安鉴台 AnJian Agent

<p align="center"> <strong>把“一个网址”变成可追溯、可复核的本地 Web 安全评估报告</strong><br> Local-first · Authorization-gated · MCP-ready · Local-LLM friendly </p>

<p align="center"> <a href="https://github.com/ck3938700-ship-it/anjian-agent/actions/workflows/ci.yml"><img alt="CI" src="https://github.com/ck3938700-ship-it/anjian-agent/actions/workflows/ci.yml/badge.svg"></a> <a href="https://www.python.org/"><img alt="Python 3.11+" src="https://img.shields.io/badge/Python-3.11%2B-3776AB?logo=python&logoColor=white"></a> <a href="LICENSE"><img alt="MIT License" src="https://img.shields.io/badge/License-MIT-green.svg"></a> <a href="https://modelcontextprotocol.io/"><img alt="MCP" src="https://img.shields.io/badge/MCP-stdio-6f42c1"></a> <img alt="Windows first" src="https://img.shields.io/badge/Windows-11-0078D4?logo=windows11"> </p>

安鉴台是一套本地优先、授权门禁明确的安全评估工具。它把内置检查、Nmap、httpx、Nuclei、受控 FFUF、detection-only SQLMap、Burp/HAR、TShark/PCAP 和源码扫描结果整理成统一证据，再生成中文 Markdown、HTML 与 Obsidian 报告。

它可以作为 CLI 独立运行，也可以接入 Claude Code、任意 MCP 客户端，或 Ollama、LM Studio、vLLM、llama.cpp 等 OpenAI 兼容本地模型。AI 只负责理解意图、编排和解释；真正的授权校验、目标限制和工具执行始终在本地 Python 层完成。

[!IMPORTANT] 只对你本人拥有，或已取得资产所有者明确书面授权的系统使用。本项目不提供口令爆破、拒绝服务、漏洞利用、权限绕过、持久化、数据提取或批量互联网扫描能力。自动结果是待复核观察，不等于已确认漏洞。

为什么需要它

手动运行多个工具时，最费时间的通常不是输入命令，而是保持范围一致、过滤重复和误报、保存证据、解释覆盖缺口、再把结果写成可交付报告。安鉴台把这些重复工作固定成可复用流程：

• 一次授权，一个网址：精确目标在终端登记一次，有效期内可直接 /anjian <URL>。
• 工具可用就运行，不可用就说明：不会把超时、Device Guard 阻止或代理 Fake-IP 伪装成“已完成”。
• 结果不会自动升级成漏洞：suspected、informational、passed 与人工确认的 finding 严格分开。
• 证据统一：跨运行、Burp/HAR、PCAP、源码结果按稳定指纹去重并交叉印证。
• 数据留在本地：默认存储在 %USERPROFILE%\.anjian，不依赖云端账号或在线 AI。
• 报告可长期积累：输出 Markdown/HTML/Obsidian，保留 SHA-256 清单和复核记录。

工作方式

flowchart LR
    U["用户 / Claude Code / 本地模型"] --> A["一次性精确目标授权"]
    A --> G["本地范围门禁"]
    G --> T["内置检查与外部工具"]
    T --> E["脱敏证据与 SHA-256"]
    E --> C["去重与交叉印证"]
    C --> O["待复核观察"]
    O --> H["人工确认"]
    H --> R["Markdown / HTML / Obsidian 报告"]

模型无法通过 MCP 创建授权、扩大端口、允许内网或解锁主动工具。即使本地模型产生错误指令，Python 层仍会再次检查目标、端口、有效期、内网许可和工具级授权。

能力矩阵

通道	能力	关键限制
内置 baseline	DNS、HTTP(S)、TLS、响应头、Cookie	低影响；不保存响应正文
外部 baseline	Nmap、ProjectDiscovery httpx	仅明确端口；代理 Fake-IP 时安全跳过原始端口扫描
模板检查	Nuclei	受系统策略与终端工具授权约束
内容枚举	FFUF	有界字典、低速、单线程、SPA/soft-404/挑战页过滤
注入观察	SQLMap	只对已发现的同源 GET 参数做 detection-only 检查
被动资产	subfinder、amass	只有显式允许下级子域时运行
Web 证据	Burp XML、HAR	删除正文、Cookie、Authorization 和令牌值
流量证据	TShark/PCAP	用户指定文件、只读分析、不导出载荷
源码证据	内置规则、Semgrep、Trivy、Gitleaks	只扫描用户明确提供的本地目录
输出	Markdown、HTML、Obsidian、浏览器 PDF	自动观察需人工复核后才进入正式发现

5 分钟开始

1. 安装

需要 Windows 11、Python 3.11+ 和 PowerShell。在仓库目录执行：

powershell -ExecutionPolicy Bypass -File .\setup.ps1

或使用普通 Python 环境：

python -m venv .venv
.\.venv\Scripts\python.exe -m pip install -e .

