使用的skill。

先说自动化，其实真正的自动化分为三个层次。

第一层是单次任务的自动闭环，咱们用代码审计流水线举个简单的例子。你只要给它一个Git仓库地址，它就会自动完成拉取代码、按文件类型切片、对每个切片调用模型进行分析、调用Semgrep做静态扫描、生成初步报告，最后推送到你的飞书或者钉钉。

这个流水线用n8n或者Dify就能搭。这一层的自动化程度，人工只需要在两个点进行介入，一个是流水线启动前确定授权范围，一个是报告生成后人工复核。

第二层的自动化是多Agent并行编排。

单条流水线只能串行干活，但真实的安全评估往往是多条线同时推进的。这时候就需要多Agent架构，Kali MCP已经原生支持这个模式。你给Agent一个目标，它会先跑一轮Nmap做服务发现，然后根据发现的端口和服务，自动启动最多10个并行子Agent，每个子Agent在自己的沙箱里跑，互不干扰，最后汇总结果到会话目录，生成统一报告。

Hermes这边也支持类似的能力。它的多Agent看板支持心跳检测、僵尸任务回收、按任务重试、以及幻觉恢复。也就是说，如果某个子Agent跑偏了或者超时了，看板会自动回收并重新分配，不会卡死整条流水线。

第三层是自主循环决策。

这就是目前最接近AI自己挖洞的形态。AI在阶段边界自动去判断下一步要测什么，它还不是每一步都会问模型，而是在关键决策点才触发推理，中间的工具调用和结果分析都由确定性的逻辑来处理，不浪费token，所以token的消耗极低。

但是这一层也会有一个硬约束，必须有人工审批闸门。Hermes的审批机制是这样的，Agent在执行任何终端命令之前，会先跟一个危险命令列表做匹配，如果匹配到了，它就会执行暂停，等你确认。所以你用的时候最好是让AI负责跑，你来负责卡闸门。它就算跑得再快，遇到删库、提权、横向移动这类操作，也必须停下来等你点头。

讲完了自动化，我们再来讲skill的搭建。

Skill的本质，是把一类漏洞的挖掘方法封装成AI可以反复调用的结构化指令，说白了就是经验大合集。那怎么写一个挖洞用的skill呢？咱们以越权检查来举个例子啊。

第一步，定义触发条件。 description写：“当需要对Web接口进行水平或垂直越权检查时使用。触发词：越权、IDOR、水平权限、资源归属。”

第二步，写检查流程。 正文里列清楚步骤：找到所有接受资源标识符的接口，然后追踪每个标识符的数据流，看后端是否做了归属校验，再检查校验逻辑是否可绕过，最后输出可疑点列表，标注置信度。

第三步，要绑定工具。 在Skill里写明需要调用哪些MCP工具：ripgrep搜代码中的标识符参数、curl构造测试请求、BurpSuite重放对比响应等等等等。

第四步，定义输出格式。 要求AI输出接口路径、参数名、校验逻辑摘要、置信度、验证建议、修复建议等。没有证据的地方标记“待验证”，禁止胡乱编造。

第五步，写验证清单。 列出确认越权必须满足的条件，比如用账号A的token请求账号B的资源、响应中返回了B的数据、HTTP状态码是200而非403。

这就是一个完整的Skill，只要写一次，以后遇到任何项目，Agent都能按这个流程跑。你现在听不懂没关系，其实真接触了之后你就会觉得很简单的。

那么现在你就知道AI挖洞到底是什么东西，以及我们要怎么样才能实现这个全流程路径了，接下来只需要配合这个零基础视频和笔记一步一步去啃下每一个点，你就能真正上手实战：DY来的同学看这里！想领取籽料或者系统学习，都只需要识别图片加一下助理老师即可！