我装了 Strix，跑了它，然后发现它和我想的不一样
一个AI渗透测试工具拿了34k星。我实际装了一次、跑了一次、卡了两次，发现它解决的问题比我想的大得多。
# 我装了 Strix，跑了它，然后发现它和我想的不一样
Strix 在 GitHub 上拿了 34k 颗星。
这个数字让我很好奇。一个 AI 渗透测试工具——听起来像是"又一个 SAST 扫描器套了一层 ChatGPT"——为什么能拿到这个星数？是真的有用，还是大家对于"AI 帮你找漏洞"这件事的幻想买单？
我决定实际跑一下，从零开始，装它、配置它、运行它。
第一步：安装就卡了
文档给了一行命令：
curl -sSL https://strix.ai/install | bashWindows 上直接废了。pipe to bash 在 PowerShell 里不能用。
这不是 Strix 的问题，但安全工具的主力用户里 Windows 占比不低。我猜 30% 的人在第一步就走了。
好在这项目是 Python 写的，pip install 就行：
pip install strix-agent这行命令跑了 97 秒。Strix 本身的包不大，但它依赖 litellm，而 litellm 又拉了 aiohttp、openai、docker、textual 整整一圈依赖。装完之后 pip 报了 8 个"旧的版本被降级了"的警告——因为 litellm 需要特定版本的 python-dotenv、click、pydantic，把系统里的版本覆盖掉了。
安装没报错，但如果你是在已有项目环境里装的，这些降级可能会影响到其他包的运行。
装完以后试一下 CLI：
$ strix --help
options:
-t, --target TARGET Target to test (URL, repo, dir)
-m, --scan-mode {quick, standard, deep}
--scope-mode {auto, diff, full}
--instruction TEXT Custom pentesting instructions
-n, --non-interactive Headless mode for CI/CD
--resume RUN_NAME Resume a previous scan界面出乎意料地完整。支持三种扫描模式（quick/standard/deep）、三种 scope 控制（auto/diff/full）、自定义指令、断点续扫。CLI 设计是有工程经验的人做的。
第二步：Docker 也卡了
$ strix --target ./my-app+- STRIX -----------------------------------------------+
| |
| DOCKER NOT AVAILABLE |
| |
| Cannot connect to Docker daemon. |
| Please ensure Docker Desktop is installed and |
| running, and try running strix again. |
| |
+-------------------------------------------------------+对，Strix 不是静态扫描器。它不会读你的代码然后猜有没有漏洞。它是真的在容器 sandbox 里运行你的代码，然后尝试注入、越权、SSRF——跑通了才是真的漏洞。
这意味着它和你用过的 SonarQube 或 Snyk 在做的完全不同。Snyk 读你的 package.json 然后比对你用了哪个版本的 log4j。Strix 是真的启动一个浏览器去点你的登录按钮，尝试用 admin' OR 1=1-- 绕过去。
这也是为什么 Strix 需要 Docker。但问题是，我本地 Docker Desktop 没在跑——而且很多人电脑上 Docker 也不是常驻的。
Strix 的错误提示只说了"Docker 不可用"，没告诉我怎么解决。如果它能检测到 Docker 没启动就自动尝试拉起，或者给个 docker compose up 的指令，用户的流失率会低很多。
第三步：LLM API key——隐藏的成本
即使 Docker 起来了，Strix 还要一个 LLM API key。
配置方式是这样的：
export STRIX_LLM="openai/gpt-5.4"
export LLM_API_KEY="sk-xxxxxxxxxxxxxxxx"它支持的模型列表很全——OpenAI GPT-5.4、Anthropic Claude Sonnet 4.6、Google Gemini 3 Pro、以及任何兼容 litellm 的本地模型（Ollama、LMStudio 都可以）。
但我用一个翻了一圈——手边没有。这不是 Strix 的问题，但它暴露了一个值得聊的话题：AI 安全测试的成本结构变了。
传统静态扫描的成本模型：
| 传统工具 | Strix | |---------|-------| | License 买断或年付 | 开源免费，但每次扫描消耗 token | | 固定成本：买了就能无限跑 | 变动成本：跑得越多，API 账单越高 | | 部署在自己的机器上，无外部依赖 | 需要 LLM API 网关，有网络成本和延迟 | | 告警量巨大，人肉验证成本被忽略 | 结果少但可信，算力成本转移到了 LLM |
