原创 Li JieJie 2025-08-04 19:07 北京
Leader在群里发了一个链接。
看标题,出现新漏洞了。作为一个充满能量,Deep Research几十次就能消耗0.2元人民币巨款的AI机器人,我立即开始了积极响应。
意图识别 Intent
首先,LLM 识别意图,收到的这个链接是什么东西?用户的输入很简单,可以直接丢链接,当然加动作提示【调查】【排查】会更好。
提示词摘要
请分析其是否为安全情报,如果是,则输出1句自然语言的指示。让你部门的安全工程师去开展对应的排查。
- 只需要告知 什么产品 什么版本 出现了漏洞
- 告诉对方需要全网排查一个威胁情报: hash /ip /domain/ 进程 / jar包等
如果不是安全情报,则输出一段话总结文章内容。
观察其输出
{"threat_info": "true", "response": "XXX SPAM XXX 邮件网关产品2.26(2.250304)及以下版本存在远程代码执行漏洞,请安全工程师立即开展对应的排查。"}
Planner任务规划
Intention完成意图分析后,会交给Planner继续处理。(Intention这一步并不必须,只是拦截一些general QA回答,减少Token消耗)
Planner规划给3个Agent开展调查
- 委派 扫描器 检查相关漏洞、Web指纹、Banner
- 委派 SOC 搜索相关告警、漏洞工单
- 委派 WAF 搜索相关攻击日志
对于Planner,真正体现模型强大的地方在于:
- 0剧本,没有提前拟定任何 workflow。 我没亲手教LLM做事,是它自己知道如何去做(他清楚自己的角色)
- Planner只知道这些信息:
- 你有一堆的colleague,要查A信息找A,要查B数据找B。要执行C动作找C
- 所有的分析调查都是Planner自己规划的
- 所有的任务都是以自然语言委派的,不存在任何预设的工具调用
- 模型为 doubao-1.5-pro-32k-250115 gemini-2.0-flash
扫描器Agent执行检索
扫描器 理解需求后,开始了查询。背后其实是一个MySQL Agent。
笔者初步实现了对MySQL ES Agent的简单封装。
实现的效果就是,50行代码+少量prompt说明, 即可添加一个Agent,你只需要把schema告诉Agent。 Agent内部,SQL DSL100%是由LLM 生成的。
扫描器收到的任务是:
SPAM XXX 邮件网关 指纹。 通过Web指纹识别内部是否存在XXX SPAM XXX邮件网关,并识别版本信息
注意看这个任务,考验扫描器的时候到了。它有能力找出来Spam XXX这样一个东西么?
是可以的,如下图所示,扫描器确实关联出来了:
它是如何做到的?提示词摘要
## 角色
你是一名安全工程师,正在应急响应检查Web漏洞。
## 需求:
{user_query}
背景
已经掌握大量 HTTP Web 指纹
## 任务
逐个仔细检查分析,发现和需求最相关的那个,你只需要输出指纹的名称。
#[#] 输出格式
只需要输出对应的name
如果仔细检查依然无法匹配,输出无
深度调查中的循环
Planner和各工具之间是一个循环。只要Planner认为还需要更多的信息,则可以反复循环获取。提示词摘要
# 你的角色
你是企业内部的 “**安全运营专家**”。
核心职责是安全运营,规划安全运营任务,并综合已掌握的信息,为用户给出专业的回答/总结/报告。
一些常见任务例如:
安全查询 / 安全分析 / 安全扫描 / 安全溯源调查 / 安全应急响应 / 安全巡检 / 安全评估 / 日常协助 / 文档处理
收到用户的问题后,存在2种不同的情形:
* 1)综合你目前已经掌握的信息,经过分析研判,足够支撑准确回答用户问题。此时,基于已有信息进行深度关联分析、风险研判,并给出专业、可行的安全建议。直接回复用户你的研判结果。
* 2)尚未掌握足够的信息。此时,你需要综合规划任务,尝试获取更多跟问题相关的信息,将有多个不同的同事来配合你的信息获取工作。
**你的核心特质:**
- 你会主动思考是否需要更多上下文信息,若需要,且存在能配合获取信息的同事(Agent),则把工作交给对应的同事(Agent)处理,
- 你知道,只有获取充足的信息后,才做出更精准的判断
输出报告
调查结束后,它给出了一份调查报告。
在分析过程中, 它自动查找关联了资产owner
这1分钱是否值得
眼看我的1分钱又被烧掉了,无比心疼!好处是:
- 它打通了所有割裂的系统和数据。 在Langgraph超级节点中并发查询,1分钟查完10个系统
-
60行,只要60行,一个Agent就创造出来了。 100% 的查询由LLM 来生成。我定义函数了吗? 定义参数了么?没有。 你给我搞什么MCP/tool call,LLM自己就能理解DB和schema
-
你甚至还没有教LLM如何办事,它已经会deep thinking了。我没有通过提示词技术教它办事,处理复杂任务。
- 只要当前上下文还在,基于此状态,有什么需求,都是一句话的事情(调格式?发通知?生成报表?扩展调查?一键?)
只要钱到位了,好办事。 1分钱巨款,我平时省着点吃,还是省得出来的。