AlphaScan 是一个面向渗透测试与安全评估的本地化 AI 辅助平台：集成任务式 AI 助手、常用安全工具（通过 MCP/本地执行封装）、扫描监控与知识沉淀，提供可视化 Web UI 与可扩展的后端能力。
本项目仅用于合法授权的安全测试、学习与研究。请勿用于任何未授权目标。
AlphaScan 已落地为一个“本地优先”的 Web 安全作战中枢雏形：具备登录与权限、AI 对话与可审批的 Agent Run、可托管的 MCP 工具生态接入、本地工具执行与代码审计取证、Run 事件流与大屏数据聚合，以及可进化的知识库闭环（Run ↔ Knowledge 双向溯源 + 反馈日志结构化 + 批量管理）。
- 任务式 Agent Run：规划 → 工具调用 → 报告三阶段串联，过程可追踪、可回放、可复盘
- 工业化人机协同：关键节点审批/注入/暂停/接管，提升可靠性与可审计性
- MCP 武器库标准：以 MCP 统一接入安全工具，支持托管进程管理与日志查看
- 证据驱动的代码审计：面向”可复现/可引用”的取证输出，而不是只给结论
- 知识闭环与可进化：Run 结果沉淀为知识条目，并支持反馈、置信度轨迹、派生链路
- 监督与熔断：预算/循环检测/降级或终止，避免单个任务拖垮平台
- 配置可迁移：统一使用根目录
config/，路径采用相对路径，便于分发与迁移
- 后端：FastAPI + SQLModel（SQLite / PostgreSQL） + Requests + httpx
- 前端：Vite + React + TypeScript + Ant Design + ECharts
flowchart TB
subgraph UI["Web 界面"]
FE["前端 (Vite + React)"]
end
subgraph BE["后端 API (FastAPI)"]
API["REST / WebSocket 接口"]
ORCH["Agent 运行时 & 编排器<br/>(规划 → 工具调用 → 报告)"]
CFG["配置存储<br/>(config/*.json)"]
DB["数据库 (SQLite app.db)"]
end
subgraph TOOLS["工具层"]
MCP["MCP 客户端 / 托管 MCP 服务"]
LOCAL["本地执行 / Python 工具"]
end
FE --> API
API --> ORCH
API --> CFG
API --> DB
ORCH --> MCP
ORCH --> LOCAL
MCP --> DB
LOCAL --> DB
sequenceDiagram
autonumber
participant U as 用户
participant FE as 前端
participant API as 后端 API
participant OR as 编排器
participant TL as 工具层 (本地/MCP)
participant KB as 知识库/数据库
U->>FE: 创建任务 / Run
FE->>API: POST /ai/runs (或 /ai/chat)
API->>OR: 规划阶段
OR-->>API: 计划与审批点
API-->>FE: 事件流/审批请求
U->>FE: 批准/注入/暂停
FE->>API: 审批决策
API->>OR: 工具调用阶段
OR->>TL: 调用本地工具或 MCP 工具
TL-->>OR: 结果/证据
OR->>KB: 写入事件、证据、知识派生
OR->>API: 报告阶段
API-->>FE: Run 结果与报告
AlphaScan/
backend/ 后端（FastAPI）
app/ API 路由与核心服务
api/ 接口路由（ai、auth、scan、mcp、pentest、osint 等）
services/ 业务逻辑层
agent/ Agent 核心（规划、工具调用、报告、漏洞利用引擎、后渗透）
pentest_kernel/ 渗透内核（流水线、契约、重试、遥测）
pentest_orchestrator/ 渗透编排器（情报搜集、目标档案）
code_intelligence/ 代码智能引擎（图谱、向量、上下文、监控）
tactical_learning_engine/ 战术学习引擎（知识蒸馏、经验解析、推理）
crawler/ 爬虫服务（深度爬取、JS 分析、接口发现）
scanner/ 扫描服务（Nuclei 集成、自定义检查）
recon/ 侦查服务（子域名枚举、端口扫描、DNS、WHOIS）
db/ 数据库模型与引擎
mcp_servers/ 内置可托管 MCP 服务（semgrep、nmap、sqlmap）
tools/ 本地工具、PoC 模板与字典资源
