English | 中文

节点命名：执行节点统一使用 Agent / AgentNode，AI 智能体使用 NodeAiAgent / PlatformAiAgent，详见 Agent 命名与部署说明。

历史数据不兼容：本版本需要重新部署，并使用全新的数据库路径或数据目录重建数据库。历史数据库不作为升级输入；首次启动会按当前 schema.sql 自动建表并初始化基础数据。

---

目录

• v3.0.0 版本亮点
• Java/PHP 双运行时
• 功能特性
• 工作方式
• 技术栈
• 环境要求
• 快速开始
• 配置说明
• 使用指南
• 常见问题
• 安全建议
• 免责声明
• License

---

v3.0.0 版本亮点

v3.0.0 是一次覆盖运行时、组件、平台服务、Web 控制台和部署方式的大版本升级，统一 Agent 语义命名，并采用与历史数据不兼容的全新数据库基线。

方向	v3.0.0 主要变化
PHP Agent	新增 PHP 5.6+ 单文件入口、HTTP RPC、按需 Component 与运行时能力注册；覆盖命令、文件、终端、数据库、网络、代理隧道和基础系统管理
双运行时架构	Java 与 PHP 通过同一 AgentRuntimeModule SPI、Capability 契约和 RPC 响应协议接入，上层服务按能力工作，而非绑定具体运行时
Component 稳定性	Java/PHP Component 加入有界任务、TTL、资源注销、缓存上限和生命周期清理；Java 构建产物同步精简调试元数据与冗余常量
控制台与 AI	Agent 路由、插件、文件传输、SQL、代理、后台任务和 AI SSE 统一到共享服务边界；界面按 Runtime Profile 展示可用功能
全新数据库基线	schema.sql 与 data.sql 直接建立 v3.0.0 最终结构，首次启动创建 SQLite、基础配置及管理员账户
发布与部署	Maven 模块、前端、Docker 和制品统一使用 3.0.0；正式制品为 LeoAi-3.0.0.jar，首次登录强制修改初始密码

安装基线：v3.0.0 按全新安装发布。部署正式版本时请使用新的数据目录；旧测试版本的数据文件、Component 缓存和生成制品不作为升级输入。

---

Java/PHP 双运行时

Java 与 PHP 是平等的 Agent Runtime。共享模块只定义协议、会话和能力契约，具体实现分别位于 javacore 与 phpcore，web 负责最终组装。

graph TD
    web["web：应用组合与 Web 控制台"] --> service["service / ai：共享业务与智能编排"]
    web --> java["javacore：Java Agent Runtime"]
    web --> php["phpcore：PHP Agent Runtime"]
    service --> core["core：Runtime SPI / Capability / RPC / Session"]
    java --> core
    php --> core
    web --> jmg["jmg：Java Shell 与内存马构建"]

能力	Java Agent	PHP Agent
入口形态	Java Core 与容器/脚本生成器	PHP 5.6+ 单文件 HTTP 入口
组件加载	独立 Java Component 字节码按需加载	独立 PHP Component 按 digest 懒加载
命令与终端	ProcessBuilder、PTY/pipe 会话	proc_open、Python PTY/命令后端
文件能力	浏览、编辑、分块传输、压缩与哈希	浏览、编辑、分块传输、压缩与哈希
数据库	统一连接描述转换为 JDBC 参数	统一连接描述转换为 PDO DSN
网络能力	HTTP、扫描、SOCKS5/HTTP 代理、正反向隧道	HTTP、扫描、SOCKS5/HTTP 代理、正反向隧道
能力发现	Runtime Profile 动态声明	Runtime Profile 动态声明

PHP 目标的具体能力取决于其扩展与系统函数：数据库需要相应 PDO Driver，压缩需要 ZipArchive，持续代理/隧道 Worker 至少需要 shell_exec、exec 或 popen 之一。更完整的模块边界与能力矩阵见 docs/runtime-modules.md。

---

功能特性

核心能力一览

能力域	LeoAI 提供的能力
AI 协同	平台 AI 统一分析与任务分发，Node AI 在目标会话内执行；支持实时过程回传、多轮工具调用、计划跟踪和报告归档
主机与会话	主机资产目录、在线会话挂载、离线缓存、节点链路、HostId 与批量管理
操作控制台	文件、终端、数据库、扫描、HTTP 发包、代理隧道、系统管理、Web 运行时和脚本插件等模块化工具
构建与扩展	Shell/内存马构建、流量伪装、指纹规则、插件、Skills 与能力库管理
团队治理	用户与团队边界、主机共享、操作审计、AI 审计和成果归档

AI 与智能化

功能	描述
AI Agent 自动化	基于 LangChain4j，支持多轮工具调用和并行执行，自动规划和执行后渗透操作
平台 AI → Node AI	平台 AI 可选择目标 Agent 分发任务，在平台会话中查看子任务状态与执行过程，并接收最终交付
多模型支持	兼容 OpenAI、通义千问、DeepSeek、Claude 等，支持运行时热切换
统一 AI 输入区	平台 AI 与 Node AI 均支持模型切换、推理强度切换和文本/代码文件输入；切换结果会在会话中明确提示
大上下文窗口	动态适配模型上下文窗口（最高 1M），自动压缩历史消息保留关键信息
任务计划	AI 自动规划多步任务、逐步执行并回写结果，前端顶栏实时追踪进度
100+ 个 AI Tools	AI Agent 可调用的原子能力，涵盖命令执行、文件、网络、凭据、扫描、HTTP 发包、数据库、脚本、插件等全场景
多套内置 AI Skills	预置 agent-node / platform 两类场景化任务提示词，一键启动侦察、凭据收集、提权、持久化、横向移动、伪装开发、指纹开发、漏洞建议等流程
Skill 管理器	可视化管理 Skills：查看/编辑内容与描述、标签分类、启用/禁用、全文搜索、导入/导出，修改实时生效无需重启
上下文积累	侦察摘要自动积累与压缩，AI 上下文随操作深入持续增强
操作报告生成	AI 自动生成操作总结和风险分析报告

