📄 工具详情 ⚙️ 安装教程 📚 使用教程
能力标签
🔌 MCP🤖 Agent🔄 工作流🐳 Docker💻 CLI🔗 REST API🧠 Claude✨ GPT🖥 本地 LLM
⚙️
Agent工作流

开源AI工作流

基于 Go · 无代码搭建完整 AI 自动化流程
英文名：Pentest-Swarm-AI
⭐ 1.7k Stars 🍴 343 Forks 💻 Go 📄 AGPL-3.0 🏷 AI 7.5分
7.5AI 综合评分
workflowai-agentsbug-bountycybersecurityoffensive-securitypenetration-testing
⬇ 下载源码（GPL） ⚙️ 配置说明
✦ AI Skill Hub 推荐

经 AI Skill Hub 精选评估，开源AI工作流 获评「推荐使用」。已获得 1.7k 颗 GitHub Star，这款Agent工作流在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 7.5 分，适合有一定技术背景的用户使用。

📚 深度解析

开源AI工作流 是一套完整的 AI Agent 自动化工作流方案。随着 AI 能力的不断提升，基于 Agent 的自动化工作流正在成为提升个人和团队效率的核心方式。区别于传统的 RPA 自动化（模拟鼠标键盘操作），AI Agent 工作流通过理解任务意图、动态规划执行路径，能够处理更复杂的非结构化任务。

开源AI工作流 工作流的设计遵循"最小配置，最大复用"原则：核心逻辑已经封装好，用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制，在网络波动或 API 限速等情况下仍能稳定运行，适合作为生产环境的自动化基础设施。

在实际部署时，建议先在测试环境中运行 3-5 次，验证各个环节的输出结果符合预期，再部署到生产环境。AI Skill Hub 评分 7.5 分，是同类 Agent 工作流中的精选推荐。

📋 工具概览

使用AI代理进行自动化渗透测试，orchestrates recon，c等。突出价值：提高渗透测试效率，降低风险。

开源AI工作流 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。

GitHub Stars
⭐ 1.7k
开发语言
Go
支持平台
Windows / macOS / Linux（跨平台）
维护状态
正常维护，社区驱动
开源协议
AGPL-3.0
AI 综合评分
7.5 分
工具类型
Agent工作流
Forks
343

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

使用AI代理进行自动化渗透测试，orchestrates recon，c等。突出价值：提高渗透测试效率，降低风险。

开源AI工作流 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。

📌 核心特色
  • 可视化 Agent 工作流编排，无需编写复杂代码
  • 支持多步骤自动化任务链，实现全流程无人值守
  • 与外部 API、数据库和第三方服务无缝集成
  • 内置错误处理与自动重试机制，保障稳定运行
  • 提供可复用的自动化模板，快速在同类场景部署
🎯 主要使用场景
  • 自动化日常重复性工作，将精力集中于创造性任务
  • 构建数据采集 → 处理 → 输出的完整自动化管线
  • 实现跨平台、跨系统的数据流转和业务协同
以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。
安装命令
# 方式一：go install（推荐）
go install github.com/Armur-Ai/Pentest-Swarm-AI@latest

# 方式二：从源码编译
git clone https://github.com/Armur-Ai/Pentest-Swarm-AI
cd Pentest-Swarm-AI
go build -o pentest-swarm-ai .

# 方式三：下载预编译二进制
# 访问 Releases 页面下载对应平台二进制文件
# https://github.com/Armur-Ai/Pentest-Swarm-AI/releases
📋 安装步骤说明
  1. 访问 GitHub 仓库获取工作流文件
  2. 在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
  3. 上传工作流文件
  4. 按照提示配置必要的环境变量和 API Key
  5. 运行测试确认流程正常后投入使用
以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。
常用命令 / 代码示例
# 查看帮助
pentest-swarm-ai --help

# 基本运行
pentest-swarm-ai [options] <input>

# 详细使用说明请查阅文档
# https://github.com/Armur-Ai/Pentest-Swarm-AI
以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。
配置示例
# pentest-swarm-ai 配置说明
# 查看配置选项
pentest-swarm-ai --config-example > config.yml

# 常见配置项
# output_dir: ./output
# log_level: info
# workers: 4

# 环境变量（覆盖配置文件）
export PENTEST_SWARM_AI_CONFIG="/path/to/config.yml"
📑 README 深度解析 真实文档 完整度 61/100 查看 GitHub 原文 →
以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

