企业官网建设流程全解析

CAI 快速上手：从终端启动到自主安全任务的完整指南

【免费下载链接】caiCybersecurity AI (CAI), the framework for AI Security项目地址: https://gitcode.com/GitHub_Trending/cai3/cai

本篇技术指南以 Cybersecurity AI（CAI）框架的官方快速入门文档为核心，讲解如何通过一行cai命令启动终端交互式安全助手、理解底部状态栏信息、掌握全套环境变量配置方式，并运用--continue自主模式让 Agent 无人值守地完成漏洞审计、SQL 注入检测、代码安全审查等实战任务。读完本文，你将能够独立完成 CAI 的初始化、按需配置模型与成本上限，并编写可复用的自主安全任务命令。

一、启动 CAI：一条命令进入安全作战终端

安装 CAI 之后，只需在终端输入cai即可完成初始化并进入交互式提示符：

└─# cai CCCCCCCCCCCCC ++++++++ ++++++++ IIIIIIIIII CCC::::::::::::C ++++++++++ ++++++++++ I::::::::I CC:::::::::::::::C ++++++++++ ++++++++++ I::::::::I C:::::CCCCCCCCCC::::C +++++++++ ++ +++++++++ II::::::II C:::::C CCCCCC +++++++ +++++ +++++++ I::::I C:::::C +++++ +++++++ +++++ I::::I C:::::C ++++ ++++ I::::I C:::::C ++ ++ I::::I C:::::C + +++++++++++++++ + I::::I C:::::C +++++++++++++++++++ I::::I C:::::C +++++++++++++++++ I::::I C:::::C CCCCCC +++++++++++++++ I::::I C:::::CCCCCCCC::::C +++++++++++++ II::::::II CC:::::::::::::::C +++++++++ I::::::::I CCC::::::::::::C +++++ I::::::::I CCCCCCCCCCCCC ++ IIIIIIIIII Cybersecurity AI (CAI), v0.4.0 Bug bounty-ready AI CAI>

初始化成功后你会看到CAI>提示符，可以在其中执行任意安全任务。屏幕底部的导航栏会持续显示重要的系统信息（当前 Agent、模型、会话成本、运行时长等），帮助你随时了解运行环境。

从源码结构看，启动流程由 src/cai/cli.py 中的main()函数驱动：它先调用fix_litellm_transcription_annotations()修复 LiteLLM 的注解兼容性问题，再依据CAI_AGENT_TYPE（默认one_tool_agent）通过get_agent_by_name()实例化 Agent，最后进入 run_cai_cli() 的主循环——该循环负责读取用户输入、拼接对话上下文（history_context）、调用Runner.run()执行 Agent，并处理CAI_MAX_TURNS轮次上限、CAI_PARALLEL并行实例等运行时逻辑。

启动后最有效的学习方式是直接下达任务，例如让 CAI 执行一次针对认证系统的安全检查。原文档提供了对应的演示视频，你可以按同样的步骤从启动工具一路走到运行第一个 AI 驱动的安全任务。

二、环境变量全景：控制 CAI 行为的 20+ 个开关

CAI 通过环境变量来配置几乎所有的运行行为。下表完整列出了快速入门文档中的变量清单，并补充了源码（src/cai/cli.py 顶部模块文档与 src/cai/repl/commands/config.py 中的ENV_VARS定义）确认的默认值与可选值：

在 src/cai/repl/commands/config.py 的ENV_VARS注册表中，还可以看到快速入门未列出的扩展变量，供深入使用时参考：

提示：CAI_GUARDRAILS在 config.py 注册表中对应编号26，CAI_PRICE_LIMIT对应编号18，这与快速入门文档及 src/cai/cli.py 中"/config set 26 false"的提示完全一致。

三、三种配置环境变量的方式

快速入门文档给出了三种互相等价、可灵活组合的配置手段，以下逐一展开。

1. 使用.env文件（推荐，持久化）

在启动目录放置.env文件，CAI 会自动加载。值得注意的是，src/cai/cli.py 在导入任何其他模块之前就调用load_dotenv(override=True)，且.env的优先级高于系统环境变量，因此这是最可靠的配置来源：