平台 AI：多会话管理、思考过程、执行结果、模型与推理强度切换、文件输入

主机与会话管理

功能	描述
多协议通信	HTTP、HTTP Chunked（大文件传输）、WebSocket（实时交互）
流量隐蔽	TLS 指纹伪装、Header 噪声注入、URL 随机化、请求/响应自定义编码
代理转发	支持 HTTP 代理、SOCKS5 代理、本地端口转发（ssh -L 风格）、反向隧道（ssh -R 风格）
团队协作	节点可在团队成员间共享，权限可控
主机目录	统一管理主机配置、在线会话和离线缓存，并呈现连接与更新时间状态
批量主机管理	支持主机导入、搜索、排序和批量操作

操作控制台工具集

交互与命令执行

• 虚拟终端：基于 xterm.js 的多会话交互式 Shell，支持实时流输出、会话搜索、清屏、中断、关闭和后端进程生命周期清理
• 后台任务：异步执行长时间命令，支持输出轮询和任务取消

文件与存储

• 文件管理器：树形目录浏览、上传/下载、在线编辑、压缩/解压、预览（文本/图片/PDF）、大文件分片传输
• 用户文件空间：每个用户独立的本地文件存储区域

Agent 文件管理器：目录树、面包屑、类型筛选、权限信息和批量文件操作

数据库与信息系统

• 数据库控制台：支持 MySQL、PostgreSQL、Oracle、SQLite、SQL Server，提供 SQL 编辑器和表结构浏览
• 注册表管理（Windows）：浏览和修改注册表键值
• 事件日志查看：查询 Windows 系统事件日志
• 防火墙管理：查看和修改防火墙规则

网络与扫描

• 端口扫描：TCP 端口扫描、主机存活探测（Ping Sweep）
• 指纹识别：基于 HTTP 请求与响应证据识别 Web 服务，支持自定义规则
• 侦察扫描：多目标、多规则并发侦察，结果自动汇总至 AI 上下文
• HTTP 发包器：Repeater（单次发包）和 Fuzzer（批量模糊测试）
• 代理转发：通过目标节点使用 HTTP 代理、SOCKS5 代理、本地端口转发（ssh -L）或反向隧道（ssh -R），支持连接数统计与流量监控

系统管理

• 截屏：实时获取目标桌面截图
• 进程管理：列出、杀死、创建进程
• 计划任务：Windows 计划任务管理
• 服务管理：启动、停止、重启 Windows 服务
• Docker 管理：列出、启动、停止、查看容器和镜像
• Web 运行时（Java Web Runtime）：Tomcat 6–11、WebLogic 10/12/14、Jetty、Undertow、JBoss/WildFly、WebSphere、Spring MVC 与 Spring WebFlux 运行时画像；支持移除 Filter / Servlet / Valve / Listener / Controller / Interceptor

安全与权限

• 凭据提取：系统凭据、浏览器数据
• SUID/Capability 检查：快速发现 Linux 提权点
• 用户账户管理：目标主机用户枚举和操作
• 网络连接查看：查看活跃连接、网络共享、已安装软件

其他工具

• 类字节码查看：提取并反编译 JVM 中的已加载类
• 类与资源浏览：按类名或路径读取 agent 进程的 classpath 资源（jar 内 .class、application.yml、META-INF/MANIFEST.MF 等），自动识别二进制/文本/.class 类型并反编译为 Java 源码；当 agent 注入 Tomcat 全局 ClassLoader 时，自动降级遍历所有 WebappClassLoader 兜底
• HostId 切换：单节点可管理多个内网主机

Agent 控制台：运行态概览、模块标签页与具备当前会话上下文的 AI 副驾

Shell 生成器

内存马生成

• 支持类型：Filter、Servlet、Listener、Valve、Interceptor、Controller、WebSocket、HTTP UpgradeProtocol、WebFlux WebFilter/HandlerMethod/HandlerFunction、Netty Handler、Dubbo Service
• 支持中间件：Tomcat、Jetty5、Jetty、JBoss/JBossAS、JBossEAP6、JBossEAP7、Wildfly、Undertow、Resin2、Resin、Glassfish、Payara、WebLogic、WebSphere、SpringWebMVC、Apusic、BES、InforSuite、TongWeb、Struts2、SpringWebFlux、XXL-JOB、Dubbo（共 24 种）
• TongWeb Valve 按主版本适配运行时契约：6 → com.tongweb.web.thor、7 → com.tongweb.catalina、8 → com.tongweb.server；界面与 API 会要求选择 serverVersion
• Agent 挂载已覆盖 Tomcat/JBoss/GlassFish/Payara/InforSuite/TongWeb 的 FilterChain 与 ContextValve、Jetty Handler、Undertow ServletHandler、Resin FilterChain、WebLogic ServletContext、WebSphere FilterManager、Spring MVC FrameworkServlet、Apusic 和 BES；Jetty 7–11 另提供普通根 Handler 挂载；Tomcat WebSocket 提供反向代理兼容挂载，并以单类 JDK Proxy Valve 补齐 Upgrade 请求；Tomcat 8.5–11 还提供 Connector 级 UpgradeInjector，生成结果会给出 Connection: Upgrade 与动态 Upgrade: <shellClassName> 激活头；保留 Header 门禁、自定义响应码、HTTP Chunk、Lambda 类名后缀等构建能力
• AgentJarBase64 产物含 premain/agentmain 清单，可用于 -javaagent 与 Attach API
• XXL-JOB 2.2–2.5 使用 XxlJob/XxlJobJson 请求体，2.0–2.1 使用 XxlJobHessian；能力目录会按 serverVersion 校验 Packer
• Packer：OGNL、SpEL、EL、Groovy、Freemarker、MVEL、BeanShell、Velocity、Thymeleaf、JEXL、Jinjava、JXPath、Rhino、Aviator、ScriptEngine、BCEL、Translet、XmlDecoder、H2、Base64、Hex、JarBase64、AgentJarBase64、XXL-JOB JSON/Hessian 等（共 49 种）
• 构建策略：Lambda 风格类名后缀、Injector 静态初始化、Class 瘦身、JDK 9+ 自动模块兼容；能力元数据会隐藏全局挂载点的 URL 配置，并对 Agent 挂载关闭静态初始化；Packer 可同时取得 Core、Shell、Injector 三阶段类条目