简介

<p align="center"> <h1 align="center">Pentest Swarm AI</h1> <p align="center"> <strong>The first open-source pentesting tool built on a real swarm — not just multiple agents in a row.</strong> </p> <p align="center"> <a href="#quick-start">Quick Start</a> &middot; <a href="#what-makes-this-a-swarm">Swarm vs. Multi-Agent</a> &middot; <a href="#how-the-swarm-works">How It Works</a> &middot; <a href="#comparison">Compare</a> &middot; <a href="IMPLEMENTATION_PLAN.md">Roadmap</a> </p> </p>

<p align="center"> <img src="https://img.shields.io/github/stars/Armur-Ai/Pentest-Swarm-AI?style=for-the-badge&color=f59e0b" alt="Stars"> <img src="https://img.shields.io/badge/Go-1.24-00ADD8?style=for-the-badge&logo=go" alt="Go"> <img src="https://img.shields.io/badge/License-AGPL%203.0-blue?style=for-the-badge" alt="License"> <img src="https://img.shields.io/badge/AI-Claude%20%7C%20Ollama-purple?style=for-the-badge" alt="AI"> <img src="https://img.shields.io/badge/status-alpha-orange?style=for-the-badge" alt="Status"> </p>

<p align="center"> <img src="docs/demo-flashy.gif" alt="Pentest Swarm AI — live campaign demo" width="900"> </p>

<p align="center"> <img src="banner/pentest-swarm-ai-banner.gif?v=3" alt="Pentest Swarm AI architecture" width="800"> </p>

Feature status

Honesty labels: stable means shipped + tested, beta means works but rough edges, alpha means experimental, planned means in the roadmap.

FeatureStatusNotes
Sequential 5-phase runner**stable**Default mode; battle-tested core
Stigmergic swarm scheduler**alpha**--swarm flag; memory-backed blackboard wired
ProjectDiscovery toolchain**stable**subfinder, httpx, nuclei, naabu, katana, dnsx, gau
nmap adapter**stable**XML parsed; scope-validated
Cleanup registry**stable**Always runs on SIGINT / exit / budget-cancel
Claude prompt caching**stable**Enabled for recon + classifier by default
--strict LLM mode**stable**Promotes LLM errors to fatal
CVSS v3.1 scoring**stable**FIRST spec
Postgres blackboard backend**beta**Migration shipped; runner uses memory-board for now
MCP server**beta**pentestswarm mcp serve
VS Code extension**beta**deploy/vscode/
GitHub Action**beta**deploy/github-action/action.yml with SARIF
Swarm playbooks (5)**beta**playbooks/{bug-bounty,external-asm,ci-cd,internal-network,ctf-solver}.yaml
Live dashboard**alpha**web/; UI built, wiring to live campaigns in progress
Burp MCP bridge**planned**Wave 2
Metasploit / ZAP / sqlmap adapters**planned**Wave 2
Fine-tuned Pentest-Swarm model**planned**Wave 3 (Pentest-R1 recipe)
Cybench / AutoPenBench benchmarks**planned**Wave 3

---

Install (pick one)

brew install Armur-Ai/tap/pentestswarm # macOS (Homebrew tap) docker run --rm -e ANTHROPIC_API_KEY=sk-ant-... \ ghcr.io/armur-ai/pentestswarm:latest \ scan example.com --scope example.com # Docker one-liner go install github.com/Armur-Ai/Pentest-Swarm-AI/cmd/pentestswarm@latest # Go