# 在 .env 文件中添加任意环境变量 CAI_PRICE_LIMIT="0.004" CAI_MODEL="qwen2.5:72b"

2. 命令行参数（单次会话）

直接在启动命令前以键值对形式传入，适合临时覆盖：

CAI_PRICE_LIMIT="0.004" CAI_MODEL="qwen2.5:72b" cai

3. 运行时/config配置（不重启生效）

进入 CAI 后输入/config，会以 Rich 表格形式展示全部环境变量及当前值、默认值。根据第一列的数字编号执行set即可热更新：

cai /config # 显示包含所有环境变量的面板，取第一列的引用编号 # 例如 18 对应 CAI_PRICE_LIMIT /config set 18 "0.004"

/config的实现细节（src/cai/repl/commands/config.py）值得留意：

• 支持子命令list（列全部）、get <number>（查单个）、set <number> <value>（改单个）；
• ConfigCommand._add_agent_model_vars()会为每个已注册 Agent 动态追加CAI_<AGENT>_MODEL覆盖变量，并行模式（CAI_PARALLEL > 1）下还会追加CAI_<AGENT>_<N>_MODEL实例级覆盖变量；
• 主循环 run_cai_cli() 每轮都会重新读取CAI_MAX_TURNS，若运行时调大上限，会解除之前的“仅允许 CLI 命令”锁定状态，提示Turn limit increased. You can now continue using CAI.

结合cli.py的用法示例，可以组合出典型的真实场景：

# 针对 CTF 运行（指定挑战、Agent 与模型，关闭追踪） CTF_NAME="kiddoctf" CTF_CHALLENGE="02 linux ii" \ CAI_AGENT_TYPE="one_tool_agent" CAI_MODEL="alias1" \ CAI_TRACING="false" cai # 开启在线情景记忆：每 5 轮注册一次记忆，成本上限 5 美元 CTF_NAME="hackableII" CAI_MEMORY="episodic" \ CAI_MODEL="alias1" CAI_MEMORY_ONLINE="True" \ CTF_INSIDE="False" CTF_HINTS="False" \ CAI_PRICE_LIMIT="5" cai

四、--continue自主模式：让 Agent 不停机地完成任务

CAI 最强大的特性之一是--continue自主模式：Agent 在原本会停下等待用户输入的位置，自动生成智能续接指令，持续工作直至任务完成或被中断。

基本用法

# 让 CAI 连续讲安全笑话 cai --continue --prompt "tell me a joke about security" # 运行自主安全审计 cai --continue --prompt "perform security audit of authentication system" # 自动寻找漏洞 cai --continue --prompt "find SQL injection vulnerabilities"

启用--continue后，CAI 会：

• 每一轮结束后分析对话上下文；
• 生成智能化的续接提示（Auto-continuing with: ...）；
• 持续工作，直到任务完成或被Ctrl+C中断。

工作原理解读

续接系统在 Agent 完成一轮后，会综合分析以下信号来决定下一步动作（详细机制参见 docs/continue_mode.md）：

• 原始请求：用户最初下达的任务；
• 对话历史：最近的用户消息与 Agent 回复；
• 工具使用：使用了哪些工具及其输出；
• 错误状态：遇到的错误类型；
• 任务进度：当前完成度。

随后系统使用配置的模型生成上下文感知的续接提示，例如：

# 系统构建的上下文摘要示意 context_summary = """ ORIGINAL TASK: Tell me a joke about security CONVERSATION FLOW: User: Tell me a joke about security Agent: Why did the hacker break up with their password? Because it wasn't strong enough! CURRENT STATUS: - Last action: Told a cybersecurity joke - Tools used: None - Errors: No Generate a specific continuation prompt... """

当主模型不可用时，系统还内置了基于上下文的智能回退（fallback）策略，部分典型映射如下：

终止与防失控机制

系统通过以下规则判断是否停止：

1. 完成指示：Agent 明确说出 "completed"、"finished"、"done" 时停止；
2. 活跃工作检测：仍有工具调用进行时继续；
3. 错误恢复：尝试自动解决错误；
4. 任务进度：评估原始目标是否已达成。

若担心无限循环，可以组合CAI_MAX_TURNS限制轮数：

# 在代码集成中使用 max_turns 限制 run_cai_cli( starting_agent=agent, initial_prompt="analyze security", continue_mode=True, max_turns=10 # 限制为 10 轮 )

