腾讯云黑客松智能渗透挑战赛决赛答辩-yhy

Human-AI Teaming实践总结

PART 01: Human-AI Teaming的实践

双Agent协作架构

• 核心机制：顾问与主攻手的分工
  • 顾问（战略层）：
    • 职责：提供攻击建议、分析漏洞类型、推荐工具和方法
    • 特点：不执行工具，仅负责"思考"，介入时机为任务开始、连续失败3次、定期咨询（5/10/15次）
  • 主攻手（执行层）：
    • 职责：综合顾问建议，做出最终决策，执行所有工具
    • 特点：连续攻击模式下快速迭代，无需顾问介入

三层工具体系

• Docker真环境：
  • 关键决策：避免自造轮子，直接使用Kali环境
  • 价值：避免MCP陷阱，工具描述不占用过多token，提升LLM选择空间
• Python执行能力：
  • 核心能力：LLM可编写任意Python代码（HTTP请求、数据处理、自定义PoC）
  • 优势：解决多步组合、复杂逻辑漏洞，不受预定义工具限制

机制2：动态角色互换重试

• 价值：
  • 利用不同模型的推理强项
  • 突破特定题目的逻辑死锁
  • 历史失败记录传承，避免重复错误
• 操作方式：失败后交换主次角色

PART 02: 7天架构演进与解题数据

PART 03: 回顾及思考

回顾与反思——做对了什么？

• 引入第二视角，降低长对话幻觉风险
• 在关键决策点提供不同思路
• 加重了主Agent的认知负担
• 上下文过长，影响推理质量
• 导致格式错误、工具误用等问题

回顾与反思——未来规划

• 按需加载知识：参考Claude Skills设计
• 职责分离：
  • 主Agent：仅负责规划与决策，Prompt极简
  • 子Agent：专注具体执行，Prompt包含详细约束
  • 主Agent仅知道漏洞类型，顾问按需加载完整漏洞利用Prompt