WebShell 生成

• 支持格式：JSP、JSPX、Groovy

脚本构建：通信协议、请求/响应伪装、混淆流水线和结果预览

每次 Java 构建除最终 Packer 文本外，还会生成可单独下载的 Core、Shell、Injector Class 产物；界面展示各文件大小，服务端同时返回 SHA-256 摘要用于完整性校验。

成果归档

• 成果库默认显示分页文件列表，支持分类、来源筛选及标题、文件名、主机和来源标识搜索。
• 脚本构建与 AI 报告按需归档，并记录成果 ID、归档时间和来源信息。任务卡片中的公开输出可显式归档到“任务输出”，采用复制方式保留原文件。
• 运行目录 ai-tasks、内部目录及符号链接不计入成果列表和分类统计；任务详情仍可下载公开输出。
• 来源元数据存放于用户工作区的 .artifacts 隐藏目录，随工作区一起备份。已有文件保留，缺少元数据时显示“来源未记录”，不推测历史来源。
• 导入、文本归档与任务文件归档统一遵循配置的单文件上限。暂不引入团队共享、成果版本管理或新的数据库表。

指纹与识别规则

• 内置规则库：提供 HTTP 指纹规则，支持按请求、响应头、状态码和响应体组合匹配
• 自定义规则：通过「识别规则」页面新增、编辑、启用/禁用指纹规则
• 规则标签：支持标签分组，便于在扫描时按需筛选
• 导入/导出：支持单条或批量导出为 .json / .zip，可按冲突策略（跳过/覆盖/重命名）导入，方便团队间共享规则库

指纹规则：HTTP 规则目录、标签、请求定义与关联漏洞情报

插件与脚本执行

• 统一执行控制台：「脚本与插件」模块同时承载脚本编辑与字节码执行
  • 脚本编辑器：支持 JavaScript / Groovy / Python，临时执行无需保存；可一键「保存为插件」
  • Java Class 执行：拖拽 .class 文件或直接粘贴 base64 字节码（自动清洗 URL-safe / 空白 / padding，自动校验 cafebabe magic），临时执行不持久化；可保存为 Java 插件
• 统一插件库：Java 字节码与 js/groovy/python 脚本插件并存，按类型徽章区分；脚本插件可一键「载入编辑器」再编辑后执行
• Java 插件热加载：动态加载和执行自定义 Java 插件
• AI Skills 内置插件：脚本执行、命令执行、WebLogic 密码获取、堆转储分析等开箱即用
• 导入/导出：单条 .plugin 或批量 .zip，导入时支持跳过/覆盖冲突策略

扩展管理：Java 与脚本插件目录、元数据、参数模板和导入导出

管理功能

功能	描述
用户管理	创建用户、角色分配、权限控制
团队管理	创建团队、成员邀请、节点共享
AI 配置	多 LLM 通道配置、模型切换、API Key 管理
审计日志	操作审计（命令执行、文件操作等）、AI 对话审计
会话管理	会话记录、结果导出、操作报告生成

管理后台：账号与组织、审计治理、AI 模型接入和操作趋势统计

---

工作方式

平台 AI
  ├─ 分析平台侧主机、规则、插件与成果
  └─ 将目标相关任务分发给 Node AI
       ├─ 在指定会话上下文中调用工具
       ├─ 实时回传思考、工具、计划和子任务状态
       └─ 将执行结果交付回平台 AI 会话

• 平台 AI 适合跨主机分析、任务编排、规则与插件开发、结果汇总。
• Node AI 适合针对当前目标执行侦察、文件、命令、数据库、网络和系统操作。
• 两类 AI 使用统一输入体验，每个会话独立维护模型选择、推理强度和上下文。
• 高影响工具仍受权限策略与确认流程约束；平台 AI 的任务委派不会绕过 Agent 会话边界。

---

技术栈

层级	技术选型
Web 框架	Spring Boot 3.5
AI 框架	LangChain4j 1.16
LLM 支持	OpenAI、通义千问、DeepSeek 及所有 OpenAI 兼容接口
数据库	SQLite（内嵌，无需额外部署）
ORM	MyBatis 3
HTTP 客户端	OkHttp 4
字节码操作	Javassist 3.30
构建工具	Maven（多模块）
平台运行环境	Java 17+
Agent Runtime	Java Component、PHP 5.6+ Component

---

环境要求

项目	要求
Java 版本	17 或更高（JDK/JRE 均可）
操作系统	Linux、macOS、Windows
内存	建议 4 GB 以上
磁盘	至少 500 MB 可用空间
浏览器	Chrome、Firefox、Edge 等现代浏览器
PHP Agent	目标环境 PHP 5.6+；按所用能力安装 PDO/ZipArchive 等扩展