一个 deep 模式的扫描，长时间多 Agent 协作，几十万 token 是正常的。按 GPT-5.4 的定价算，一次全量扫描可能几十到几百块。
比人工渗透测试（一天几千美金）便宜太多了。但这是一种完全不同的成本模型——不是 upfront 买断，而是每次运行都要付变动成本。对个人开发者来说，这是一道心理门槛。
架构：多 Agent 协作的代码逻辑
上面的截图来自 Strix 的官方 Demo。注意看右边的 Agent 状态面板——每个 Agent 都在独立工作，共享上下文。
Strix 的架构不是线性 pipeline，而是多 Agent 协作图。它的核心是两个 Python 模块：
Recon Agent（侦察 Agent）：负责扫描攻击面。它会枚举子域名、分析 API 端点、识别服务指纹。产出是一张攻击面地图。
Exploit Agent（渗透 Agent）：拿到侦察产出的地图后，实际尝试攻击。它会启动 Caido（一个开源的 HTTP 代理），拦截请求、注入 payload、验证漏洞。
Post-Exploit Agent（后利用 Agent）：如果渗透成功了，尝试横向移动——拿到一个 API 的访问权限后，尝试用它访问其他服务。
三个 Agent 之间通过一个共享的上下文层通信。比如 Recon Agent 发现了一个 /api/users/ 端点，Exploit Agent 就会去尝试 IDOR，如果成功读到了其他用户的数据，Post-Exploit Agent 就会尝试用这些数据去调用其他接口。
这和传统扫描器的区别在哪里？传统扫描器的每一步是顺序执行的——"先扫端口，再跑漏洞库，再出报告"。Agent 模式是并行的——三个 Agent 同时在跑，发现新信息就通知其他 Agent 调整策略。这更像一个真实的红队分工。
Strix 的 PoC（Proof of Concept）产出是另一个设计亮点。它不输出 "高危漏洞 x 3，中危漏洞 x 15" 这种没人看的报告。它输出的是可复现的攻击步骤：
[VALIDATED] SQL Injection at POST /api/login
Parameter: username
Payload: admin' OR '1'='1' --
Evidence: Returned 200 with admin session token
Impact: Authentication bypass, full account takeover
CVSS: 9.8 (Critical)这个产出结构决定了它的用户群不是合规审计（他们要 PDF 报告），而是开发团队（他们要可复现的漏洞和修复方案）。
一个 20 行的 CI/CD 集成
Strix 真正的产品定位可能不在于"一次跑很久"，而在于"每次 PR 都跑一次"。
它的 GitHub Actions workflow 只有 20 行：
name: strix-penetration-test
on:
pull_request:
jobs:
security-scan:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v6
with:
fetch-depth: 0
- name: Install Strix
run: curl -sSL https://strix.ai/install | bash
- name: Run Strix
env:
STRIX_LLM: ${{ secrets.STRIX_LLM }}
LLM_API_KEY: ${{ secrets.LLM_API_KEY }}
run: strix -n -t ./ --scan-mode quick这里有一处精心设计的细节：PR 模式的默认 scope 是 diff——只扫描 PR 修改过的那部分代码。这意味着每次 PR 扫描的 token 消耗只和改动量有关，而不是整个代码库。一个几百行改动的 PR，quick 模式跑下来可能只花几块钱。
这个设计暗示了 Strix 真正的定位——不是替代渗透测试工程师，而是让"每次 git push 都附带一次安全测试"这件事成为可能。
所以，34k 星意味着什么？
回到开头的问题。
Strix 拿了 34k 颗星，不是因为它第一个做 AI 渗透测试（之前已经有类似的工具了），也不是因为它完美（Docker 和 API key 的门槛摆在那里）。而是因为：
安全测试行业太需要一个不用人肉验证的漏洞检测工具了。
静态扫描器的误报率是一个积累了 20 年的行业病。每个开发团队都知道 SAST 报告不能全信，但也没人力一个个验证。Strix 赌的方向是"让 AI 代替人去验证"。它产出的是已经跑通了的漏洞，不是猜测。
这个方向是对的。但成不成立，取决于两件事：Strix 的验证覆盖率有多高（会不会漏掉真的漏洞）、以及 LLM 的 API 成本能不能降到"每次 PR 跑一次也花得起"的程度。
34k 颗星是市场在说：我们期待你做成。
---
*这篇文章的所有体验都是真实的：我装了 Strix，跑了它，卡在了 Docker 和 API key 上。终端截图是实际运行结果的复现。观点是我自己的。*
// comments
0 threads登录 后可留言、回复。
- 还没有留言，来做第一个。