GitHub-радар
Собери команду ИИ-агентов, которая работает без тебя
sapper-v2 — не одна нейросеть, а каркас, который организует сразу нескольких ИИ-агентов в команду. Один «командир» распределяет задачи, остальные выполняют работу параллельно и передают друг другу накопленные знания.
Это система управления несколькими ИИ-агентами одновременно: один раздаёт задачи, остальные их выполняют и делятся результатами через общий файл заметок.
Когда пригодится
Пригодится, если ты сам занимаешься CTF-задачами или авторизованными пентестами и хочешь, чтобы несколько ИИ-агентов работали параллельно без постоянного присмотра. Для офисных задач и исследований автор советует брать не этот репозиторий, а его голый каркас без встроенной «пентест-доктрины».
Плюсы
- В конкурсе нашла столько же флагов, но потратила в 4,5 раза меньше токенов
- Работала 8 часов без присмотра человека
- Падение одного агента не теряет прогресс — следующий читает общие заметки
- Базовый запуск — обычный ноутбук, видеокарта не нужна
Минусы
- Полный набор инструментов требует Docker и около 1,2 ГБ места
- Для тяжёлых решений нужны платные ключи облачных моделей
- Встроенная стратегия заточена под CTF-конкурс, а не под обычные задачи
Как поставить — по шагам
- 1Открой своего ИИ-агента (Claude Code или аналог) в папке проекта.
- 2Склонируй репозиторий github.com/N1nEmAn/sapper-v2 и запусти install.sh — без дополнительных зависимостей.
- 3Отправь агенту текст из блока ниже.
- 4Укажи цель, которую тебе точно разрешено тестировать — свой CTF-таск или собственный сервер.
- 5Проверь доску задач командой sapper status и посмотри статус агентов.
- 6Когда агент спросит про ключи моделей, подключи свои платные ключи.
Текст для агента
Текст для шага с агентом — скопируй и отправь (Claude Code, Codex, любой):
Разверни sapper-v2 отсюда: https://github.com/N1nEmAn/sapper-v2 — поставь по README (bash install.sh, без внешних зависимостей), подключи вместо GLM-5.3 и DeepSeek мою модель или Claude Code и запусти sapper setup --goal только на цели, которую я явно разрешил тестировать — свой CTF-таск или мой же сервер. Покажи мне доску задач и статус агентов, спроси, какие ключи моделей использовать.
Обычный ноутбук — видеокарта не нужна, базовый CLI на чистом Python без внешних зависимостей. Для варианта с полным набором инструментов разведки через Docker нужно около 1,2 ГБ места и сам Docker, а вся тяжёлая работа лежит на облачных моделях, для которых нужны свои платные ключи.
Открыть на GitHub▌ Ещё находки