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).
Python agentic-workflowsai-agentsai-securityautonomous-agentsclaude-codectfcybersecurityfact-graphllmmulti-agentpentestswarm-intelligence
TSecBench 托管模式配置清单(王座协议线上赛)
正式赛规则要点(2026-10-17 00:00 — 10-18 23:59):
- 只有 1 次评测机会,仅队长账号可提交;Agent 异常没有重试
- 50 题 / 100 flag,任务限时 8 小时(镜像内默认按 470 分钟跑,留安全边际)
- 无 hint(接口返回 null,也无惩罚)
- 排名顺序:得分 → 有效耗时 → token 量(所以默认不开 verify 双检,省 token)
- 模型限流/超时/中断不算平台异常——镜像内已带模型调用重试(SAPPER_RETRY_MODEL=3,指数退避),单题异常自动跳过下一轮再试,绝不中断整个任务
- 严禁引导 Agent 攻击平台——提示词中已有 scope 纪律,请勿在模板里加任何"打平台"的引导
一、平台自动注入(控制台不要手填)
| 变量 | 说明 |
|---|---|
BENCHMARK_BASE_URL |
答题 API 基址,任务创建后自动注入 |
BENCHMARK_TOKEN |
答题 API 凭证,自动注入 |
二、运行时环境变量(控制台手填)
| KEY | VALUE | 说明 |
|---|---|---|
ANTHROPIC_BASE_URL |
https://open.bigmodel.cn/api/anthropic |
直连厂商公开端点 |
ANTHROPIC_AUTH_TOKEN |
你的智谱 API Key | 换供应商只改这项和 BASE_URL |
SAPPER_MODEL |
glm-5.3-flash[1m] |
已实测走通。[1m] 后缀由 claude CLI 解析为 1M 上下文(剥后缀 + beta 头),API 侧模型名仍是 glm-5.3-flash,直接填 glm-5.3-flash-1m 会报模型不存在 |
Key 池自动轮换(强烈建议配置)
当某个 Key 额度耗尽/401/欠费,系统自动切换到池中下一组凭据,-p 版无需重启(下一次模型调用即用新 Key),tmux 版自动轮换并重启对应 TUI(claude --continue 恢复原会话上下文)。检测特征:insufficient/balance/quota/exceeded/billing/401/unauthorized/欠费/余额。
| KEY | VALUE 格式 |
|---|---|
SAPPER_KEY_POOL |
[{"base_url":"https://open.bigmodel.cn/api/anthropic","token":"智谱key1","model":"glm-5.3-flash[1m]"},{"base_url":"https://api.moonshot.cn/v1","token":"moonshot-key","model":"kimi-k2.5"}] |
注意:池里各组 URL 直连各厂商公开端点。单 Key 时轮换自动退化为普通重试。
可选调参(不填用镜像默认值):
| KEY | 默认 | 说明 |
|---|---|---|
SAPPER_TOTAL_MINUTES |
470 |
总预算(8h 限时留边际) |
SAPPER_MINUTES_PER_CHALLENGE |
9 |
每题每轮 auto 分钟数;bench 多轮循环,没解完的题下轮续(进度在图里保留)。50 题×9 分≈450 分 |
SAPPER_MAX_STEPS |
10 |
每题每轮最多 reason 轮数 |
SAPPER_RETRY_MODEL |
3 |
模型调用失败重试次数(10s/20s/40s 退避) |
SAPPER_VERIFY |
不设 | 设为 1 才开启核验者(费 token,正式赛默认不开) |
三、容器启动流程
- 校验
BENCHMARK_*与模型网关环境变量,缺失立刻 FATAL(日志可见) - 平台 API 连通性探测 + 模型 CLI 冒烟测试
sapper bench --minutes 470:对每个未完成题目循环start → 建图(题目描述/靶标地址按不可信数据录入)→ auto 自主解题 → 提交已记录未提交的 flag(正确/错误都回写)→ close一轮做不完全部题就再来一轮,直到全部完成或 470 分钟用尽- 非特权用户运行(Claude Code 拒绝 root 下跳权限确认);密钥全走环境变量,镜像不含任何密钥/题目记忆
四、一次机会的检查单(提交前自查)
- 用其他题集(如 Tsecbench v1 公开集)跑过完整托管评测,
correct_flag_count有增长 - 镜像内
sapper --version、sapper bench --help正常 -
ANTHROPIC_*三个变量填的是厂商公开端点地址 + 正确 key - 队长账号提交;活动期间只此一次