data/ SQLite 数据库、日志与规则库（不建议提交）
frontend/ 前端（Vite + React + TypeScript + Ant Design）
src/pages/ 页面组件（仪表盘、渗透测试、代码审计、信息搜集、大屏等）
config/ 运行期配置（默认不提交，路径相对化）
docs/ 使用文档
examples/ 示例配置（无密钥，可提交）
requirements.txt Python 依赖
run.bat 一键启动（前后端）
start_project.bat 启动 launcher.py（前后端）
launcher.py 启动器（自动寻找 .venv）
以下截图可直接在 GitHub 上展示（后续可替换为真实截图或动图，同名覆盖即可）：
| 页面 | 预览 |
|---|---|
| 仪表盘 |  |
| AI 助手 |  |
| Run 详情 |  |
| 知识库 |  |
| 扫描监控 |  |
| MCP 服务 |  |
| 武器库 |  |
| 设置 |  |
| 大屏 |  |
- 账号与权限：登录/注册、基础鉴权与路由保护（第一个注册用户为管理员）
- AI 能力：对话 + Agent Run
- 多模型配置、会话持久化、Run 事件流与实时推送
- 审批点：澄清/执行确认/工具调用等关键节点可人工干预
- 知识库：Run ↔ 知识双向溯源
- 反馈日志结构化、倒序展示、置信度轨迹、从知识跳转到 Run
- 管理员批量操作：批量调置信度/分层/归档/删除
- MCP 工具生态：接入与托管
- MCP 配置管理（导入/导出/列表），托管服务启动/停止/日志尾部回显
- 内置托管服务（视文件存在）：Semgrep、Nuclei、Nmap、SQLMap
- 渗透测试：AI 驱动的全流程渗透
- 情报搜集（子域名枚举、端口扫描、DNS、WHOIS、证书分析）
- 攻击决策（AI 生成并排序可执行攻击路径、ATT&CK 映射）
- 漏洞利用（MCP 工具/Nuclei 模板/AI 脚本/命令多模式执行）
- 后渗透验证（权限确认、横向扩展、风险归档）
- 沙箱执行器（Docker 隔离、策略黑名单、超时保护）
- 代码审计：证据驱动的智能审计
- 代码智能引擎（调用图谱、向量语义搜索、污点分析）
- 并行分类审计（按漏洞类型分类并行 AI 验证）
- 增量索引与文件监控
- 战术学习引擎：知识沉淀与进化
- 经验解析、知识蒸馏、推理引擎、反馈闭环
- BM25 全文检索 + 向量检索混合召回
- 本地环境可控（工程化）
- 设置页可配置 pythonPath/venvPath/pipMirror，影响后端子进程
- 受控命令执行（仅管理员 + 本地回环地址）用于排错/依赖安装
- 可视化：仪表盘/大屏/扫描监控/武器库/Run 详情/知识详情等页面
- 安装依赖
- Python 3.8+（建议 3.10+）
- Node.js 18+（建议 18/20）
- 创建虚拟环境并安装后端依赖
- 启动脚本默认使用根目录的
.venv，请保持该目录名不变
- 启动脚本默认使用根目录的
python -m venv .venv
.venv\\Scripts\\python -m pip install -U pip
.venv\\Scripts\\pip install -r requirements.txt如需用当前虚拟环境实际安装的依赖重新生成 requirements.txt：
.\.venv\Scripts\python -m pip freeze > requirements.txt- 安装前端依赖
cd frontend
npm install- 启动
- 方式一：双击运行
run.bat - 方式二：双击运行
start_project.bat（使用launcher.py同时启动前后端）
- 方式一：双击运行
启动后：
- 前端访问地址：http://localhost:5173
- 后端接口文档：http://localhost:8000/docs
- 运行期配置目录：
config/ - 出于安全考虑，
config/*.json默认被.gitignore忽略（请勿提交真实 API Key / Token） - 示例模板：
examples/ai_models.example.json
- 使用方法与常见问题：docs/USAGE.md
- 当前更像”通用 Agent 执行器 + 审计取证骨架 + 知识闭环雏形”；渗透/扫描流水线的阶段化数据模型仍待继续落地
- 下一步最有价值的投入方向：把”代码审计”与”扫描流水线”做成输入可控、输出可复现、证据可验证的产品闭环
使用本项目进行任何安全测试前，请确保你已获得目标系统的明确授权。作者不对任何未授权使用造成的后果承担责任。