strix

GitHub
23.1k 2.5k 简单 1 次阅读 2天前Apache-2.0语言模型开发框架Agent
AI 解读 由 AI 自动生成,仅供参考

Strix 是一款开源的 AI 安全助手,它像真实的黑客一样主动出击,旨在帮助团队快速发现并修复应用程序中的安全漏洞。与传统静态分析工具常产生大量误报不同,Strix 通过动态运行代码、模拟真实攻击路径,并生成可验证的概念验证(PoC)来确认漏洞,确保每一个发现的问题都真实存在且可复现。

这款工具主要解决了传统渗透测试耗时过长、成本高昂以及自动化扫描结果不准确的问题。它能够将在数周内才能完成的安全评估压缩至几小时内,并直接提供修复建议甚至自动生成修复代码,极大地提升了安全响应速度。

Strix 非常适合软件开发人员、安全工程师以及需要频繁进行合规检查的团队使用。无论是希望在本地命令行快速扫描项目的开发者,还是希望将安全检查集成到 CI/CD 流水线中以实现“左移”安全的企业团队,都能从中受益。其独特的技术亮点在于采用了多智能体协作机制,这些 AI 代理能像黑客团队一样配合工作,不仅具备完整的黑客工具库,还能与 GitHub Actions 无缝集成,在代码合并前自动拦截不安全内容,真正实现了高效、精准且以开发者为中心的应用安全测试。

使用场景

某电商初创团队在发布新版支付网关前,急需对核心代码进行安全审计以防范数据泄露风险。

没有 strix 时

  • 测试周期漫长:传统人工渗透测试需预约外部专家,耗时数周才能排期,严重拖慢产品上线节奏。
  • 误报干扰严重:静态扫描工具产出大量虚假警报,开发人员需花费大量时间逐一排查无效问题,效率低下。
  • 修复缺乏依据:发现漏洞后仅收到抽象描述,缺乏可复现的攻击证明(PoC),开发团队难以定位根因。
  • 成本高昂:聘请专业安全团队费用昂贵,且无法集成到日常的 CI/CD 流程中实现持续监控。

使用 strix 后

  • 即时动态检测:strix 像真实黑客一样动态运行代码,几小时内即可完成深度扫描并拦截不安全代码进入生产环境。
  • 结果真实可信:通过生成实际的攻击概念验证(PoC)来验证漏洞,彻底消除误报,让团队只关注真实风险。
  • 自动修复建议:不仅提供详细的复现步骤,还能生成一键合并的修复代码 Pull Request,大幅加速 remediation 过程。
  • 无缝流水线集成:直接嵌入 GitHub Actions,每次提交代码自动触发扫描,以极低成本实现全天候自动化安全守护。

strix 将原本需要数周的人工渗透测试压缩至小时级,用真实的攻击验证替代了无效的静态报警,让安全测试真正成为了敏捷开发的加速器。

运行环境要求

操作系统
  • Linux
  • macOS
GPU

未说明 (依赖云端 LLM API,本地无需 GPU)

内存

未说明

依赖
notes1. 必须安装并运行 Docker,因为工具会自动拉取沙箱镜像运行。2. 核心智能依赖外部大语言模型 (LLM) API,需配置 OpenAI、Anthropic 或 Google 等提供商的 API Key,本地不运行大型模型。3. 支持通过 GitHub Actions 集成到 CI/CD 流程中。4. 首次运行会自动下载必要的 Docker 镜像。
python未说明
Docker
strix hero image

快速开始

Strix Banner

Strix

开源AI黑客工具,用于发现并修复您的应用程序漏洞。


文档 官网

向DeepWiki提问 GitHub Star数 许可证 PyPI版本

加入Discord 在X上关注

usestrix/strix | Trendshift

[!TIP] 全新! Strix 可与 GitHub Actions 和 CI/CD 流水线无缝集成。在每次拉取请求时自动扫描漏洞,并在不安全代码进入生产环境之前将其阻止!


