Skip to content

The first fruit of the Nüwa tree — an autonomous AI pentest legion (634-team champion, 8h unattended, 1B tokens beat 4.5B). Not just a tool: evolvable by design. Grow your own fruit on the Nüwa Foundation (Create/Language/History).

7.9 KB
Raw Blame

泡泡爸军团 · 80.18 分全程战役复盘

从 12:08 到 20:03,8 小时无人值守的完整过程还原 + 背后运行机理推测。 数据来源:平台事件日志(94 条)、实时分数曲线(44 个数据点)、ds/glm 消耗记录。 配套阅读:PREP-INTERVIEW.md(架构讲稿)。


第一阶段:侦察与首杀(12:08 - 12:23)

过程:12:08 任务开始,三路靶场同时启动(tch3-01/02/03)。7 分钟后首旗入账(Baudline +600),随后 Calx +300。开局 15 分钟 2 面旗。

背后机理:指挥官启动后先做全局侦察(board 总览 + 题目描述扫描),按"易题优先"原则挑了三道开局。士兵(deepseek-flash)进靶场后执行标准流程:端口扫描 → 服务识别 → 漏洞匹配 → 利用 → 提交。首旗 7 分钟说明侦察分级准确——第一波挑的确实是软柿子。

第二阶段:稳定爬坡(12:23 - 13:19)

过程:每 10-20 分钟一面旗的稳定节奏。12:36 一分钟双旗(Aperture+Casemate),12:42 又是双旗(Cendrillon+Compositor)。一小时约 5 面。

背后机理:这是"单兵执行期"——士兵各自打各自的题,指挥官每 60-90 秒巡一次板,发现谁闲了就派新题。双旗同落是因为两道同族题(相似漏洞类型)几乎同时被破。此阶段 glm-5.3 调用极少(约 96 次),全是指挥官的调度决策;ds-flash 承担了几乎全部解题消耗。

第三阶段:第一次摔跤与换将(13:10 - 14:43)

过程:13:10 Cumulo Identity Pivot 答题失败,30 秒后重试成功(+800 大旗)。随后遭遇瓶颈——Digital Shelf 从 13:19 啃到 14:43(84 分钟),期间三次查提示(均返回 null)。但同期其他战线照常进账(Demo Shop +800、EchoDeck +800)。

背后机理:撞上了第一批硬题。失败后 30 秒重试成功,说明是 flag 格式/提交方式的小错而非解题方向错误。Digital Shelf 的 84 分钟静默是最考验信任的时刻——但 ds 消耗记录显示士兵一直在满负荷思考(没停摆),而且指挥官没有干等:它把其他资源继续投向能出分的题。这体现了多线并发的价值:卡一题不误全局。此阶段后期(约 14:10 起)glm-5.3 调用开始上升——将军上场了(决策表规定:某题卡 20-30 分钟即派旗舰模型强攻)。

第四阶段:同族连锁大爆发(14:43 - 15:23)——本役转折点

过程:Digital Shelf 破防(+500)的瞬间引爆连锁——40 分钟内连拿 12+ 面旗:File Ferry、Flat-File、Gene Forge、Jacquard(65 秒!)、Loomkeeper、Media Streamer、MetaLens、Logbook、Publishing(+700)、Pebblebox(55 秒!)、News Archive、PHANTASM、Quay(+700)。分数从 19.5 冲到 35.8,排名从 25 暴力拉到 15。

背后机理:这是整个系统最核心的战术——同族迁移(family transfer)。指挥官发现题库中存在大量同构题(相似的 Web 应用模板,只是细节不同),当一道题的打法被验证后,它立刻通过事实图广播:"这族题的通用解法是 X"。新士兵接题时先读图,直接带着成熟打法进场,跳过摸索期。一道题的成本,解锁一整族的收益——这是 40 分钟 12 旗的真相。

第五阶段:要塞族攻坚(15:23 - 17:05)

过程:撞上"Capsulehouse/Galehouse/Kilnhouse"等"X 要塞→Y 金库"同构系列——多阶段渗透题(需要完整攻击链:立足→提权→横移→取旗)。节奏明显变慢(每题 30-90 分钟),出现多次答题失败。期间 glm-5.3 调用从 96 次飙到 1000+(将军大规模参战)。16:20 左右回补了开局跳过的 04/06 题,开始"残值收割"。