无需单独安装数据库：内置 SQLite，首次启动自动初始化。
无需额外部署前端：Web 界面已打包至 JAR 文件中。

---

快速开始

第一步：获取 JAR

历史数据不兼容，需要重新部署并重建数据库。 停止旧服务并备份后，使用新的运行目录或全新的 SQLite 路径部署本版本；首次启动自动创建当前数据库结构，业务数据与节点配置需重新建立。

Docker 部署请使用新的持久化数据卷或数据目录。仅重启、重新构建容器仍会复用旧数据卷，不会重建数据库。

从 Releases 页面下载需要的版本：

LeoAi-3.0.0.jar

第二步：启动

java --add-opens java.base/java.lang=ALL-UNNAMED -jar LeoAi-3.0.0.jar

--add-opens java.base/java.lang=ALL-UNNAMED 参数不可省略，用于开放 Java 模块系统内部访问权限。

第三步：访问

浏览器打开：

http://localhost:8082

第四步：初始化

首次启动时，系统自动完成以下操作：

1. 初始化 SQLite 数据库（在运行目录下生成 data.db）
2. 创建默认管理员账户
3. 初始化基础配置

初始账号：admin，初始密码：54ikun。首次登录后系统将强制修改密码。

---

Docker 启动

如果你不想折腾 Java 环境，直接用 Docker 一条命令启动即可。镜像构建时会自动从 Release 页面下载 JAR，不需要在本机装 JDK/Maven，也不会编译源码。

第一步：安装 Docker

系统	操作
Windows / macOS	下载 Docker Desktop 并安装，启动后保持 Docker 桌面在后台运行
Linux	按 官方文档 安装 docker engine 和 docker compose 插件

安装完成后打开终端验证（任意目录均可）：

docker --version
docker compose version

只要能看到版本号即可。

提示：以下命令不需要 sudo 时尽量不用。Linux 下若提示 permission denied，把当前用户加入 docker 组（sudo usermod -aG docker $USER 后重新登录），或者命令前加 sudo。

第二步：获取项目代码

任选一种方式：

# 方式 A：使用 git（推荐，便于后续更新）
git clone https://github.com/cha0upup/LeoAI.git
cd LeoAI

# 方式 B：直接下载 ZIP
# 打开 https://github.com/cha0upup/LeoAI 点击 Code → Download ZIP
# 解压后在终端 cd 进解压目录

第三步：一键启动

在项目根目录（能看到 Dockerfile 和 docker-compose.yml 的位置）执行：

docker compose up -d --build

参数说明：

• up：启动服务
• -d：后台运行（detached），关闭终端不会停止容器
• --build：首次启动或代码更新时构建镜像；之后日常启动可省略

首次启动需要拉取基础镜像 + 下载 JAR + 安装运行时依赖，国内网络通常需要 3~10 分钟。看到类似下面的输出就成功了：

[+] Running 2/2
 ✔ Network leoai_default     Created
 ✔ Container leoai           Started

第四步：访问 Web 界面

浏览器打开：

http://localhost:8082

初始账号：admin，初始密码：54ikun。首次登录后系统将强制修改密码。

常用命令速查

# 查看运行状态
docker compose ps

# 查看实时日志（Ctrl+C 退出，容器继续运行）
docker compose logs -f

# 停止服务（保留数据）
docker compose stop

# 重新启动
docker compose start

# 完全停止并删除容器（保留数据 volume）
docker compose down

# 完全清理（含数据，⚠️ 不可恢复）
docker compose down -v

# 升级到最新版本（拉取新代码 + JAR 重新构建）
git pull
docker compose up -d --build

数据持久化

SQLite 数据库和 VFS 运行目录都会保存在名为 leoai-data 的 Docker volume 里。容器删了重建数据不会丢，除非显式 docker compose down -v。

查看 volume 实际位置：

docker volume inspect leoai_leoai-data

自定义配置

最简单的做法是在项目根目录新建 .env 文件，docker compose 会自动读取：

# 修改 Web 端口（避开 8082 被占用的情况）
LEOAI_PORT=9090

# 生产环境建议改成强随机字符串（至少 16 位）
LEO_PLUGIN_ENCRYPT_KEY=please-change-me-to-a-strong-key

# 锁定到特定版本的 JAR；默认值以 docker-compose.yml / Dockerfile 为准
# JAR_URL=https://github.com/cha0upup/LeoAI/releases/download/vX.Y.Z/LeoAi-X.Y.Z.jar

修改 .env 后用 docker compose up -d 让改动生效。注意：改 JAR_URL 必须加 --build，否则不会重新拉取。

也可以通过命令行覆盖端口：

LEOAI_PORT=9090 docker compose up -d

常见问题

端口冲突 Bind for 0.0.0.0:8082 failed: port is already allocated

• 在 .env 里改 LEOAI_PORT=9090（或任意空闲端口）后重新 docker compose up -d

镜像构建卡在下载 JAR

• 多半是 GitHub 网络不通。挂代理后重新 docker compose build，或先手动把 JAR 下载到本地，改 Dockerfile 的 JAR_URL 指向局域网镜像

忘记 admin 密码

• 执行 docker compose down -v 清除数据 volume（⚠️ 全部数据丢失），重新 docker compose up -d --build 即可用初始密码登录

查看容器内文件

• docker compose exec leoai sh 进入容器，数据目录在 /app/data

---

配置说明

修改端口

默认端口为 8082，通过启动参数修改：

java --add-opens java.base/java.lang=ALL-UNNAMED -jar \
  LeoAi-3.0.0.jar --server.port=9090

修改数据库位置

默认数据库文件为运行目录下的 data.db：

java --add-opens java.base/java.lang=ALL-UNNAMED -jar \
  LeoAi-3.0.0.jar \
  --spring.datasource.url=jdbc:sqlite:/path/to/data.db

