腾讯云黑客松智能渗透挑战赛决赛答辩-ai 小分队

核心观点与关键数据

• 高效集群策略：采用多Agent独立解题模式，通过并行探测、独立上下文和简易架构实现分布式并行推理，最大化靶场覆盖率和试错效率，并实现故障隔离。
• 集群协作机制：基于“笔记本”的非阻塞知识协作，Agent通过共享关键信息（成功路径、有效Payload等）实现低成本静默协同，促进集体智能涌现。
• 智能纠偏机制：针对LLM长轮次对话中的“认知退化”问题，设计工具调用防沉迷、路径依赖防固化等策略，提升稳定性。
• 实战效果：总循环轮次11,012次，纠偏成功1,012次，平均解题成本¥13.22/题，LLM总调用成本¥1057.8，验证了高强度自主运行与自我修复能力。
• 异构模型表现：DeepSeek与Kimi组合策略，DeepSeek负责成本效益，Kimi攻坚复杂难题，实现整体效能最大化。

研究结论

• 阶段性结论：“轻量级高并发”群策Agent架构在覆盖速度与并行探索上具备竞争力。
• 稳健性提升：“防降智、防沉迷、防依赖”三大纠偏机制提升了稳定性，但引入调参成本。
• 不足与计划：长链推理能力仍需加强，未来将推进阈值自适应、资源感知调度、知识可信度与人机协同。

工程实践

• 简单架构在实战中具有高竞争力。
• 简单架构+强效控制=好的工程实践，确保Agent在复杂环境中稳定可控。