Juice Solver

基于 LLM Agent 的 OWASP Juice Shop 自动化挑战求解器。

架构

src/
├── agent/          # Agent 主循环、提示词构建、协议解析
├── actions/        # 动作处理器（HTTP请求、登录、浏览器等）
├── skills/         # 技能库（通用技能 + 挑战专用技能）
├── memory/         # 多层记忆系统
│   ├── store.py        # 持久化记忆（Layer 3）
│   ├── working.py      # 工作记忆（Layer 2，每挑战）
│   └── world_model.py  # 世界模型（Layer 4，跨挑战知识）
├── llm/            # LLM 路由与调用
├── browser/        # Playwright 浏览器会话
├── discovery/      # 挑战发现与优先级排序
├── http_toolkit/   # HTTP 客户端
├── progress/       # 进度追踪与报告
├── run_log/        # 运行日志
└── utils/          # 配置、日志工具

记忆系统

四层记忆架构：

1. 对话窗口 — 滑动窗口保留最近 K 轮对话
2. 工作记忆 — 每个挑战自动提取关键事实（端点、认证状态、失败尝试）
3. 持久记忆 — 跨挑战共享的凭据、端点、攻击结果
4. 世界模型 — LLM 提炼的结构化目标知识（服务器信息、路由、用户、攻击面）

安装

pip install -e .
playwright install chromium

配置

复制并编辑配置文件：

cp config.example.yaml config.yaml

需要配置：

• target.base_url — Juice Shop 地址
• llm.providers — LLM API 密钥和端点

使用

# 启动 Juice Shop
docker run -p 3000:3000 bkimminich/juice-shop

# 运行求解器
juice-solver --target http://localhost:3000

# 限制挑战数量
juice-solver -n 10

# 调试模式
juice-solver -l DEBUG

技能系统

• 通用技能：SQL注入、强制浏览、参数篡改、IDOR、空字节绕过等
• 挑战专用技能：从知识库自动生成，包含已知攻击步骤

Agent 优先使用匹配的技能，无匹配时回退到原始 HTTP 请求探索。

依赖

• Python ≥ 3.11
• httpx, anthropic/openai, playwright, rich, pyyaml