配置 AI 模型

LeoAI 的 AI 功能从管理后台读取 Provider 与模型配置：

1. 登录后进入「管理后台 → AI 配置」
2. 点击「添加通道」
3. 填写通道名称、API Key、Base URL、模型名称
4. 点击「测试连接」验证后保存

支持的 AI 模型

兼容任何遵循 OpenAI API 格式的服务：

提供商	Base URL 示例
OpenAI	https://api.openai.com/v1
通义千问（阿里）	https://dashscope.aliyuncs.com/compatible-mode/v1
DeepSeek	https://api.deepseek.com
Ollama（本地）	http://localhost:11434/v1
其他兼容接口	根据文档填写对应地址

主要配置项参考

web/src/main/resources/application.properties：

# 服务器端口
server.port=8082

# 数据库（SQLite，路径相对于运行目录）
spring.datasource.url=jdbc:sqlite:data.db

---

使用指南

添加主机

1. 登录后进入「主工作台 → 主机资产」
2. 点击「新增主机」，填写：
   • 主机名称：自定义标识
   • 运行时类型：根据入口选择 Java 或 PHP
   • 目标 URL：目标 Agent 地址（如 http://target.com/shell）
   • 通信协议：HTTP / HTTP Chunked / WebSocket
   • 访问密钥：与 Shell 端保持一致
3. 按需配置流量伪装模板，保存

协议选择参考

协议	适用场景
HTTP	通用场景，防火墙穿透性最好
HTTP Chunked	大文件传输、长日志查询
WebSocket	终端交互等低延迟需求

操作控制台

进入节点后可使用各工具模块：

• 虚拟终端：多会话执行 Shell 命令，实时流式输出；支持检索输出、清屏、中断、关闭会话，并在关闭/重置时回收后端进程
• 文件管理：树形浏览、上传下载、在线编辑、压缩解压、文件预览
• 数据库：在数据库工作台添加统一连接配置，Java/PHP Agent 会分别转换为 JDBC/PDO 运行参数
• 网络资产发现：主机探活、端口扫描、服务识别及组件指纹；支持阶段选择、规则快照、增量结果和任务历史
• HTTP 发包器：Repeater 单次发包，Fuzzer 批量模糊测试

网络资产发现的探活结果区分已确认可达、未确认和明确不可达：TCP 连接成功或连接被拒绝均证明主机有响应；抽样端口超时不作为排除主机的依据，未确认主机继续参与端口扫描。结果积压时立即消费下一页，落库成功后推进 ACK；无新增数据时才等待轮询。工作流异常会停止活动子任务，Java 节点停止时关闭登记的 Socket。Java/PHP HTTP 探测使用计划中的 IP/端口连接，保留应用域名用于 Host/TLS SNI；分别限制响应头与正文，支持 chunked 和有界 gzip 解码。前端速率按各阶段已完成的探测次数计算，不与主机数混用。需同步更新节点组件并重建扫描任务；Java 节点制品保持单 class、JDK 6 API 兼容，HTTPS 能力取决于节点 JVM 的 TLS 支持。

资产发现采用分层背压，水位按单任务计算（MiB = 1024² 字节）：

缓冲层	高水位：满足任一条件等待	低水位：两项均满足恢复	容量上限
Java / PHP 节点	3072 条 / 3 MiB	2048 条 / 2 MiB	4096 条 / 4 MiB
服务端编排	3072 条 / 6 MiB	2048 条 / 4 MiB	4096 条 / 8 MiB

节点条数指待 ACK 的 observation；服务端条数包括 observation 和错误记录。Java/服务端字节量为编码及容器开销的估算，PHP 为缓存记录的 JSON 字节量，不代表整个 JVM/进程堆的硬上限；少量在途探测/响应另占有界空间。错误摘要单独限制为 128 条、256 KiB，避免仅剩错误摘要时背压永久保持。正常积压只等待，不截断扫描；单条/单批本身超过容量则明确失败。

服务端缓冲达到高水位后停止继续拉取/确认节点结果，压力自然传递到节点；数据库提交成功后工作流 ACK 释放服务端缓冲，低水位恢复消费。节点 ACK 代表服务端内存缓冲已接收，不代表数据库已经提交；该流程不保证服务端进程崩溃后的结果恢复。自动背压使用独立的 backpressured 状态，不覆盖用户的暂停/恢复状态；查询、ACK 和停止不等待生产缓冲。取消时保留已接收结果，不无限拉取节点剩余结果。任务列表中 scope=history 返回所有状态，scope=active 仅返回运行中及暂停任务；按 (created_at, task_id) 降序游标分页，默认每页 20 条、最多 100 条；返回 tasks、hasMore、nextCursor 和 pageSize。列表只返回轻量摘要，不加载阶段详情、主机列表或证据；非空页使用 1 次列表查询和 2 次批量统计查询，空页只查询列表。数据库提供历史排序索引和活跃任务部分索引。

前端首次加载最近一页历史，选择器支持“加载更多历史任务”；刷新历史不会删除已加载任务。scope=active 以每页 100 条独立分页同步运行中及暂停任务，每 2 秒在上一轮结束后刷新，即使没有活跃任务也会发现其他客户端新建的任务；不重复拉取全部历史。仅当前选中任务按需加载完整详情，已知活跃任务从列表消失时再查询一次确认终态。任务中心复用同一分页逻辑，在原有 3 秒刷新周期内只同步活跃任务，并提供“加载更多扫描历史”；手动刷新才重载最近一页历史。扫描任务筛选与搜索作用于已加载记录，查找更早任务时需继续加载历史。任务列表接口的分页参数与响应需同步更新前后端，不涉及节点协议或 Java 6 兼容性变更。