2. 检查本机能力

anjian doctor

缺少外部工具不会阻止安装；运行时会安全降级并在报告中记录覆盖限制。

3. 为精确目标登记一次授权

anjian authorize-target "https://example.com"

根据提示亲自输入 AUTHORIZE DEEP example.com。默认端口为 80/443、有效期 90 天、不包含下级子域和私有网络。未登记或授权过期时，quick-assess 不会访问目标。

4. 一键评估

anjian quick-assess "https://example.com"

命令会返回评估 ID、阶段状态、观察摘要和 report.md 的本地路径。

接入 Claude Code

powershell -ExecutionPolicy Bypass -File .\claude-integration\install-claude.ps1

重启 Claude Code 后输入：

/anjian https://example.com

安装器会创建隔离运行环境、注册本地 stdio MCP Server，并安装 /anjian 命令与 Skill；不会读取或修改你的 API Key。完整说明见 Claude Code 指南。

接入本地大模型

安鉴台 v0.5.0 提供无需模型工具调用能力的本地模型适配器：确定性 Python 核心先执行授权评估，再把脱敏结构化结果交给本地模型解释。小模型即使不会 function calling，也能稳定使用。

以 Ollama 为例：

ollama pull qwen2.5:7b
anjian-local-agent "评估 https://example.com" --model qwen2.5:7b

LM Studio、vLLM 或 llama.cpp 只需指定兼容地址：

anjian-local-agent "审计 https://example.com" `
  --base-url http://127.0.0.1:1234/v1 `
  --model local-model

如果模型服务不可用，适配器仍会保留确定性 JSON 结果，不会丢失已经完成的评估。详见 本地大模型部署。

浏览器工作台

anjian seed-demo
anjian serve

浏览器打开 http://127.0.0.1:8765。工作台默认只监听本机回环地址，可维护项目、授权范围、人工发现、复测与正式报告。不要为了远程访问直接改成 0.0.0.0。

数据与隐私

• CLI、MCP 和本地模型数据：%USERPROFILE%\.anjian
• 浏览器工作台数据库：项目目录中的 data/anjian.db
• .gitignore 默认排除数据库、报告、HAR、PCAP、Burp XML、虚拟环境和 .env
• Web 证据只持久化必要的脱敏元数据；源代码秘密只保存哈希前缀
• 客户材料、授权文件和真实报告不应提交到公开 Git 仓库

备份与保留期检查：

anjian backup
anjian retention

当前边界

安鉴台适合授权的小型网站安全基线评估、证据整理和报告交付，不是“自动渗透万能平台”。它不能证明网站没有漏洞，也不能代替登录态业务逻辑测试、复杂授权测试、代码审计、云配置审计、移动端或内网横向评估。Cloudflare、代理、WAF 和 Windows 应用控制也可能限制外部工具覆盖，报告会如实列出这些缺口。

开发与验证

python -m pip install -e ".[dev]"
pytest

自动测试只访问测试进程拥有的 127.0.0.1 服务，不向公共互联网发送扫描请求。架构、安全边界与后续计划分别见：

• 架构说明
• 安全与滥用模型
• 用户手册
• 路线图
• 贡献指南
• 安全问题报告

项目原则

1. 授权和范围控制优先于“能力更多”。
2. 自动化负责减少重复劳动，人类负责最终判断。
3. 任何失败、跳过和覆盖限制都必须出现在报告中。
4. 默认本地存储、最少数据、证据脱敏。
5. 新增网络能力必须先有滥用分析、范围约束与本地测试。

License

MIT © 2026 AnJian Desk Contributors

如果安鉴台对你有帮助，欢迎 Star、提交问题或改进文档。请不要在公开 Issue 中粘贴真实目标、客户名称、授权文件、Cookie、Token 或未公开漏洞细节。