Cairn 是一个开源的“通用问题求解引擎”：你给它起点（Origin）和目标（Goal），它在一个完全未知的状态空间里自己找路径。渗透测试只是它第一个被验证的场景，底层是黑板架构 + Fact/Intent 图，没有预设角色，没有固定流程，多 Worker 通过共享图协作。

项目地址：

https://github.com/oritera/Cairn

1. Cairn的目标

官方一句话概括：Cairn 是一个通用问题求解引擎，它不定义角色，也不预设工作流。给定初始状态与目标状态，在未知的状态空间中搜索出一条路径。

这类问题的共同特征：

有明确的起点：已知目标系统、当前状态、已知条件

有明确的终点：拿到shell、拿到 flag、完成证明、达到某个配置

中间路径未知：没有现成SOP，只能边探索边决定下一步

渗透测试、漏洞研究、CTF 解题、数学证明……都属于这种“起点–终点明确，路径未知”的问题。Cairn 就是为这一类问题设计的。

2.核心设计

2.1 三个原语：Fact / Intent / Hint

Cairn 把所有信息抽象成三类：

Fact：已经确认的客观事实，写入黑板后全局可见

Intent：准备探索的方向，还没执行，只是“意图”

Hint：人类随时可以注入的判断，下次 Worker 读取时会被吸收

整个系统围绕一个Fact/Intent 图演化：

Fact 是已经踩实的“石板”

Intent 是向未知迈出的“试探脚”

Hint 是人从旁边喊的一句话：“这块值得深挖”“这边大概率死路”

图从Origin 逐渐长向 Goal，新 Fact 是踏脚石，新 Intent 是向未知迈的一步。

2.2 Worker：没有固定角色，只看图下菜碟

Cairn 的 Worker 没有预设角色（不是“信息收集 Agent”“漏洞利用 Agent”这种），而是统一跑一个 OODA 循环：

Observe：读整张图（Fact + Intent + Hint）

Orient：判断当前状态，目标是否已经达成

Decide：决定下一步 Intent（或者判定完成）

Act：执行 Intent，把结果写回 Fact

任务也不是预定义的岗位，而是运行时根据图当前状态动态生成。谁有空、谁有能力，谁就领Intent 去执行。

2.3 协作方式：蚁群式“留信息素”，而不是互相对话

Worker 之间不直接通信，只通过黑板协作（Stigmergy，蚁群式协作）：

·A Worker 写下 Fact / Intent，相当于留下信息素

·B Worker 读到后，可以沿着这条路径继续扩展，也可以绕开走别的路

好处：

·没有信息孤岛：所有信息都在图上

·没有强耦合：Worker 挂了、加新的，都不影响全局

·天然支持并发：多个Worker 同时在不同分支上探索

3.系统架构

架构很简单，核心三件套：

·Cairn Server：只负责维护 Fact/Intent/Hint 图的一致性

·Cairn Dispatcher：读图、调度任务、起停 Worker 容器、写协议

·Worker Container：每个项目一个容器，里面可以跑多个 Worker，支持 Claude Code / Codex / Pi 等后端

          ┌──────────────────────────────────┐          │           Cairn Server           │          │    Facts + Intents + Hints       │          └─────────────────┬────────────────┘                            │                     Read / Write API                            │          ┌─────────────────┴────────────────┐          │             Dispatcher           │          │   Schedules tasks, manages       │          │   containers, writes protocol    │          └──────────┬───────────────┬───────┘                     │               │     ┌───────────────┴──┐     ┌──────┴──────────────┐     │  Worker Container│     │  Worker Container   │     │   (Project A)    │     │   (Project B)       │     │  ┌────┐  ┌────┐  │     │  ┌────┐  ┌────┐     │     │  │ W. │  │ W. │  │     │  │ W. │  │ W. │     │     │  └────┘  └────┘  │     │  └────┘  └────┘     │     └──────────────────┘     └─────────────────────┘

要点：

·Server 只管图，不业务逻辑

·Dispatcher 是“总管”，决定什么时候Reason / Explore / Bootstrap

·Worker 只被喂prompt + 当前图，返回结构化输出，无状态

4. 三类任务

Worker 执行的任务只有三类：

一个典型生命周期：

1.创建项目：Origin + Goal 写入图

2.Bootstrap：Worker 尝试直接完成 Goal，大多会失败，但会留下初始 Fact

3.Reason：Worker 判断 Goal 没达成，决定下一步 Intent

4.Explore：Worker 执行某个 Intent，产生新 Fact

5.回到3，不断循环，直到某个 Reason 判定 Complete

5. 实战表现

Cairn 在第二届 TCH·腾讯云黑客松智能渗透挑战赛上，作为唯一一支AK（All-Killed，解掉所有题）战队，最终总排名第三：

参赛队伍：610 支战队、1345 名选手

成绩：54 / 54 题全部解决，唯一AK

关键点：系统在比赛当天凌晨才首次完整上线，没有专门训练、没有专门调参、没有领域专用工具、没有预定义角色

更详细的实战复盘，作者在《无径之径：Cairn AI 从渗透测试到通用问题的求解》里有讲设计理念和比赛细节。

无径之径：Cairn AI 从渗透测试到通用问题的求解

6. 部署

前置条件：Python ≥ 3.12、Docker。

6.1 Docker部署

第一步，拉取工作容器镜像：

docker pull ghcr.io/oritera/cairn-worker-container:latest

第二步，Docker Compose 启动：

docker compose up --build

然后编辑dispatch.yaml填入你的LLM API Key，系统就会自动运行。

Web界面：http://localhost:8000，

API 文档：http://localhost:8000/docs

6.2 手动方式

编辑好dispatch.yaml 后：

·启动 server

uv run --project cairn cairn serve

·启动 dispatcher

uv run --project cairn cairn dispatch --config dispatch.yaml

·做启动健康检查

uv run --project cairn cairn dispatch --config dispatch.yaml --startup-healthcheck-only

最后，若要正式上线使用，务必做到以下几点：严格限制在授权环境内运行；配置完善的成本监控与频率限制机制；保留人工审核及任务中断功能。

-- END --