调度策略：工作流每轮处理一页结果，结果到达主动唤醒消费，空闲轮询使用定时兜底唤醒；同一任务的轮次串行执行。节点编排按当前节点连接共享其实际并发预算（Java 256 个线程、PHP 16 个进程额度），排队采用 FIFO，每个子批次最多 1024 个目标，批次结束归还额度并重新排队；新批次的 worker 数按可运行任务数量分摊，同时受用户设置和批次目标数限制。不同节点分别计账，服务端工作/RPC 线程池仍有全局上限。暂停或服务端背压会挂起子任务并归还额度，恢复/低水位后重新排队；恢复已有子任务时重新获取其原 worker 额度，而不是绕过预算。

Java 节点每轮只执行一个探测步骤，再进入线程池 FIFO 队尾；暂停或背压时保留目标、步骤游标及已读响应，退出物理 worker，恢复后不会重发已完成步骤。已经开始的网络 I/O 允许完成，受原有超时约束，不强行中断来实现暂停。节点的在途/待发布响应按 worker 数量有界，不计入已发布结果水位，整个 JVM 堆仍需按并发与任务数配置。需同步更新服务端和节点组件后启动新任务。PHP 节点使用共享进程池，范围是同一组件文件对应的运行时状态目录，跨任务和请求共享最多 16 个进程额度（包括启动预留）；不同组件副本分别计账，不是整台机器所有 PHP 进程的上限。每个任务最多 16 个逻辑分片，保留最多 32 个任务，完成后需释放任务。

PHP 分片在完成 32 个目标、积累 256 KiB 待发布数据或运行 250ms 后，于探测步骤边界保存检查点并进入 FIFO 队尾；检查点保留目标/步骤游标、TCP 连接结果和有界待发布响应。暂停或背压时不再每 50ms 轮询文件；进程转去处理其他可运行分片，无剩余工作时退出。启动、恢复、ACK 和查询驱动调度，活动进程也持续消费就绪队列。已开始的 I/O 仍允许在原超时约束下完成；恢复优先提交缓存响应，避免重发正常完成的步骤。

进程额度由槽位 flock 与启动令牌共同保护；正常退出归还额度，启动失败、10 秒启动预留过期或已认领进程异常退出时回收。操作系统锁仍被占用的活进程不会提前释放额度。进程异常退出时将受影响任务标记为失败，不自动重放结果不明的网络操作；检查点服务于正常暂停/背压恢复，不承诺崩溃后无损续跑。需同步更新服务端和 PHP 节点组件并重建任务。

PHP 存储分为轻量控制文件、版本化清单、JSONL 结果段和定长二进制索引。控制文件只保留状态、进度、水位、ACK 游标及清单版本；worker 状态检查、调度和暂停/恢复不读取结果正文。每段最多 128 条或 256 KiB，单条超过段大小时独占一段，但仍受原有单批及总缓冲容量约束。每条索引保存 8 字节的段内偏移和记录长度；查询二分定位结果段，再按索引 seek，仅解码所需页，不扫描无关正文。原有分页条数、字节预算、游标和 includeEvidence 接口保持不变。

同一任务锁串行化追加、查询和 ACK。追加先清理未提交文件并截断未提交尾部，再写正文和索引，最后发布新清单并原子切换控制指针及计数；读取只接受清单中已提交的条数与字节范围，半行、半条索引及失败批次不对外可见。存储提交失败不推进已发布游标。ACK 从索引计算释放字节量，部分段不改写正文，完全确认的段在控制提交后删除；重复 ACK 不重复回收。遗留文件清理失败时后续存储变更返回失败，避免持续分配空间。

4 MiB 水位指未确认记录及诊断摘要的逻辑 JSON 字节量，不包括索引、清单、头段已确认前缀、未提交尾部及 worker 检查点等有界额外空间；该机制不承诺断电持久性或崩溃后无损重放。此布局不兼容既有 PHP 扫描任务，需结束旧任务、更新组件后新建任务。

代理与隧道

在节点控制台的「代理」面板下可管理四种流量转发模式：

模式	说明	典型场景
SOCKS5 代理	在 LeoAI 服务端开 SOCKS5 监听，通过节点访问内网	Proxychains / Burp 上游代理
HTTP 代理	在 LeoAI 服务端监听，支持普通 HTTP 转发和 CONNECT 隧道	浏览器手动代理
本地端口转发（ssh -L）	C2 本地端口 → 节点 → 内网 host:port	直连内网单服务（RDP、DB 等）
反向隧道（ssh -R）	节点开监听 → 内网客户端主动连 → C2 拨号转发	让内网机器主动回连 payload 服务器

各模式均提供连接数、上传/下载流量统计面板，支持一键停止。

SOCKS5、HTTP 和本地端口转发支持在面板中配置 LeoAI 后端所在机器的监听地址（API 参数 bindAddr）：默认 0.0.0.0，监听所有 IPv4 网卡；可选择 127.0.0.1 仅监听本机，也可输入本机指定网卡的 IPv4 或 IPv6 地址。运行中的代理需先停止，再修改监听地址或端口后启动。停止会关闭监听及已有客户端连接，并尝试清理节点端连接；节点不可达时无法确认远端清理完成。反向隧道的节点端监听地址由 bindAddr 控制，默认 127.0.0.1。

Java 组件的命名操作统一使用 RPC action 字段（网络探测、Web 运行时管理、JDBC），终端标识直接传文本。网络探测查询同时携带 cursor 和 ackCursor，在一个请求中确认已接收页并读取下一页；服务端立即读取 hasMore 页，空闲时退避，结束时完成最终 ACK 后释放。旧的全量结果分支已删除。需同步更新服务端与节点组件，并重新建立会话。

服务端 Java/PHP 共用 GZIP 与 AES-CBC 帧处理，保留各自的序列化方式和密钥派生。编码直接将密文写入最终帧，解码按偏移读取密文；随机 IV、帧大小和解压上限校验保持不变，异常时关闭流。节点代码与协议格式保持不变。

