1. 项目定位与用途
Decepticon是一个AI驱动的自主红队测试框架，定位为专业红队演练的自动化执行平台。它通过多代理系统模拟真实攻击链，自动化完成从侦察、漏洞利用到后渗透的完整流程，并生成专业报告。主要用于授权环境下的红队测试、安全评估和控制有效性验证，帮助团队在机器速度下覆盖更大攻击面，同时保持红队操作的严谨性、文档化和法律合规性。
项目档案应用项目
Decepticon AI红队测试框架：自主渗透测试自动化工具安装与使用指南
Decepticon是基于LangGraph的多代理AI红队测试框架，自动化执行侦察、利用、后渗透完整攻击链。本文详解其安装配置、CLI使用方式、技术架构及适用场景，适用于授权红队演练与安全评估。
AI 总结
Decepticon是一个基于LangGraph的多代理AI红队测试框架，通过自动化侦察、利用、后渗透等完整攻击链，在Docker沙箱中安全执行授权渗透测试，帮助安全团队高效完成红队演练。
中文项目介绍
Decepticon是PurpleAILAB开发的AI驱动自主红队测试框架，旨在将传统红队测试中大量重复性手动工作（如扫描、枚举、渗透、文档）自动化。它采用多代理系统架构，中央协调器Decepticon通过OPPLAN管理目标，并委托Soundwave（情报与文档）、Recon（侦察）、Exploit（利用）、PostExploit（后渗透）等专业代理协同执行完整kill chain。
系统运行于Docker沙箱隔离环境，确保操作安全可控；支持Sliver等C2框架模块化集成；通过上下文工程技术（观察掩码、文件系统持久化、KV缓存优化）高效管理token消耗。适用于授权红队演练、自动化渗透测试评估、网络安全能力验证等场景，让安全专家专注于决策与创造性任务。
项目基于LangChain/LangGraph构建，支持Anthropic、OpenAI等LLM，提供CLI交互界面，并包含完善的中间件栈保障执行安全性与可靠性。
详细信息与使用说明
2. 解决的核心问题
传统红队测试依赖大量人工操作，耗时耗力且难以规模化。Decepticon解决的核心问题是：将重复性任务（端口扫描、服务枚举、漏洞验证、凭证收集、横向移动）交由AI代理自动执行，释放安全专家精力以专注于战略决策与创造性攻击路径设计。同时，通过OPPLAN中间件确保操作可追踪、可审计，避免‘黑箱’式自动化，维持专业红队的操作规范与法律边界。
3. 适用场景
主要适用于有明确授权的安全测试场景：1）企业红队定期演练，验证防御体系有效性；2）渗透测试服务中的自动化评估环节；3）网络安全能力验证与攻防竞赛；4）安全控制措施（如EDR、防火墙）的绕过测试。项目强调合法授权使用，禁止未授权测试，使用者需对操作负全部法律责任。
4. 安装方式
安装需预先准备Docker和Docker Compose v2。执行官方安装脚本：curl -fsSL https://decepticon.red/install | bash。脚本会自动配置环境并部署所需容器。安装后使用decepticon config命令设置LLM API密钥（支持Anthropic或OpenAI），然后通过decepticon启动系统。配置文件位于~/.decepticon/.env，可调整模型配置文件（eco/max/test）、端口、C2框架等参数。
5. 使用方式
基础使用：decepticon启动交互式CLI；decepticon demo运行预置演示，自动启动Metasploitable2目标并执行完整攻击链（包括vsftpd漏洞利用、Sliver C2植入、凭证窃取和内网侦察）。高级使用可通过CLI界面控制代理行为，或自定义OPPLAN（操作计划）定义任务目标与规则。系统支持通过Docker Compose profiles切换C2框架（默认c2-sliver），并可通过LiteLLM代理集成多种LLM服务。
6. 架构与安全特性
架构上，Decepticon采用多代理编排模式，各代理拥有独立上下文窗口与工具集，通过中间件栈提供技能披露、文件系统操作、命令安全验证等功能。基础设施采用Three-Space模型，将C2服务器、沙箱目标、攻击者控制平面分离，通过Docker网络隔离。安全特性包括：所有命令执行于沙箱容器内；中间件阻止危险操作；OPPLAN记录完整操作轨迹；支持LangSmith追踪用于审计。项目当前为Alpha版本，依赖Python 3.13+和Node.js CLI客户端。
思维导图
Decepticon
多代理系统
Decepticon协调器
Soundwave情报官
Recon侦察代理
Exploit利用代理
PostExploit后渗透代理
基础设施
Docker沙箱后端
C2框架集成(Sliver)
Three-Space网络隔离
上下文工程
观察掩码
文件系统持久化
KV缓存优化
操作计划
OPPLAN中间件
目标CRUD管理
依赖图与状态跟踪
工具链
Bash命令执行
漏洞利用模块
技能中间件
LLM集成
LangGraph编排
多模型支持(Anthropic/OpenAI)
LiteLLM代理
常见问题
Decepticon是什么？与传统渗透测试工具有何区别？
Decepticon是一个AI驱动的多代理红队测试框架，核心区别在于‘自主性’与‘专业性’结合：它不只是运行单个工具（如nmap），而是通过多个专业代理协同完成完整kill chain，同时保持红队操作所需的严谨文档、规则遵守和审计追踪，适用于真实红队演练而非简单演示。
安装和使用需要哪些前提条件？
必须安装Docker和Docker Compose v2。使用前需通过decepticon config配置LLM API密钥（支持Anthropic或OpenAI）。系统依赖Python 3.13+和Node.js（CLI客户端），但安装脚本会自动处理容器化部署，本地无需额外环境。
是否可以在未授权系统上使用？
绝对禁止。项目明确声明仅限授权红队测试使用，未授权访问计算机系统违法。使用者需对自身行为负全责，项目作者不承担任何 misuse 责任。所有操作应在隔离的沙箱环境（如Metasploitable2）或已获书面授权的目标上进行。
支持哪些LLM模型和C2框架？
LLM方面，通过LiteLLM支持Anthropic（Claude系列）、OpenAI（GPT系列）及Google模型，可通过配置文件切换eco/max/test三种性能 profile。C2框架默认集成Sliver，并通过Docker Compose profiles设计支持未来扩展（如c2-havoc），当前版本以c2-sliver为默认。
项目当前处于什么开发阶段？是否适合生产环境？
根据pyproject.toml分类器，项目处于Alpha阶段（Development Status :: 3 - Alpha），适合开发者与研究人员实验使用，不建议直接用于生产关键系统。代码仍在积极迭代，文档与稳定性持续完善中，建议在隔离环境测试并关注官方更新。