一只头戴女巫帽的魔法黑猫。 Claude code Redteam skill.
$ npx -y skills add 0rangec3t/black-cat --agent claude-code
最近一直在看自动化渗透相关,尝试性写了几个框架,但是最后效果都不太满意。相反,之前当玩具写的 Skill 放在 Claude Code 里面,效果却出乎意料地好。
本 Skill 主要使用假设—证据驱动,为了模仿人在真实场景下的渗透测试。
市面上的 pentest skill 都是 Pipeline(流水线):Recon → Scan → Exploit → Report。每个 phase 绑定固定工具,失败就跳到下一步,没有回边。
我们的设计是 State Machine(状态机):RECON ⇄ ENUMERATE ⇄ VALIDATE。证伪、失败和新发现都可以回到前面的状态重新开始。横向移动成功后在新目标上重启 RECON。
| 维度 | 市面 skill | 本 skill |
|---|---|---|
| 驱动方式 | Tool-first(到这个 phase 就该跑 nmap) | Hypothesis-first(看到什么信号 → 形成假设 → 验证) |
| 流程模型 | 单向 Pipeline | 有回边的 State Machine |
| 失败处理 | 跳到下一步(sqlmap negative = 没有 SQLi) | 证伪产生新假设(sqlmap negative = 大概率 ORM → 转查 Mass Assignment) |
| 证据 | 孤立截图 | 可追溯因果链 Observation → Reproduction → Impact |
| 目标切换 | 不支持 | 状态机重启:进入新网段 → 新 RECON |
| 运行时追踪 | 无或分散文件 | 单一 JSONL Ledger(hypothesis/evidence/verdict) |
| 上下文管理 | 全部加载 | 显式文件路由,活跃技术目录默认 1 个、最多 2 个 |
| 清理义务 | 无 | Artifact + Evidence 追踪清理状态 |
| 决策记录 | 隐式 | Verdict reason 记录每个 Gate 的选择和理由 |
| 交付校验 | 无 | verify --report 机器关口:REPORT 前 confirmed 三角色闭环、无遗留 provisional |
case_ledger.py verdict --status provisional:只需 observation+reproduction 即可推进,「验证即 PoC」时不再要求先写完整证据链;impact 到 POST-EXPLOIT 补齐、confirmed 在此后追加。case_ledger.py verify --report:REPORT 前机器校验所有 confirmed 三角色闭环、无遗留 provisional,缺了直接报错。case/evidence-validation.md。Resolve-DnsName / curl.exe / Select-String 等),工具缺失按「首选 → 替代 → 手动/API → 记录限制」降级链处理。case/ledger.jsonl 作为 hypothesis / evidence / verdict 的唯一机器真相源,保持 append-only,不再维护并行 tracker。.claude/settings.json 的 SessionStart Hook,自动注入已确认事实、已确认·待补影响(provisional)、活跃/暂缓假设和错误状态。case/evidence-validation.md,作为可阅读、可审计的证据验证报告;该文件由 ledger 重建,不手工维护。case/artifacts/,ledger 只记录相对路径、SHA-256 和短摘要。.tmp 文件。techniques/recon.md,把信息收集从 Web 漏洞利用中拆出,减少单文件体积和无关上下文加载。fid 聚类与蜜罐降噪、微信小程序、APP 静态提取、股权穿透和 ENScan_GO 聚合。techniques/web.md 只负责 Web/API 漏洞发现与利用,Recon 信号显式路由到 techniques/recon.md。.claude/settings.json,否则 Claude Code 不会在 SessionStart 自动加载案件黑板。engagement-tracker.md 已由 case/ledger.jsonl 取代;可视化结果查看 case/evidence-validation.md。python -X utf8 skills/pentest-redteam/scripts/case_ledger.py render case。┌─────────────────────────────────────────────┐
│ SKILL.md(轻量核心) │
│ L1: 授权与硬约束 │
│ L2: 有回边的 State Machine + Decision Gates │
│ L3: 信号 → 动作链 │
├─────────────────────────────────────────────┤
│ 7 个 technique 文件(显式文件路由) │
│ 信号→假设→验证→证实→证伪→升级 │
│ 默认 1 个,最多 2 个 │
├─────────────────────────────────────────────┤
│ case/ledger.jsonl (唯一机器真相源) │
│ hypothesis → evidence → verdict │
│ artifacts/ + 自动生成 evidence-validation.md│
└─────────────────────────────────────────────┘
.claude/settings.json # SessionStart Hook:注入案件黑板
skills/pentest-redteam/
├── SKILL.md # L1+L2+L3 核心框架
├── techniques/
│ ├── web.md # Web漏洞发现 + 利用
│ ├── recon.md # 信息收集:通用资产发现 + 国内拓线(测绘引擎/小程序/APP/股权)
│ ├── ad.md # 内网三阶段:信息收集→OPSEC横向→提权维持
│ ├── cloud.md # 容器逃逸/K8s/IAM/Serverless
│ ├── evasion.md # 免杀/EDR对抗/C2隐匿 + BOF开发 + Telemetry分散
│ ├── database.md # MySQL/PG/MSSQL/Oracle/NoSQL
│ └── reversing.md # APK/IPA/EXE/固件逆向
├── scripts/
│ └── case_ledger.py # hypothesis/evidence/verdict + provisional + verify --report / render / blackboard
└── templates/
├── finding-report.md # 单个 Finding 格式
└── engagement-report.md # 最终报告模板
case/
├── ledger.jsonl # 唯一机器真相源
├── evidence-validation.md # 自动生成的可视化证据报告
└── artifacts/ # 原始响应、日志、截图
通用
Phase 1 — 信息收集(零命令行,全部 BOF/原生 API):
Phase 2 — OPSEC 横向(零进程创建):
Phase 3 — 提权与维持:
工具链免杀开发(BOF + 原生 API):
Telemetry 分散与进程拆分:
内容免杀:
运行时对抗:
C2 隐匿:
将下面这句话发给 Claude Code:
在 Claude Code 中加载 skill:
/skill pentest-redteam
或直接在对话中描述目标,skill 会自动按信号匹配技术目录。
授权声明:本 skill 仅用于已明确授权的渗透测试。授权在加载 skill 时一次性确认,此后按锁定范围执行;超出授权范围的操作默认先做,仅在授权文档明确禁止时才不做。
black-cat is a Claude Code plugin with 1 hand-picked skill, indexed on Flowy in the Security category. Install it with the command on its page. It includes pentest-redteam. Its skills do not fire on their own yet. Request auto-invocation to have Flowy route them as you prompt. Free and open source.
Is this plugin yours?
Claim it with GitHubSubmit a pluginPromote it