CTF/授权渗透 Agent 提示词工程:执行闭环 + 运行时能力盘点 + 题型路由 + 首轮动作 + 证据化输出
ai-security/agent-security · verified
一句话结论
CTF 里真正有效的提示词不是“你是顶级 CTF 选手”的角色扮演,而是一套可执行的 Agent 运行规范:用全局闭环约束行动、用运行时能力清单告诉模型本机有哪些工具与绝对路径、用题型路由限制主/副模块、用各题型前 5 分钟固定动作启动侦察、用决策卡/证据块/结果校验协议强制模型先验证再下结论。
原理
- LLM 在 CTF 中“看起来很懂却打不穿”,通常不是缺 SQL 注入/JWT/SSTI 知识,而是缺稳定行动流程:不先识别架构就猜漏洞、不保存证据就把直觉当结论、不调用本机工具只在文字里空转、一条错路堆十轮 payload、拿到疑似 flag 不校验、不知道本机有哪些工具。
- 强提示词应把模型组织成与环境闭环的 Agent,骨架为:目标边界 → 环境能力 → 题型路由 → 首轮侦察 → 最小验证 → 工具调度 → 自动化放大 → 止损切换 → 结果校验 → 复盘输出。
- 三个常见硬伤:
- 把 CTF 当问答题:诱导模型列漏洞清单,而不先回答“环境是什么、输入点在哪、输出面是什么、成功标准是什么”。
- 把“多思考”误解成“多说话”:长篇解释不如三个最小验证 payload(正常输入、单引号、布尔恒真/恒假),无稳定差异就止损。
- 没有设备意识:不说明 shell 类型、工具是否存在、绝对路径、可用 MCP/Skill,模型只会给“你可以安装 Wireshark/jadx”的泛化建议。
- 提示词本质是注意力分配器:CTF 题会制造假 flag、误导字符串、无用页面、错误提示、变形漏洞链;强提示词让模型始终围绕事实、假设、最小验证、最快工具、失败切换和结果校验运行。
- 工程化拆分:
00_policy(稳定规则/边界/闭环)、10_runtime.generated(自动探测的环境事实)、20_router(题型识别与模块切换)、30_output(决策卡/证据块/结果校验)、40_machine_tuning(本机调度偏好)、modes/(sprint/deep/max/report)、modules/(web/pwn/reverse/crypto/forensics/misc 与 sqli/jwt_auth/ssti_rce/deserialize/race/post_access 等副模块),配合 build/refresh/test 脚本。
触发条件
- 使用 LLM/Agent 辅助 CTF、靶场、本地实验或明确授权的渗透测试。
- 能向模型提供运行时事实(工具绝对路径、WSL 发行版、Python 模块、可用 MCP/Skill)。
- 有明确的题型范围(Web/Pwn/Reverse/Crypto/Forensics/Misc)与成功标准(flag/敏感数据/shell)。
- 接受“先最小验证、再自动化放大”的低影响原则,不用于未授权目标。
利用步骤
- 写稳定 policy:适用边界、默认解题闭环、结果校验、止损切换、输出格式;一句话总纲可写成“基于真实环境,以证据驱动方式,把目标尽快、尽稳、尽深地打穿”。
- 生成 runtime 事实:用
refresh_runtime脚本每次启动探测 python/node/git/docker、tshark/hashcat/jadx/adb/7z/sqlmap、WSL 工具、Python 模块;写绝对路径,并声明“工具缺失不阻塞,优先 Python/PowerShell/WSL/自写脚本降级”。 - 写题型路由:一次只选 1 个主模块,最多 3 个副模块;题型未知先低成本广覆盖侦察;副模块必须由证据触发;某路线连续两轮无增量必须重排或换模块。
- 写各题型前 5 分钟固定动作:Web(规范化目标、抓首页/响应头、低成本泄露、抽前端 JS、选一个最短输入点最小验证);Pwn(file/checksec/strings/readelf、本地跑一次、绑 libc、搜危险函数、验证一个最强原语);Forensics(hash、真实载体、结构清单、关键词搜索、二层载体);Reverse/APK(类型/壳/混淆、strings/资源、Manifest/so、校验/网络/加解密入口、选最短路径);Crypto(给定量、类型、参数规模、脚本化、交互 oracle 最小请求器)。
- 写输出协议:进入利用前输出决策卡(目标/已知事实/当前假设/下一步最小验证/切换条件);关键发现输出证据块(现象/来源/结论/仍需验证);输出 flag/key/token/shell 前必须说明来源路径、原始证据、二次校验方式、截断/编码/诱饵/大小写风险。
- 工程化拆分与测试:按 prompt_pack 目录拆分文件,写
test_router.ps1防路由规则改坏、test_prompt_quality.ps1防缺关键段落;按比赛/深挖/报告等 mode 切换。 - 协作方式:给模型“案件材料”(题型、目标、已知、已测、目标)而非猜谜;每轮只推进一个明确目标,例如“基于刚才响应差异判断是否值得进入 SQLi 路线”。
PoC
## 全局闭环
任务建模 -> 能力盘点 -> 首轮侦察 -> 假设生成 -> 最小验证 -> 自动化放大
-> 结果提取 -> 严格校验 -> 复盘
卡住时必须执行其一:
1. 回退到最近已确认事实,重建假设;
2. 切换到备选路径;
3. 降低单次验证成本;
4. 更换更合适的工具、MCP、Skill 或脚本;
5. 明确当前阻塞点、缺口与下一步。
## 路由
一次只选择 1 个主模块,最多加载 3 个副模块。
题型未知时先做低成本广覆盖侦察;副模块必须由证据触发。
主模块:web / pwn / reverse / crypto / forensics / misc
副模块:sqli / jwt_auth / ssti_rce / deserialize / race / post_access / pcap_focus / apk_focus
## 决策卡
- 目标:
- 已知事实:
- 当前假设:
- 下一步最小验证:
- 切换条件:
## 关键证据
- 现象:
- 来源:
- 结论:
- 仍需验证:
## 最终结果
- Flag / 敏感数据 / shell:
- 结果来源:
## 校验
- 校验方式:
- 仍存疑点:
变体与关联
- 变体:把 prompt pack 作为系统提示词、项目级
AGENTS.md或 Agent 框架的 Profile 配置;模块可换成具体靶场/业务场景。 - 变体:无 MCP/Skill 时退化为纯工具+脚本路由;有 Wireshark MCP、jadx、frida 等专用能力时写入机器调优段。
- 关联:[[ai-security-agent-security-ai-pentest-evidence-driven-pipeline]](证据驱动流水线)、[[ai-security-agent-security-hitl-capability-dangerous-tool-guard]](危险工具门禁)、[[defense-detection-ai-agent-edr-session-boundary-rules]](Agent 会话检测)。
检测与防御
- 对 Agent 构建方:用测试脚本校验路由与提示词质量,限制适用边界为 CTF/靶场/授权环境,危险操作保留 HITL 与最小影响原则。
- 对防守方:这类提示词会提升 Agent 的工具调度与自动化能力,需按会话监控工具调用、敏感路径访问与外联;不能因“提示词只是文本”而忽略其放大效应。
- 对使用者:提示词中的“自动化放大/最大强度 mode”应绑定明确授权范围,避免越界扫描或破坏性验证。