CTFer

基于 Claude Code 的自动化 CTF Web 安全解题框架。

项目概述

CTFer是一个基于claudecode的直接模式解题框架，全自动解题，以ClaudeCode作为主agent，解题过程中能在终端中与agent交互。

基于 Claude Code的局限

以claudecode作为主agent，最大的问题是攻击过程一长，AI不会严格按照框架设计的流程解题，利用工具和知识，重复的去尝试相同的几种方法，所以在关键节点引入独立视角审查，减少主 Agent 陷入思维定式和幻觉。受限于 Claude Code 的 API 和工具集，灵活性不如 LangGraph 的图编排，状态管理也需自己实现。但是可以直接利用 Claude Code 内置强大的上下文窗口管理和工具调用机制。

目录结构

D:/CC_CTFer/
├── CLAUDE.md              ← LLM 指令（解题流程规范）
├── config.json            ← 配置文件
│
├── core/                  ← 核心模块
│   ├── state_manager.py   # 状态管理
│   ├── rag_knowledge.py   # RAG v2.0 检索
│   ├── experience_manager.py # 经验管理
│   ├── failure_tracker.py # 失败追踪
│   ├── loop_detector.py   # 循环检测
│   ├── phase_gate.py      # 阶段门口
│   ├── advisor.py         # 顾问审查
│   ├── llm_client.py     # LLM 客户端
│   └── skill_loader.py    # Skill 加载
│
├── skills/                ← 技能知识库 (14 个题型)
│   └── <type>/SKILL.md
│
├── memories/             ← 经验积累
│   └── experiences/      # 成功经验 (6 个题型)
│       └── *.md
│
├── knowledge_base/        ← 外部知识库
│   ├── wooyun/           # WooYun 技术手册
│   ├── h-pentest/        # H-Pentest 攻击库
│   └── PayloadsAllTheThings/ # PATT
│
├── rag_index/             ← RAG v2.0 持久化索引
│   ├── manifest.json
│   └── kb_store.json
│
├── tools/                 ← 工具封装
│   ├── curl_tool.py
│   ├── sqlmap_tool.py
│   ├── dirsearch_tool.py
│   └── output_parser.py
│
├── workspace/             ← 工作目录
│   ├── state.json         # 当前状态
│   ├── failures.json     # 失败记录
│   └── advisor/           # 顾问建议
│
└── .claude/              ← Claude Code 配置
    ├── settings.json      # Hook 配置
    └── hooks/
        ├── check_knowledge_hook.py  # PreToolUse
        └── save_command_hook.py    # PostToolUse

| 特性 | 说明 | | --------------------- | ---------------------------------------------- | | RAG v2.0 知识检索 | BM25 + RRF 融合，持久化索引，增量更新 | | 阶段化攻击流程 | Recon → Identify → Exploit → Flag | | Hook 自动检查 | 假设声明、方法失败、预算、语义循环等多维度检查 | | 失败追踪 | 自动记录失败方法，避免重复尝试 | | 经验积累 | 自动保存成功经验到 experiences/ |

阶段化攻击流程

Recon ────► Identify ────► Exploit ────► Flag
(侦察)        (识别)         (攻击)      

Hook 自动检查机制

针对主agent的幻觉和丢失上下文问题，使用Claude Code简洁的hook机制 settings.json 配置即可生效 并且在关键节点引入独立视角审查，减少主 Agent 陷入思维定式和幻觉 参考 CHYing-agent 的双 Agent 架构（顾问 + 主攻手），将当前项目中的"隐性顾问"显式化，同时整合现有的 get_context_summary_intelligent 和 analyze_failure_with_llm，形成统一的建议层

| 检查项 | 触发条件 | 动作 | | ---------- | ----------------------- | -------- | | 假设声明 | Identify/Exploit 未声明 | 拦截 | | 方法失败 | 方法在 failures.json | 警告 | | 预算耗尽 | step_count ≥ budget | 警告 | | 工具白名单 | 工具不在允许列表 | 拦截 | | 语义循环 | 同一动作家族 ≥3 次 | 警告 | | 失败阈值 | 同一目标 ≥3 次失败 | 强制重查 | | 签名循环 | 相同签名 ≥5 次 | 拦截 |

PostToolUse 自动记录

攻击完成后自动：

1. add_method() — 记录已使用方法
2. increment_step() — 更新阶段步数
3. record_failure() — 失败时自动写入 failures.json

顾问审查时机

| 时机 | 触发方式 | 调用函数 | 说明 | | ----------------- | ------------- | ------------------------------------ | --------------------------- | | 任务开始 | Hook 自动 | advisor.review("initial") | 第一次工具执行时触发 | | 连续失败 3/6/9 次 | Hook 自动 | advisor.review("post_failure") | PostToolUse 检测失败次数 | | 定期（每5次尝试） | Hook 自动 | advisor.review("periodic") | PostToolUse 更新 step_count | | 阶段转换 | 主 Agent 调用 | advisor.review("phase_transition") | try_set_phase() 前调用 | | 主动求助 | 主 Agent 调用 | advisor.ask(question) | 任何时候可调用 |

使用

克隆仓库

git clone https://github.com/ZhuATT/CTFer.git

虚拟环境

创建虚拟环境，这样更加轻量化

• Python 3.10+

你的python解释器路径   -m venv C:\Users\Administrator\Envs\CTFagent
目前只用到了Python 标准库，后续配置的工具的依赖再根据需要下载

配置API

适配openai和Anthropic

编辑config.example.json
重命名为config.json

CLAUDE.md

CLAUDE.md 是 Claude Code 的系统级项目指令文件，每次对话开始时都会自动加载到上下文中 这个文件在这个模式下一定程度影响解题的流程。仓库中的为示例，可以按照需要自己修改

Hooks 使用

在 Claude Code 的 settings.json 中添加

 {  
   "hooks": {  
     "PreToolUse": {  
       "command": "python hooks/check_knowledge_hook.py"  
     },  
     "PostToolUse": {  
       "command": "python hooks/save_command_hook.py"  
     }  
   }  
 }

下一步计划

重构工具系统，现有工具封装太过简易，无统一管理，没有参数说明、返回值格式、示例

RAG知识库升级 Dense Embedding Cross-encoder Rerank，让顾问按需加载漏洞知识库，不是一次性塞给主 Agent

优化经验保存机制，保存解题记录，构建一个反思系统

支持多 Agent 协作...

参考项目

hexian2001/H-Pentest: 🔐 H-Pentest v2.0 🥷 AI-Powered Penetration Testing Platform

https://github.com/MuWinds/BUUCTF_Agent

https://github.com/SanMuzZzZz/LuaN1aoAgent

https://github.com/yhy0/CHYing-agent