Java 文件 RPC 的路径与冲突策略直接使用文本，文件内容及上传/下载块仍使用二进制；分块上传/下载不再发送未使用的 op 字段。压缩组件直接读取请求参数，不复制整张参数表；文件内容搜索每次请求只编译一次文件名 glob，遍历时复用。服务端 HTTP 发送复用基础 HTTP 请求适配器。文件请求与压缩组件需同步更新。

Java 主机快照的内存、运行时长和负载改为发送原始字节数、毫秒数和数值；服务端统一计算 MB、占用率及展示文本，控制台字段保持不变。Java/PHP RPC 共用重放分类与有界退避：仅 PING 和明确列出的快照查询（含网络探测累计 ACK/查询）在通信失败后重放；命令执行、会消耗输出的终端读取、SQL 执行、文件修改、组件加载及未知操作默认单次发送。HTTP 传输关闭隐式重试及自动跳转，请配置最终节点 URL；代理批次仍由偏移/ACK 协议层负责重试。发送后结果不确定时标记 RPC_RESULT_UNKNOWN 并携带请求 ID；经过关联校验的 HOST_ID_MISMATCH 属于执行前的路由拒绝，路由预算与通信失败计数分别限制。中断后停止后续发送。

每个节点会话的四种代理模式共享资源配额：最多 64 个监听器、512 个连接（包括握手、排队拨号及尚未完成的 RPC），反向隧道共享最多 16 个拨号工作线程；单监听器仍限制为 200 个连接。资源不足时关闭新连接，已有连接继续运行。反向隧道在空闲时将 ACCEPT 轮询间隔从 150 ms 逐步退避到 1 s，收到新连接或存在活动连接时恢复 150 ms。启动/停止的远端 RPC 不占用管理锁，避免拖慢其他代理操作。

四种代理模式统一使用 BATCH 数据协议（正向操作码 5、反向操作码 8），单连接请求也使用批帧；移除 WRITE / READ / EXCHANGE、能力协商及旧协议回退。后端和节点组件需一起升级，并重启已有代理与隧道。 Java 节点组件继续保持 JDK 6+ 兼容。服务端合并已就绪的本地数据，每帧最多 256 KiB，连续收集预算为 2 ms，不等待凑包；Java 节点同样在 2 ms 预算内交替读写，返回 EOF 前的尾部数据。

同一节点会话共享 2 个 RPC 工作线程，仅合并同一节点实例、同一组件的已排队数据帧，可跨连接与监听端口；正向和反向分开发送，不跨会话合并；每批最多 16 帧，写入字节与读取额度之和最多 1 MiB。单连接写入/未确认读取窗口最多 256 KiB，读取额度按本批实际帧数分配：单帧为 256 KiB，多帧为每帧 64 KiB，不受队列中其他组件请求影响，读满后立即续读。请求帧包含 connId / writeOffset / data / readAck / maxBytes；对应响应返回 connId / code / writeAck / readOffset / readCode / data。累计写 ACK 只确认实际接受的前缀，重试按 offset 跳过已确认字节；读取数据保留至成功回送本地后的下一帧 ACK。批请求传输异常最多尝试 3 次，不叠加通用 RPC 重试。EOF 尾部保留到确认或关闭，关闭/空闲回收清理窗口。PHP 的 ACK 表示队列接收，统一使用 LEOQ2 队列格式，每方向最多 1 MiB；满载时暂停 Socket 读取，保留尚未写完的 64 KiB 块，避免阻塞另一方向。重放保护仅覆盖会话存续期间的响应丢失，不跨节点进程重启恢复连接。

统计接口保持默认全量返回，并支持 includeConnections: false 查询摘要，以及 page / pageSize 查询连接详情（每页最多 200 条）。面板摘要每 3 秒刷新，展开的连接详情约每 10 秒或手动刷新；每页展示 50 条连接。批量停止先回收全部本地资源，再以最多 4 个工作线程清理远端，等待最多 15 秒后报告仍待确认的数量。启动响应丢失时按 listenId 核对监听；远端清理未确认的隧道保留端口占用，在列表中显示“远端待确认”，并支持自动核对或重试清理。

Skill 管理器

进入主工作台侧边栏「能力库」，可对两个 scope（agent-node / platform）下的所有 Skills 进行可视化管理：

• 查看与编辑：点击列表中的 Skill 可在右侧预览内容；切换到编辑模式后可修改正文和描述，保存后实时生效，无需重启
• 标签（Tags）：每个 Skill 可附加多个标签（如 recon、exploit、linux），在列表和编辑模式中均可查看和修改；左侧提供标签筛选面板，可多选组合过滤
• 启用 / 禁用：禁用的 Skill 不会出现在 AI 的 system prompt 中，AI 对其存在完全无感知；可按需关闭暂不使用的 Skill 以节省 token
• 全文搜索：支持按 name、description 或正文内容模糊搜索
• 新建 / 删除：可创建自定义 Skill，填写名称、描述后在编辑器中编写 Skill 提示词
• 导入/导出：可将单条 Skill 导出为 .skill 文件，或勾选多条批量导出为 .zip；导入包必须同时包含 SKILL.md 与 manifest.yaml，并统一以 draft + disabled 状态进入能力库，审核后才能发布启用
• 分类治理：Skill 通过 manifest.yaml 声明稳定 ID、版本、scope、能力域、主分类、运行模式、ATT&CK 映射、平台、目标、能力包、风险、访问模式、状态、来源和依赖；管理页支持筛选与 Catalog 健康检查

能力库：按作用域管理 Skills，并在文件树与编辑器中维护完整 Skill 内容

Skill 文件存储在 VFS 目录下，格式为标准 Markdown + YAML frontmatter：

---
name: recon-basic-info
description: 对目标主机执行初始基础信息侦察...
enabled: true
tags:
  - recon
  - linux
---