Strix 概览

Strix 是自主的 AI 代理,其行为方式与真正的黑客无异——它们会动态运行您的代码、查找漏洞,并通过实际的概念验证来加以确认。Strix 专为需要快速、准确的安全测试,同时又不想承担手动渗透测试开销或静态分析工具误报问题的开发者和安全团队而设计。

核心能力:

  • 即用型的完整黑客工具集
  • 可协作且可扩展的代理团队
  • 真实验证,提供 PoC 而非误报
  • 以开发者为中心的 CLI 和可操作报告
  • 自动修复与报告功能,加速漏洞修复

使用场景

  • 应用安全测试——检测并验证应用程序中的关键漏洞
  • 快速渗透测试——在数小时内完成渗透测试,而非数周,并生成合规报告
  • 漏洞赏金自动化——自动化漏洞赏金研究,生成 PoC 以加快上报速度
  • CI/CD 集成——在 CI/CD 中运行测试,阻止漏洞进入生产环境

🚀 快速入门

先决条件:

  • 已运行的 Docker
  • 来自任何支持的提供商(OpenAI、Anthropic、Google 等)的 LLM API 密钥

安装与首次扫描

# 安装 Strix
curl -sSL https://strix.ai/install | bash

# 配置您的 AI 提供商
export STRIX_LLM="openai/gpt-5.4"
export LLM_API_KEY="您的API密钥"

# 运行您的首次安全评估
strix --target ./app-directory

[!NOTE] 首次运行会自动拉取沙箱 Docker 镜像。结果将保存到 strix_runs/<run-name> 目录中。


☁️ Strix 平台

请访问 app.strix.ai 尝试 Strix 全栈安全平台——免费注册,连接您的代码库和域名,即可在几分钟内启动渗透测试。

  • 经过验证的发现,附带 PoC 和复现步骤
  • 一键自动修复,直接生成可合并的拉取请求
  • 持续监控,覆盖代码、云和基础设施
  • 集成:GitHub、Slack、Jira、Linear 以及 CI/CD 流水线
  • 持续学习,基于过往的发现和修复不断优化

开始您的第一次渗透测试 →


✨ 功能

代理式安全工具

Strix 代理配备了全面的安全测试工具集:

  • 完整的 HTTP 代理——可进行完整的请求/响应操作与分析
  • 浏览器自动化——多标签浏览器,用于测试 XSS、CSRF 和认证流程
  • 终端环境——交互式 Shell,用于命令执行和测试
  • Python 运行时——用于自定义漏洞利用开发与验证
  • 侦察——自动化的 OSINT 和攻击面测绘
  • 代码分析——静态与动态分析能力
  • 知识管理——结构化的发现与攻击文档

全面的漏洞检测

Strix 能够识别并验证多种安全漏洞:

  • 访问控制——IDOR、权限提升、认证绕过
  • 注入攻击——SQL、NoSQL、命令注入
  • 服务器端——SSRF、XXE、反序列化缺陷
  • 客户端——XSS、原型污染、DOM 漏洞
  • 业务逻辑——竞态条件、工作流操纵
  • 认证——JWT 漏洞、会话管理
  • 基础设施——配置错误、暴露的服务

代理图谱

先进的多代理编排系统,用于进行全面的安全测试:

