sapper-v2
Autonome Pentest-Legion mit KI-Kommandanten und Arbeiterschwärmen.
Orchestrieren Sie Multi-Agenten-Schwärme mit geschichteten Fakten-Absichts-Graphen für autonome Penetrationstests.
sapper-v2 ist ein autonomes Multi-Agenten-Penetrationstest-Framework, das beim Tencent Cloud Intelligent Attack-Defense Challenge den ersten Platz belegte. Es orchestriert Kommandanten, Generäle und Scouts über einen gemeinsamen Fakten-Absichts-Graphen, um komplexe Sicherheitsziele zu bewältigen. Sie sollten dies verwenden, wenn Sie die Multi-Agenten-Koordination über die Grenzen einzelner KI-Instanzen hinaus vorantreiben möchten.
Was es ist
Es koordiniert mehrere Agenten-CLIs und -Modelle über eine strukturierte Hierarchie, die hochrangige Strategie von paralleler Ausführung trennt. Ein geschichteter Fakten-Absichts-Graphen bewahrt Beobachtungen über Sitzungsabbrüche hinweg, sodass Nachfolger den Betrieb nahtlos fortsetzen können. Modell-Tiering leitet teure Aufgaben an High-End-Reasoning-Modelle und Massenarbeit an leichtere, schnellere Modelle weiter.
Für wen
Es eignet sich für Sicherheitsexperten und KI-Forscher, die fortgeschrittene Multi-Agenten-Workflows für wettbewerbsorientierte oder komplexe Automatisierungsaufgaben entwickeln. Es ist nicht geeignet für Gelegenheitsnutzer, die einen einfachen Point-and-Click-Schwachstellenscanner suchen, oder Personen ohne Erfahrung in der Verwaltung von KI-CLI-Umgebungen.
Wichtige Funktionen
KI-Kommandanten-Legion
Trennt strategisches Kommando von der parallelen Ausführung durch Arbeiter in mehreren tmux-Panes.
Geschichteter Fakten-Graph
Speichert Beobachtungen in einer Hierarchie aus Titel, Zusammenfassung und Beweisen, um Kontextvergiftung zu verhindern.
Wirtschaftliches Modell-Tiering
Kombiniert schwere Reasoning-Modelle für Kommandanten mit leichten Flash-Modellen für Massenaufgaben der Arbeiter.
Autonome Emergenz
Ermöglicht Agenten, operative Rollen wie Signalgeber und Leistungsbeurteilungen dynamisch zu erfinden.
Startklar in 3 Schritten
Unser ehrliches Fazit
Stärken
- Erreichte Top-Leistung in Wettbewerben bei deutlich geringerem Token-Verbrauch.
- Unabhängig von spezifischen Modellen, sodass Sie Agenten-CLIs und Backends frei austauschen können.
- Behält den gemeinsamen Speicher über Agentensitzungen hinweg durch den nvwabase-Fakten-Absichts-Graphen bei.
- Enthält selbstheilende Watchdog-Mechanismen, um Langzeitoperationen am Leben zu erhalten.
Schwächen
- Erfordert beträchtliches technisches Know-how zur Konfiguration und Ausführung von Multi-Agenten-Terminalumgebungen.
- Verbraucht ein erhebliches Token-Volumen je nach Modellwahl und Kampagnen Dauer.
- Primär für wettbewerbsorientierte Capture-the-Flag-Szenarien entwickelt, was eine Anpassung der Doktrin für andere Verwendungen erfordert.
Preise & Lizenz
Kostenlos unter der MIT-Lizenz. Die einzigen Kosten sind der Betrieb Ihrer eigenen Infrastruktur und der hohe API-Token-Verbrauch, der für den Betrieb von Multi-Agenten-Schwärmen erforderlich ist.
Stellen für Deutschsprachige
879 offene Remote-Stellen im KI-Training, aktualisiert am 15. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Alternativen
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
Nutze es, oder lass es uns einrichten
FAQ
Ist sapper-v2 an ein bestimmtes KI-Modell gebunden?
Nein, Sie können Agenten-CLIs und -Modelle für jede Rolle über Konfigurationsflags oder Umgebungsvariablen austauschen.
Was ist der Nüwa-Test?
Ein konzeptioneller Rahmen, der testet, ob KI Arbeitsteilung und unabhängige Zivilisationsdynamiken aus einem Überlebensaxiom entwickeln kann.