# Skill 正文内容
...

AI 助手

Node AI / AI 副驾：进入主机控制台后，在右侧 AI 面板输入指令（如“扫描 C 类网段的 80 端口”）。AI 会基于当前 Agent 会话调用工具、展示执行过程，并持续积累侦察上下文。

AI 副驾提供侦察、凭据、提权、横向移动和 Java Web Runtime 检查等快捷入口；也可以通过 / 调出常用指令。内置 agent-node Skills 可启动完整场景任务：

类别	Skills
侦察	recon-basic-info
凭据收集	hunt-credentials
权限提升	escalate-linux-privilege
持久化	persistence-linux
横向移动	lateral-move-ssh

平台 AI：从页面右上角随时打开。它可以分析平台资源、编写流量伪装与指纹规则、给出漏洞建议，也可以选定目标 Agent，将任务分发给 Node AI 执行并在当前会话中跟踪过程。

两类 AI 的输入区均支持：

• 在可用通道之间热切换模型，成功后在会话中显示当前模型；
• 按模型能力选择低 / 中 / 高 / 极高推理强度；
• 添加文本、代码、日志和配置文件作为本轮上下文；
• Enter 发送、Shift + Enter 换行，执行期间可停止当前任务。

Shell 生成

1. 进入「主工作台 → 脚本构建」
2. 选择「内存马」或「WebShell」
3. 选择通信协议：JSP/JSPX WebShell 支持 HTTP、HTTP Chunked；内存构建支持 HTTP、HTTP Chunked、WebSocket
4. 内存构建按后端能力矩阵选择目标中间件和注入器；HTTP Chunk 使用普通注入器形态名，WebSocket 使用端点路径
5. 配置连接密钥，点击「生成」
6. 生成完成后可从「Class 产物」菜单分别下载 Core、Shell 与 Injector；WebShell 构建提供 Core Class

流量伪装

流量伪装只负责包装不透明字节。PayloadCodec 固定完成序列化、GZIP 压缩和 AES 加密，AES 密钥由用户在生成与连接时输入；伪装不匹配则请求无法解析。

1. 进入「工具 → 流量伪装」，系统内置 JSON API 和表单两套流量包装模板，可作为参考或起点
2. 点击「新增」，编写 trafficEncodeBody / trafficDecodeBody 流量包装逻辑，通过「测试」验证任意字节互逆后保存
3. 在 Shell 生成时选择同一个伪装，确保管理端和 Shell 端使用完全一致的编解码实现
4. 在节点配置中将「请求伪装」和「响应伪装」指向对应模板即可生效

流量策略：伪装目录、Headers、编码与解码逻辑、测试和导入导出

导入/导出：可将单条伪装导出为加密的 .disguise 文件，或批量导出为 .zip；导入时支持三种冲突策略（跳过/覆盖/重命名），方便在多套环境或团队间迁移伪装配置。

团队协作

• 在「管理后台 → 团队管理」创建团队并邀请成员
• 在节点详情中点击「分享」，指定团队或成员及读写权限
• 所有操作记录在「管理后台 → 审计日志」，支持按用户/时间/类型筛选

---

常见问题

Q：启动时报 InaccessibleObjectException

必须添加 --add-opens 参数，不可省略：

java --add-opens java.base/java.lang=ALL-UNNAMED -jar LeoAi-3.0.0.jar

---

Q：AI 功能无响应或报错

1. 进入「管理后台 → AI 配置」检查通道配置
2. 点击「测试连接」验证 API Key 和 Base URL
3. 确认 API 配额和请求限制
4. 查看服务端日志获取详细错误信息

---

Q：节点连接失败

按以下顺序排查：

1. 确认目标 URL 可访问（curl 测试）
2. 确认通信协议与 Shell 实现一致
3. 确认节点密钥与 Shell 端配置一致
4. 若使用流量伪装，确认模板两端编解码逻辑匹配
5. 查看浏览器 Network 面板和服务端日志

---

Q：如何重置管理员密码

停止应用 → 删除（或备份）data.db → 重新启动 → 使用账号 admin 和初始密码 54ikun 登录。

---

Q：支持 HTTPS 吗

建议通过前置 Nginx / Apache 反向代理层配置 SSL，将 HTTPS 请求转发至 LeoAI。

---

Q：data.db 文件在哪里

默认在 JAR 的运行目录下，可通过启动参数指定自定义路径：

--spring.datasource.url=jdbc:sqlite:/custom/path/data.db

---

安全建议

部署安全

• 在受信任的内网或 VPN 环境中部署，不要将管理端口暴露至公网
• 首次登录后按页面提示完成管理员密码修改
• 定期备份 data.db 文件
• 使用防火墙或 IP 白名单限制访问来源

操作安全

• 遵循最小权限原则，为不同成员分配必要的最小权限
• 不同项目使用不同团队账户进行隔离
• 妥善保管 LLM API Key，避免在日志或截图中泄露
• 在存在流量检测风险的环境中启用流量伪装功能
• 每位用户创建专属伪装，不同项目使用不同伪装，避免共享内置模板——伪装即通信密钥，泄露即意味着通信可被模拟或解密

---

免责声明

本工具仅供已获得明确书面授权的安全测试、红队攻防演练和安全研究使用。 使用者须确保已取得目标系统所有者的合法授权。任何未经授权的访问、修改或破坏行为均属违法，开发者不对任何滥用或违法使用行为承担责任。使用本工具即表示你同意承担全部相关法律责任。

---

License

本项目采用 GNU General Public License v3.0 许可证。

---

联系与反馈

• Issue：GitHub Issues
• 邮件：chaodovvn@gmail.com
• 项目主页：https://github.com/cha0upup/LeoAI