Shannon：让 AI 替你当黑客，自动找出 Web 应用的真实漏洞
你的代码每天都在更新，但渗透测试一年只做一次？Shannon 来填补这 364 天的安全空白。
了解 Shannon
Shannon 是一个全自动 AI 渗透测试工具，由 Keygraph 团队开源（AGPL-3.0 协议）。它不是传统的漏洞扫描器——它模拟真正的黑客行为，自主分析你的源代码，操控浏览器执行真实攻击，最终交付一份的渗透测试报告。
在 XBOW 基准测试中，Shannon Lite 取得了 96.15% 的成功率。GitHub 上已获得 10.6k Star，是近期安全领域最受关注的开源项目之一。
运行原理
Shannon 模拟人类渗透测试人员的工作方法，采用多智能体架构，分四个阶段执行：
阶段一：侦察（Reconnaissance） → 分析源代码 + 使用 Nmap、Subfinder 等工具扫描目标，构建完整的攻击面地图。
阶段二：漏洞分析（Vulnerability Analysis） → 多个专项 Agent 并行工作，分别针对注入、XSS、SSRF、认证绕过等 OWASP 漏洞类型进行数据流追踪，输出"可能的攻击路径"假设列表。
阶段三：漏洞利用（Exploitation） → 对每条假设路径执行真实攻击——包括浏览器自动化、命令行工具、自定义脚本。严格执行"打不通就不报"策略，消灭误报。
阶段四：报告（Reporting） → 汇总所有验证成功的漏洞，生成渗透测试级报告，每个漏洞附带可直接复制粘贴的 PoC 复现步骤。
整个过程完全自主运行，从启动到出报告，你只需要一条命令。
┌──────────────────────┐
│ Reconnaissance │
└──────────┬───────────┘
│
▼
┌──────────┴───────────┐
│ │ │
▼ ▼ ▼
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ Vuln Analysis │ │ Vuln Analysis │ │ ... │
│ (Injection) │ │ (XSS) │ │ │
└─────────┬───────┘ └─────────┬───────┘ └─────────┬───────┘
│ │ │
▼ ▼ ▼
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ Exploitation │ │ Exploitation │ │ ... │
│ (Injection) │ │ (XSS) │ │ │
└─────────┬───────┘ └─────────┬───────┘ └─────────┬───────┘
│ │ │
└─────────┬─────────┴───────────────────┘
│
▼
┌──────────────────────┐
│ Reporting │
└──────────────────────┘
部署与运行全流程
环境准备
你只需要两样东西：
- Docker：Shannon 运行在容器中，确保环境隔离。安装地址：
https://docs.docker.com/get-docker/ - Anthropic API Key（推荐）：从
https://console.anthropic.com获取。也支持 Claude Code OAuth Token，或实验性地通过 OpenRouter 使用 OpenAI / Gemini 模型。
第一步：克隆项目
git clone https://github.com/KeygraphHQ/shannon.git
cd shannon
第二步：配置凭证
方式 A：环境变量（推荐快速上手）
export ANTHROPIC_API_KEY="你的API密钥"
export CLAUDE_CODE_MAX_OUTPUT_TOKENS=64000
方式 B：创建 .env 文件（推荐长期使用）
cat > .env << 'EOF'
ANTHROPIC_API_KEY=你的API密钥
CLAUDE_CODE_MAX_OUTPUT_TOKENS=64000
EOF
第三步：启动渗透测试
./shannon start URL=https://你的应用地址.com REPO=/你的源码路径
Shannon 会自动构建容器、启动工作流，并返回一个工作流 ID。整个测试在后台运行。
如果你在本地测试：Docker 容器无法直接访问宿主机的 localhost，需要改用
host.docker.internal：
./shannon start URL=http://host.docker.internal:3000 REPO=/path/to/repo
第四步：监控进度
# 查看实时日志
./shannon logs
# 查询特定工作流的进度
./shannon query ID=shannon-1234567890
# 打开 Temporal Web UI 查看详细状态
open http://localhost:8233
第五步：查看结果
测试完成后，报告默认保存在 ./audit-logs/ 目录下：
audit-logs/{hostname}_{sessionId}/
├── session.json # 会话指标数据
├── agents/ # 各 Agent 的执行日志
├── prompts/ # Prompt 快照（用于复现）
└── deliverables/
└── comprehensive_security_assessment_report.md # 最终安全评估报告
第六步：停止服务
# 停止容器（保留工作流数据）
./shannon stop
# 完全清理（删除所有数据）
./shannon stop CLEAN=true
普通用户/团队能用来做什么？
🔒 独立开发者 / 小团队
你可能没有预算请专业安全团队做渗透测试。Shannon 就是你的免费安全顾问——把你的 Side Project 或 SaaS 应用跑一遍，看看有没有明显的安全漏洞，防患于未然。
🏢 企业开发团队
将 Shannon 纳入 CI/CD 流程（Pro 版支持），每次重大发布前自动跑一轮渗透测试。不再依赖一年一次的安全审计，让安全测试跟上你的发布节奏。
🎓 安全学习者
对 Web 安全感兴趣但不知从何入手？搭建一个 OWASP Juice Shop 靶场，让 Shannon 跑一遍，然后仔细阅读它生成的报告——每个漏洞是怎么发现的、怎么利用的、怎么修复的，比看教程生动得多。
🛡️ 安全从业者
作为专业渗透测试的辅助工具，Shannon 可以在正式测试前快速扫一遍，帮你锁定重点攻击面，节省大量手工侦察时间。
使用须知
- 切勿在生产环境运行：Shannon 会执行真实攻击，可能修改数据、创建用户、触发副作用
- 必须获得授权：只能测试你拥有或获得书面授权的系统，未授权扫描违法
- 费用提示：一次完整测试大约耗时 1-1.5 小时，使用 Claude Sonnet 模型约花费 $50 USD
- 人工复核必不可少：AI 仍可能产生幻觉内容，报告中的每个发现都应人工验证
写在最后
Shannon 代表了 AI 在网络安全领域的一个重要方向：不是替代安全工程师，而是把渗透测试从"一年一次的奢侈品"变成"随时可用的基础设施"。对于快速迭代的现代开发团队来说，这可能是补齐安全短板最务实的方式之一。
项目地址：github.com/KeygraphHQ/…
官网：keygraph.io
Discord 社区：discord.gg/KAqzSHHpRt
💬 你用过哪款 AI 编程工具？欢迎评论区分享你的体验！ ⭐ 觉得有用？点个「在看」让更多开发者看到这篇对比！