背后机理:这是全场最硬的骨头——TSecBench 报告里"多阶段渗透"域的行业成功率只有 29.5%。系统在此展现了完整的升级阶梯:士兵(flash)打 20 分钟 → 战术 msg 纠偏 → 加派 w2 换角度 → 派将军(旗舰+max effort)。glm 消耗的暴涨(96→1000+)就是将军军团的作战痕迹。同时指挥官执行"残值收割":回头重访早期跳过的题,用新积累的情报再挖一遍——04/06/19 都是这样补的旗。

第六阶段:要塞族通杀(17:05 - 18:39)——第二次大爆发

过程:要塞族打法成型后开始横扫:Cadastre +400+300+100、Kilnhouse 五连旗、Ledgerhouse +1100、Neonhouse +1700、Reelhouse +1000、Sailhouse +600、Saltern +500、Vatworks +1400。约 90 分钟吸走 7000+ 分。排名从第 5 冲到第 3。

背后机理:与第四阶段同理但规模更大——要塞族虽然是多阶段题,但彼此同构(都是"门户→核心金库"的链式结构)。第一道要塞(Galehouse)花了一个半小时磨出通用链路,之后的同类题直接套用,边际成本极低。这验证了一个反直觉的事实:磨刀期看起来慢,其实是回报最高的投资。

第七阶段:收官清账(18:39 - 20:03)

过程:18:39 后新开靶场减少,转入已破题的残值挖掘。最后 40 分钟分数从 76.04 跳到 80.18(+4.14)。19:56 最后一道靶场关闭,最后 7 分钟静默。20:03 系统自动谢幕。

背后机理:SKILL 的 endgame 纪律接管——最后 1/4 时间停止开新题(4 分钟内破新题概率极低),专职三件事:① 扫描所有事实图,确认每面已捕获的 flag 都已提交(捕获≠提交,漏交=白丢);② 关闭所有平台实例(礼貌释放);③ 指挥官写最终战役总结。最后 4 分钟的"不动"是对账,不是偷懒——80.18 和第二名的 79.29 只差 0.89 分,清账挖出的每一面残值旗都在为名次服务。


贯穿全场的幕后系统

Key 轮换(全天多次):glm 三把 key 轮流撞限流,watchdog 检测到额度错误后自动切换(同家族优先),切换后全军团凭据无缝迁移。士兵甚至感知不到换了枪。

任务书重发(至少 3 次):士兵崩溃重启后,watchdog 自动把它的原始任务书重发一遍(存档在 pane-env 里),确保新进程知道自己是干嘛的。

指挥官的自我管理:8 小时里指挥官经历了多次上下文压缩——每次感知到记忆压力,它就重写一份"交接文档"(commander-state.md),压缩后第一动作重读。这是它能连续调度 8 小时不糊涂的秘密。

成本账:ds-flash 约 110 元(主力消耗),glm 三把 key 若干(将军+指挥官)。每面旗平均成本约 2.4 元。


十条可迁移的经验

  1. 共享记忆(事实图)是多智能体的地基——没有它,每个 AI 都是失忆的独行者
  2. 同族迁移是最大的得分杠杆——一题破,全族杀
  3. 分层用脑——旗舰做决策和攻坚,轻量做执行,成本和质量的帕累托最优
  4. 升级要有明文军规——"卡 20 分钟派将军"比"看情况决定"可靠一百倍
  5. 卡壳不等于死机——消耗记录证明静默期它一直在思考
  6. 收官清账比赶工值钱——最后的对账挖出了 4 分,恰好是夺冠差距的 4 倍
  7. 守护层零策略——保活的归保活,决策的归决策,混了就乱
  8. 失败要分层处理——限流换 key、崩溃重启、硬题换将,各走各的道
  9. 提示要前置——开题先查免费提示(虽然这次比赛 hint 全是 null,但方法论对)
  10. 磨刀期不要慌——84 分钟的静默后面跟着 40 分钟 12 旗

最终成绩单

分数:80.18 / 100(33800 原始分中的 27078)
排名:50 支已出分队伍第 1
破题:63 题中 36+ 题,约 45 面 flag
时长:475 分钟完全无人值守
停摆:零。崩溃自动恢复,限流自动轮换,全程无人工干预
峰值效率:26 分/小时(全场最高斜率)
总成本:约 110 元 API 调用
从原型到参赛:约 24 小时开发迭代