Quick Start

```bash

One API key, one command, one swarm.

export PENTESTSWARM_ORCHESTRATOR_API_KEY=sk-ant-your-key-here pentestswarm scan example.com --scope example.com --swarm --follow ```

That's the whole setup. No Ollama, no model download, no GPU — just a Claude API key.

Running inside a GitHub Actions workflow? There's an action for that — see deploy/github-action/example-workflow.yml.

---

Comparison

How we position vs. the rest of the ecosystem. We'll ship real benchmark numbers in a future release (see Phase 3.3).

ToolArchitectureExecutes vs. suggestsMemoryTools wiredMCPSwarm?
**Pentest Swarm AI**Stigmergic blackboardExecutespgvector + pheromones8 ProjectDiscovery + nmap; sqlmap / Burp MCP / Metasploit in roadmapYes✅ real
PentestGPTSingle-agent ReActSuggestsNoneNone nativeNoNo
HackingBuddyGPTSingle-agentExecutesRun logsShell passthroughNoNo
PentAGI4 agents + plannerExecutespgvector40+ via MCP/shellPartialPipeline
ShannonWhite-box + browserExecutesSession stateBrowser DOMNoPipeline
HexStrikeMCP tool wrapperDelegates to client LLMNone (stateless)150+ via MCPYesNo
Pentest-R1RL-tuned LLMExecutesTrajectoryCTF-scopeNoNo

If any entry here is wrong or out of date, please open a PR — we want this table to stay honest.

---

🎯 aiskill88 AI 点评 A 级 2026-06-04

该项目使用Go语言编写，orchestrates recon，c等功能，值得关注。

⚡ 核心功能

👥 适合人群

自动化工程师和运维人员项目经理和业务分析师希望减少重复性工作的专业人士数字化转型团队

🎯 使用场景

  • 自动化日常重复性工作，将精力集中于创造性任务
  • 构建数据采集 → 处理 → 输出的完整自动化管线
  • 实现跨平台、跨系统的数据流转和业务协同

⚖️ 优点与不足

✅ 优点
  • +大幅减少重复性人工操作
  • +可视化流程，清晰直观
  • +可扩展性强，支持复杂场景
⚠️ 不足
  • −初始配置和调试需投入一定时间
  • −强依赖外部服务的稳定性
  • −复杂场景需具备一定技术基础
⚠️ 使用须知

该工具使用 AGPL-3.0 协议，商用场景请仔细阅读协议条款，必要时咨询法律意见。

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

📄 License 说明

⚠️ AGPL 3.0 — 最严格的 Copyleft，网络服务端使用也需开源，SaaS 使用受限。

🔗 相关工具推荐

LangChain AI开发框架
Agent工作流
ai-agents-for-beginners Agent工作流
微软官方开源项目，提供12堂系统课程学习AI智能体框架。涵盖工作流设计、RAG检索增强、多智能体协作等核心技能。适合AI
n8n AI工作流自动化
Agent工作流
LangFlow 可视化AI开发
Agent工作流
🧩 你可能还需要
基于当前 Skill 的能力图谱，自动补全的工具组合
技能寻求者
MCP · Agent · 工作流
natively-cluely-ai-assistant — Claude Skill 中文使用文档
免费开源的AI面试助手，实时转录，隐蔽模式，局部RAG，BYOK。无订阅，防止数据泄露。
CrewAI 多代理协作平台
MCP · Agent · 工作流
LEANN AI技能包
MCP · Agent · 工作流
DeepCode Agent工作流
MCP · Agent · 工作流
total-agent-memory MCP工具
为Claude Code和Codex CLI提供持久化记忆功能的开源MCP工具。自动提取知识图谱，支持多轮对话上下文保留，适合需要长期记忆和

❓ 常见问题 FAQ

解答：请参阅README文件
💡 AI Skill Hub 点评

AI Skill Hub 点评：开源AI工作流 的核心功能完整，质量良好。对于自动化工程师和运维人员来说，这是一个值得纳入个人工具库的选择。建议先在非生产环境试用，再逐步推广。

⬇️ 获取与下载
⬇ 下载源码（GPL）
⚠️ 本工具使用 AGPL-3.0 协议。您可以自由下载和使用，但衍生作品必须以相同协议开源，不可商业闭源。使用前请确认符合协议要求。
📚 深入学习 开源AI工作流
查看分步骤安装教程和完整使用指南，快速上手这款工具
⚙️ 安装教程 📚 使用教程
🌐 原始信息
原始名称 Pentest-Swarm-AI
Topics workflowai-agentsbug-bountycybersecurityoffensive-securitypenetration-testing
GitHub https://github.com/Armur-Ai/Pentest-Swarm-AI
License AGPL-3.0
语言 Go
🔗 原始来源
🐙 GitHub 仓库  https://github.com/Armur-Ai/Pentest-Swarm-AI

收录时间：2026-06-04 · 更新时间：2026-06-04 · License：AGPL-3.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。