🧠 项目 OMEGA:模块 "SPECIALIST AI"(战术情报中心)
该界面战略性地位于“工具”和“文档”之间。我们将分为三个高信息密度面板。
0阅读
战略愿景:我们将实施一种深度集成到平台中的混合人工智能(本地/云端)。它不仅仅是一个聊天机器人;而是一个合成网络安全分析师,能够实时只读访问基础设施(数据库)并按规范访问知识库(PDF)。
该界面战略性地位于“工具”和“文档”之间。我们将分为三个高密度信息面板。
🟢 左侧面板:工作记忆(History & Retention)
Sección titulada «🟢 PANEL IZQUIERDO: MEMORIA OPERATIVA (History & Retention)»此面板将管理过去的知识。
- 会话列表: 带有标题、日期和使用模型的紧凑卡片。
- 战术分类系统:
- ⭐ 书签(优先情报): 星星按钮。我们将对话固定在顶部。适用于主动调查。
- 🔒 持久化(永久锁定):每个聊天中的一个Toggle Switch(开关)。
- 开启状态: 聊天将被加固。我们将忽略自动删除规则。
- 关闭状态: 聊天将短暂存在。
- 保留配置(数据生命周期):
- 滑块或数字输入: “在 [ 7 ] 天后自动销毁未加固的聊天”。
- “立即清理”按钮:手动清除缓存。
⚫ 中央面板:战争室(The Chat Interface)
Sección titulada «⚫ PANEL CENTRAL: SALA DE GUERRA (The Chat Interface)»主要交互区域。现代终端风格(深色背景,等宽字体用于代码)
- 输出区域(流式):
- 完整 Markdown 渲染(表格、列表、带复制按钮的代码块)
- 来源引用:当 AI 使用某个文档时,会出现一个小型可点击标签:
[Ref: MANUAL_3.2_BLIND_SQLI.pdf, pág 4]。 - 数据证据:当我们查询数据库时,将在折叠式下拉框中显示生成的 SQL 查询:
[▶ Ver Query SQL]。
- 输入区域(命令行):
- 多行文本提示
- “附加当前上下文”按钮(上传当前扫描状态)
- 引擎选择器(右下角):
- 右下角一个低调但关键的下拉菜单。
- 选项:
🔒 LOCAL: OMEGA BRAIN (Llama-3 / Mistral)-> 无成本,完全隐私,速度较慢。☁️ ONLINE: GOOGLE GEMINI 1.5 FLASH-> 极速,中等推理能力。🧠 ONLINE: GOOGLE GEMINI 1.5 PRO-> 复杂推理,更高延迟。
这里我们将定义谁在回答我们。
- 代理选择器(角色):
- 默认: “红队通用专家”。
- 自定义1: “SQL注入博士”(专注于我们的SQLi手册的提示)
- 自定义2: “基础设施分析师”(专注于Nmap和服务)
- 连接指示器(状态):
📚 Docs Indexados: 14 PDFs(向量存储状态)。🗄️ DB Connection: ACTIVE(Text-to-SQL 状态)。
为了让AI有用,我们必须在理论(PDF)和现实(数据库)之间“建立联系”
A. 文档子系统(RAG向量)
Sección titulada «A. Subsistema Documental (RAG Vectorial)»AI不会每次都“阅读”PDF。我们将使用向量数据库(ChromaDB)
- 摄取:将 PDF 上传到
/docs后,我们会将系统拆分为 500 字符的“块”(片段)。 - 嵌入: 将文本转换为数值向量
- 检索: 当我们询问“如何进行OOB攻击?”时,系统将在手册中搜索数学上相似的向量,并将它们作为隐藏上下文传递给AI
B. 基础设施子系统(文本到SQL)
Sección titulada «B. Subsistema de Infraestructura (Text-to-SQL)»AI 对 nmap_intel.db 拥有读取权限。
- 模式感知:AI 知道存在表
hosts,其列为ip、os和services。 - 翻译:
- 用户: “告诉我哪些机器运行Windows且端口445开放”
- AI(内部):
SELECT ip FROM hosts JOIN services ON hosts.id=services.host_id WHERE os LIKE '%Windows%' AND port=445;
- 响应: AI接收数据库的JSON并用自然语言回答
一个小型预分类器将决定激活哪个子系统:
- 我们询问理论吗? -> 激活RAG(PDF)。
- 我们询问目标/当前状态吗? -> 激活SQL(DB)。
- 我们询问混合问题吗? -> 激活两者。
我们将允许创建“系统配置文件”并保存为JSON
示例:SQLi调查员配置文件
{ "name": "SQL Injection Specialist", "model_preference": "cloud_gemini_pro", "temperature": 0.2, "system_prompt": "Eres un experto en explotación de bases de datos. Tu conocimiento se basa ESTRICTAMENTE en los manuales RED_TEAM_OPS proporcionados. Ignora cualquier vulnerabilidad que no sea SQLi. Si el usuario pregunta por XSS, responde brevemente y redirige a SQLi. Prioriza técnicas de evasión de WAF.", "access_scope": ["docs_folder_sqli", "db_table_vulnerabilities"]}我们需要扩展 SQLite 数据库(nmap_intel.db)以支持这种高级逻辑。
-- Tabla para gestionar las sesiones de chatCREATE TABLE ai_conversations ( id TEXT PRIMARY KEY, -- UUID title TEXT, -- Generado por la IA o manual agent_profile TEXT, -- 'general', 'sqli_expert', etc. model_used TEXT, -- 'local_llama3', 'cloud_gemini' is_favorite BOOLEAN DEFAULT 0, -- ⭐ La Estrellita is_permanent BOOLEAN DEFAULT 0, -- 🔒 El Candado (Toggle) created_at DATETIME DEFAULT CURRENT_TIMESTAMP, last_updated DATETIME);
-- Tabla para los mensajes individualesCREATE TABLE ai_messages ( id INTEGER PRIMARY KEY AUTOINCREMENT, conversation_id TEXT, role TEXT, -- 'user', 'assistant', 'system' content TEXT, -- El texto del mensaje context_sources TEXT, -- JSON: Qué PDFs o Tablas se usaron para esta respuesta FOREIGN KEY(conversation_id) REFERENCES ai_conversations(id) ON DELETE CASCADE);
-- Tabla para configuración globalCREATE TABLE ai_config ( key TEXT PRIMARY KEY, value TEXT -- Ej: 'retention_days' = '30');- 操作员(我们): 进入“专家AI”。选择代理“侦察大师”。激活模型“Gemini Flash”
- 问题: 我们输入:“分析当前目标。我们是否看到可能表明旧开发服务器的模式?我们的回答将基于OPSEC手册。”
- 处理流程(后端):
- 路由器将检测到需要DB(查看目标)和DOCS(OPSEC手册)
- 我们将执行
SELECT * FROM services WHERE version LIKE '%dev%' OR version LIKE '%beta%'。 - 我们将在
PROTOCOLO_OMEGA_OPSEC.md中搜索向量。 - 将所有内容发送到Gemini Flash
- 回复:
- “我们检测到主机192.168.1.55正在运行‘Apache Tomcat 7.0-beta’。根据‘Omega Opsec协议’(第3页),测试版服务器通常具有默认凭证和详细日志。建议立即进行暴力破解攻击。”
- 管理: 我们会喜欢这个答案。点击星星⭐并激活锁🔒以确保此发现永远不会被删除。