  • 分布式工作流——针对不同攻击和资产的专业化代理
  • 可扩展测试——并行执行,实现快速而全面的覆盖
  • 动态协调——代理之间协作并共享发现

使用示例

基本用法

# 扫描本地代码库
strix --target ./app-directory

# 对 GitHub 仓库进行安全审查
strix --target https://github.com/org/repo

# 黑盒 Web 应用程序评估
strix --target https://your-app.com

高级测试场景

# 灰盒认证测试
strix --target https://your-app.com --instruction "使用凭据 user:pass 进行认证测试"

# 多目标测试(源代码 + 部署的应用)
strix -t https://github.com/org/app -t https://your-app.com

# 白盒源码感知扫描(本地仓库)
strix --target ./app-directory --scan-mode standard

# 带有自定义指令的重点测试
strix --target api.your-app.com --instruction "重点关注业务逻辑缺陷和 IDOR 漏洞"

# 通过文件提供详细指令(例如交战规则、范围、排除项)
strix --target api.your-app.com --instruction-file ./instruction.md

# 强制以特定基础分支为基准的 PR 差异范围
strix -n --target ./ --scan-mode quick --scope-mode diff --diff-base origin/main

无头模式

使用 -n/--non-interactive 标志以编程方式运行 Strix,无需交互式 UI——非常适合服务器和自动化任务。CLI 会实时打印漏洞发现结果,并在退出前输出最终报告。如果发现漏洞,则以非零代码退出。

strix -n --target https://your-app.com

CI/CD(GitHub Actions)

可以将 Strix 添加到您的流水线中,在拉取请求上运行安全测试,只需一个轻量级的 GitHub Actions 工作流:

name: strix-penetration-test

on:
  pull_request:

jobs:
  security-scan:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v6
        with:
          fetch-depth: 0

      - name: 安装 Strix
        run: curl -sSL https://strix.ai/install | bash

      - name: 运行 Strix
        env:
          STRIX_LLM: ${{ secrets.STRIX_LLM }}
          LLM_API_KEY: ${{ secrets.LLM_API_KEY }}

        run: strix -n -t ./ --scan-mode quick

[!TIP] 在 CI 拉取请求运行中,Strix 会自动将快速扫描范围限定为已更改的文件。 如果无法通过差异范围解析,请确保检出时使用完整历史记录(fetch-depth: 0),或显式传递 --diff-base 参数。

配置

export STRIX_LLM="openai/gpt-5.4"
export LLM_API_KEY="your-api-key"

# 可选
export LLM_API_BASE="your-api-base-url"  # 如果使用本地模型,例如 Ollama 或 LMStudio
export PERPLEXITY_API_KEY="your-api-key"  # 用于搜索功能
export STRIX_REASONING_EFFORT="high"  # 控制思考力度(默认:高;快速扫描:中)

[!NOTE] Strix 会自动将您的配置保存到 ~/.strix/cli-config.json,因此您无需每次运行时都重新输入。

推荐模型以获得最佳效果:

有关所有支持的提供商(包括 Vertex AI、Bedrock、Azure 以及本地模型)的信息,请参阅 LLM 提供商文档

企业版

通过企业级控制功能,享受与 Strix 相同的体验:SSO(SAML/OIDC)、自定义合规性报告、专属支持与 SLA、自定义部署选项(VPC/自托管)、BYOK 模型支持,以及针对您的环境优化的定制代理。了解详情

文档

完整的文档可在 docs.strix.ai 上找到——包括详细的使用指南、CI/CD 集成、技能以及高级配置说明。

贡献

我们欢迎代码、文档和新技能方面的贡献——请查看我们的贡献指南,开始参与,或提交拉取请求问题

加入我们的社区

有问题吗?发现了 bug?想参与贡献?加入我们的 Discord!

支持该项目

喜欢 Strix 吗? 请在 GitHub 上给我们点个赞吧!

致谢

Strix 建立在许多优秀的开源项目之上,例如 LiteLLMCaidoNucleiPlaywrightTextual。衷心感谢这些项目的维护者们!

[!WARNING] 仅测试您拥有或获得授权的应用程序。您有责任以合乎道德和法律的方式使用 Strix。

版本历史

v0.8.32026/03/23
v0.8.22026/02/24
v0.8.12026/02/20
v0.8.02026/02/19
v0.7.02026/01/23
v0.6.22026/01/19
v0.6.12026/01/15
v0.6.02026/01/12
v0.5.02025/12/15
v0.4.02025/11/25
v0.3.12025/11/01

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|2天前
Agent图像开发框架