五、自主模式的典型实战场景

1. 自动化安全审计

cai --continue --prompt "perform a security audit of the authentication system"

Agent 会依次：搜索认证相关文件 → 分析代码漏洞 → 检查常见安全问题 → 生成综合报告。

2. 持续漏洞狩猎

cai --continue --prompt "find and document all XSS vulnerabilities"

Agent 会：搜索用户输入处理代码 → 识别潜在 XSS 向量 → 记录发现 → 给出修复建议。

3. 扩展代码分析（OWASP Top 10）

cai --continue --prompt "analyze this codebase for OWASP Top 10 vulnerabilities"

Agent 会系统性逐类检查漏洞类型，直至全部覆盖。

4. 与 Session Resume 组合：断点续跑

--continue可与--resume无缝配合，让中断的会话自主恢复（详见 docs/session_resume.md）：

# 恢复上次会话并继续自主工作 cai --resume --continue # 恢复指定会话并继续 cai --resume abc12345 --continue # 从交互选择器恢复并继续 cai --resume list --continue

该组合的能力链条是：恢复完整对话历史 → 基于上次停点自动生成续接提示 → 无需人工输入持续工作。

六、与--continue配套的模型与功能配置

模型与密钥

# 为续接生成指定不同模型 export CAI_MODEL=gpt-4 cai --continue --prompt "analyze this code" # 设置主模型失败时的回退模型 export CAI_CONTINUATION_FALLBACK_MODEL=gpt-3.5-turbo cai --continue --prompt "test application security" # 为自定义模型配置 API 密钥 export ALIAS_API_KEY=your-api-key cai --continue --prompt "perform penetration testing"

与其他 CAI 特性组合

# 指定特定 Agent 进入自主模式 CAI_AGENT_TYPE=bug_bounter_agent cai --continue --prompt "test example.com" # 设置工作区便于文件操作 CAI_WORKSPACE=project1 cai --continue --prompt "audit all Python files" # 开启流式输出，实时监控进度 CAI_STREAM=true cai --continue --prompt "monitor security events"

七、可运行的示例脚本

仓库提供了两个开箱即用的示例，展示如何以编程方式驱动--continue：

• examples/continue_mode_jokes.py：演示连续讲安全笑话，包含Ctrl+C优雅中断与输出高亮；
• examples/continue_mode_security_audit.py：演示自主漏洞扫描，会创建含 SQL 注入、命令注入、路径穿越、硬编码凭据的示例文件，让 CAI 连续审计直至发现多处问题，并在结束后自动清理。

运行方式：

python examples/continue_mode_jokes.py python examples/continue_mode_security_audit.py

从实现看，两个脚本均通过subprocess.Popen以python src/cai/cli.py --continue --prompt "..."的方式调用 CLI，并逐行读取输出、统计Auto-continuing with:续接次数，展示了自主模式在无人值守场景下的完整调用链。

八、最佳实践与故障排查

编写高质量的初始提示

# 好——具体、可执行 cai --continue --prompt "find SQL injection vulnerabilities in user.py" # 差——过于模糊 cai --continue --prompt "check security"

监控与限流

• 定期检查输出，确保方向正确；
• 需要停止时使用Ctrl+C；
• 查看logs/last符号链接指向的会话日志（该链接由 run_cai_cli() 在退出时自动创建）获取详细执行历史。

常见问题

九、结语

从cai一条命令启动交互式终端，到通过.env/ 命令行 //config三路配置环境变量，再到用--continue把 CAI 变成可无人值守的自主安全助手——快速入门文档覆盖的正是 CAI 日常使用中最核心的路径。结合 src/cai/cli.py 的主循环实现、src/cai/repl/commands/config.py 的变量注册表以及 examples 目录下的可运行示例，你可以在此基础上进一步探索 CAI PRO 特性、完整命令参考 与 自主模式详解，将 CAI 深度接入自己的安全研究与漏洞挖掘工作流。

【免费下载链接】caiCybersecurity AI (CAI), the framework for AI Security项目地址: https://gitcode.com/GitHub_Trending/cai3/cai