如何免费让 AI 替你猎 Bug拆解 Agentic-Bug-Hunter 大脑层的 LLM 自动选择机制【免费下载链接】Agentic-Bug-HunterAI-powered bug bounty hunting toolkit that works with or without subscription.项目地址: https://gitcode.com/gh_mirrors/cl/Agentic-Bug-HunterAgentic-Bug-Hunter是一个 AI 驱动的漏洞赏金Bug Bounty狩猎工具包它的核心 brain.py 是一个多供应商 LLM 推理层能在 Ollama本地免费、Groq免费额度、DeepSeek极低价以及 Claude、OpenAI 等十几个 AI 服务之间自动检测、自动选择最合适的后端让你无需订阅任何付费 AI 服务也能跑完整的侦察 → 狩猎 → 验证 → 报告流程。本文面向新手拆解这个大脑是如何工作的它怎么选供应商、怎么选模型以及你该怎么配置它。为什么需要多供应商 LLM 层一个典型的 AI 猎 Bug 工具如果绑死在某个大模型 API 上会有两个痛点贵Claude、OpenAI 都是按量付费的重度消耗门槛高本地没有显卡没 API Key工具直接跑不起来。Agentic-Bug-Hunter 的解法是在 brain.py 中封装了一个统一的LLMClient类一个接口所有供应商共用同一个chat()方法上层逻辑完全不用关心背后是谁在推理14 个供应商Ollama、Groq、DeepSeek、Claude、OpenAI、Grok、Gemini、Kimi、Mistral、Together、Cerebras、Perplexity、OpenRouter、OrcaRouter免费优先本地零成本 云端免费额度 极低价 付费按这个顺序排列。对新手来说这意味着装个 Ollama 就能完全离线、零成本使用有免费 Key 的选 Groq 更快追求更强推理能力再上 DeepSeek 或付费模型全部自动切换。供应商是如何被自动选择的自动选择逻辑在 brain.py 的_auto_detect()方法中规则只有三条显式指定优先环境变量BRAIN_PROVIDER或通过bughunter setup保存的配置指定了供应商就直接用它不再探测持 Key 者排前面如果检测到你设置了某些 API Key比如ANTHROPIC_API_KEY对应供应商会被提前探测避免你白等一次注定失败的本地 Ollama 连接免费优先的顺序兜底没有任何 Key 时按内置优先级逐个探测——Ollama → Groq → DeepSeek → Cerebras → Gemini → Kimi → Mistral → Together → … → Claude → OpenAI → Grok每探测一个供应商就检查API Key 是否存在或本地 Ollama 服务是否在运行第一个可用的胜出。全部失败时才回落到 Ollama 并给出明确提示test_brain_auto_detect.py 里对这些探测顺序有完整的回归测试。每个供应商配了什么默认模型选定供应商后模型名也有默认值定义在LLMClient.DEFAULT_MODELS中新手不用做任何选择就能跑起来供应商费用档位默认模型需要的 KeyOllama免费 · 本地动态选本地已装模型无需 Key本地运行即可Groq免费额度llama-3.3-70b-versatileGROQ_API_KEYDeepSeek极低价deepseek-v4-flashDEEPSEEK_API_KEYClaude付费claude-sonnet-4-6ANTHROPIC_API_KEYOpenAI付费gpt-4oOPENAI_API_KEYGrok付费grok-4.5XAI_API_KEY一个贴心细节如果厂商下线了旧模型例如 DeepSeek 的 deepseek-chat代码里内置了遗留别名映射DEEPSEEK_LEGACY_ALIASES你保存的旧配置不会突然失效而是自动迁移到替代模型上。本地 Ollama 的模型是怎么挑的选了 Ollama 后还有一层模型择优逻辑_pick_model()查询本地已安装的全部模型按内置优先级列表MODEL_PRIORITY从上往下找第一个已安装的首选是 30B 级别的安全特化模型兜底到 7B 小模型显式指定的模型如果没安装会明确报错而不是偷偷换别的模型避免你以为在跑 A 实际跑了 B。另外还有一个分诊快模型机制TRIAGE_MODEL_PRIORITY优先选 8B 级别的小型安全微调模型如 BaronLLM专门用于快速 go/no-go 分诊——快任务用快模型深度分析用大模型进一步省钱省时间。三步上手从配置到跑起来不需要读源码三个命令搞定# 1. 交互式配置向导选供应商、填 Key、测连通、挑模型全部保存 bughunter setup # 2. 查看所有供应商与 Key 状态谁激活了一目了然 bughunter providers # 3. 检查当前激活的供应商与模型 bughunter statussetup向导内部engine.py 的cmd_setup会真实发起一次对话请求做连通性测试并把选择持久化到~/.bughunter/config.json之后每次启动自动复用。也支持非交互模式一键指定bughunter setup --provider ollama --model qwen2.5:14b最省事的零成本路线本地装好 Ollama 并ollama pull qwen2.5:14b后直接bughunter setup选 Ollama 即可——全程离线、数据不出机器。大脑到底在替谁干活理解了供应商选择就明白这个 LLM 层的价值brain.py 里的Brain类把选好的模型接进整条狩猎流水线——侦察解读analyze_recon()读完子域名/URL 枚举结果指出高价值攻击面扫描研判interpret_scan()区分工具报的和真可复现的链式利用build_chains()把低危点串成高危攻击链分诊裁决triage_finding()两分钟判断一个发现值不值得深挖报告生成write_report()直接产出可提交给 HackerOne / Bugcrowd 的报告草稿。这些能力由 agents/ 下的 9 个专职 AI 代理recon-agent、validator、report-writer 等调用方法论文档见 skills/bb-methodology/SKILL.md。想深入源码看这几个位置想了解去哪里看供应商优先级与自动检测brain.py 中的LLMClient._auto_detect/PROVIDER_PRIORITY模型择优与分诊模型brain.py 中的MODEL_PRIORITY/TRIAGE_MODEL_PRIORITYsetup / providers / status 命令engine.py 中的cmd_setup/cmd_providers自动检测的回归测试tests/test_brain_auto_detect.py显式模型选择测试tests/test_model_selection.py完整使用教程docs/TUTORIAL.md小结Agentic-Bug-Hunter 的 brain.py 用一个免费优先、Key 探测、显式覆盖的三层策略把 14 个 LLM 供应商收敛成一个bughunter setup的选择界面有 Ollama → 本地免费离线隐私满分有 Groq 免费 Key → 云端极速零成本上云预算紧 → DeepSeek几分钱跑完一轮狩猎。对新手而言这正是这类 AI 安全工具最实用的设计你只管选一个顺手的 AI剩下的自动探测、自动选模型、自动降级全部交给大脑。【免费下载链接】Agentic-Bug-HunterAI-powered bug bounty hunting toolkit that works with or without subscription.项目地址: https://gitcode.com/gh_mirrors/cl/Agentic-Bug-Hunter创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考