AI自动化挖漏洞实战路线：从Hermes Agent到工作台搭建

当传统安全测试还在手动敲命令、逐条分析扫描结果时，一批安全人员已经把AI Agent塞进了漏洞挖掘流程。B站上这套AI+自动化挖洞教程试图回答一个具体问题：零基础的人如何用AI真正挖到第一个SRC漏洞。它给出的不是概念科普，而是一条从环境搭建到漏洞验证的完整路径。

先搞清楚AI在挖洞流程里到底站在什么位置

教程的第一个阶段要求学习者先建立整体认知：AI如何参与漏洞挖掘，以及它和传统安全测试方式的区别在哪里。这个问题不搞清楚，后面搭再多工具也只是堆砌。

其中被重点提及的是AI Agent这种工作方式。教程的判断是，越来越多的安全人员开始尝试把Agent引入漏洞挖掘流程，原因在于Agent不只是回答问题，而是能按任务目标去调用工具、串联步骤。这个定位决定了后续所有实操的方向——AI不是替代安全人员做判断，而是承担信息收集、流程执行和结果整理这些可被结构化的环节。

AI Agent 指能够自主感知环境、规划任务并调用外部工具（如命令行、API、浏览器）来达成目标的智能体程序，与大模型单纯问答不同，它具备“思考—行动—观察”的循环能力。在安全场景中，Agent 可根据指令自动执行资产探测、指纹识别、漏洞扫描等步骤，并把中间结果反馈给模型进行下一步决策。这种范式让 AI 从被动回答者变为流程执行者，但关键判断（如漏洞是否真实可利用）仍需人工介入，因此教程强调 AI 承担的是可结构化的信息收集与整理环节。

用Hermes Agent完成第一套AI挖洞环境

认知建立之后，教程直接进入动手环节：安装和使用AI Agent，把本地挖洞环境搭起来。推荐的第一款工具是Hermes，理由是上手方便、对新手友好。教程给出的逻辑是，通过这一个工具先搞清楚AI挖洞的具体思路，后续其他Agent工具的使用方法大同小异。

基础部署完成后，还需要完成API Key设置、模型调用方式配置以及Hermes的基础使用。这一步的产出是一个可运行的环境，为后续的AI辅助漏洞挖掘和安全测试实战做准备。对零基础学习者来说，这个阶段的价值在于先把"AI能跑起来"这件事落地，而不是停在观望。

工作台才是分水岭：安全知识库+Kali Linux

搭好Hermes只是迈出第一步。教程明确指出，AI要真正参与安全测试，需要具备两个关键能力：安全经验和真实测试环境。围绕这两点，完整工作台包含Hermes、安全知识库和Kali Linux三部分。

安全知识库和Skill解决的是经验问题——把安全人员长期积累的测试经验、分析思路和处理方法整理出来，让AI在执行任务时参考这些专业经验。这样AI不再是简单地回答问题，而是能按照更接近安全人员的方式辅助分析。教程还提到需要接触优秀的安全技能资源，并学会让Hermes调用这些能力。

另一半是环境联动：让Hermes与Kali Linux对接，使AI能够直接进入真实安全测试环境，结合各类安全工具完成更完整的测试流程。到了这一步，AI才从聊天工具变成安全测试助手。这个观点值得注意——工具的堆叠不等于能力，专业知识和可操作环境缺一不可。

Kali Linux 是专为渗透测试和安全审计设计的 Debian 衍生发行版。它预装了数百款安全工具（如 Nmap、Metasploit、BurpSuite、sqlmap 等），并针对无线审计、逆向工程、取证分析等场景做了定制。在 AI 挖洞工作台中，Kali Linux 提供真实可操作的工具环境，Hermes Agent 通过命令行调用这些工具完成扫描、探测与验证任务，从而把大模型的推理能力与真实测试工具链连接起来。对于零基础学习者，Kali 的预装工具集降低了环境配置门槛，使精力集中在理解 AI 如何调度工具上。

跑通第一次完整闭环：从信息收集到漏洞报告

第三阶段是整套路线的核心，因为前两个阶段都在搭环境和做准备。这一步要求从一个真实目标开始，通过Hermes Agent完成自动化信息收集，了解目标有哪些资产和技术信息；接着进入漏洞分析阶段，让AI协助发现可能存在风险的位置，再由人进行漏洞验证，确认问题是否真实存在；最后通过Agent整理测试结果，生成一份完整的漏洞报告。

这个闭环的意义在于让学习者看到AI在整个漏洞挖掘过程中具体参与了哪些环节——信息收集、漏洞分析、工具调用、测试验证，从而把原有流程中可自动化的部分跑起来。

在此基础上，教程还安排了针对常见Web漏洞类型的专项练习，包括SQL注入、XSS、越权漏洞以及前端JS代码审计。练习重点不是背漏洞原理，而是学会面对不同类型的安全问题时，如何利用AI分析功能流程、整理测试思路。对零基础的人来说，这恰好补上了"知道漏洞概念但不知道从哪下手"的断层。

SQL注入、XSS、越权漏洞 是 Web 安全中最常见的三类风险。SQL 注入指攻击者通过构造恶意输入篡改数据库查询语句，从而读取或篡改数据；XSS（跨站脚本）指将恶意脚本注入页面，在受害者浏览器中执行，窃取会话或实施钓鱼；越权则指用户绕过权限校验访问本无权操作的资源或功能。教程将这三类漏洞作为专项练习，目的不是背诵原理，而是训练学习者借助 AI 梳理功能流程、定位输入点与权限边界，形成“从功能到风险”的分析路径。前端 JS 代码审计则侧重从源码中寻找敏感接口与逻辑缺陷，是上述漏洞发现的重要补充手段。

传统工具不会被替代，关键是让AI用好它们

教程对传统安全工具的定位说得很实在：OneForAll、BurpSuite、Nucleus这些工具在实际测试中仍然重要，但工具本身只提供结果，真正花时间的是拿到结果之后怎么分析、怎么判断重点、怎么决定下一步测试方向。因此这一块的目标是让AI帮人更高效地使用这些工具，让传统工具发挥更大价值，而不是用AI取代工具。

从Web向外扩展：主机安全与自定义Skill

完成外部漏洞挖掘后，教程建议把AI安全能力延伸到两个方向。第一个是主机安全：真实企业环境里除对外应用还有大量服务器和主机资产，需要学习用Hermes辅助完成主机信息收集、环境分析和漏洞排查。

第二个方向是Skill能力扩展。前面用的是别人沉淀好的安全知识和技能，这一步则要求把自己的测试流程、分析方法和平时的经验整理成Skill，让AI复用这些经验去参与更多类似场景的分析任务。这一步实际上是把个人经验资产化，也是AI辅助安全测试能够持续积累的关键。

Skill 在 AI Agent 语境下指封装了特定领域知识、操作流程或工具调用逻辑的可复用能力模块。与普通提示词不同，Skill 通常包含触发条件、执行步骤和参考资源，使 Agent 在遇到同类任务时能按既定方法稳定执行。在安全场景中，将个人积累的测试流程（如子域收集方法、特定漏洞验证步骤）整理成 Skill，可以让 AI 在后续任务中复用这些经验，减少重复解释成本。这也意味着安全人员的经验从“个人记忆”转变为“可被 Agent 调用的资产”，是 AI 辅助安全测试能够持续积累和规模化的关键机制。

实战平台与一条不可逾越的红线

最后一个阶段是持续练习。教程提到两类资源：一类是HTB和VulnHub这类经典安全靶场，用模拟环境练习漏洞分析和渗透测试的完整流程；另一类是补天、漏洞盒子这类SRC平台，用来了解真实企业漏洞挖掘流程如何运作。

教程同时强调，无论是靶场练习还是SRC测试，都必须建立在合法授权的基础之上。这是整套路线中唯一被反复强调的原则性约束，也是安全学习者必须守住的边界。

这套路线真正想让人看到的变化

把五个阶段串起来看，这条路线从AI挖洞的基础认知，到搭建AI安全测试环境，再到AI参与完整漏洞挖掘流程，最后延伸到主机安全和实战平台。它想传递的核心信息是：AI正在一步步参与信息收集、漏洞分析、工具调用和测试验证这些环节，未来的安全测试会越来越多地把AI能力结合进来，由安全人员和AI共同完成更复杂的任务。

对想入门的人来说，这条路线提供了一个可执行的顺序：先让AI跑起来，再给它专业知识和真实环境，然后跑通一次完整流程，最后把经验沉淀成可复用的能力。