English | 中文

---

目录

• 功能特性
• 工作方式
• 技术栈
• 环境要求
• 快速开始
• 配置说明
• 使用指南
• 常见问题
• 安全建议
• 免责声明
• License

---

功能特性

核心能力一览

能力域	LeoAI 提供的能力
AI 协同	平台 AI 统一分析与任务分发，Puppet AI 在目标会话内执行；支持实时过程回传、多轮工具调用、计划跟踪和报告归档
主机与会话	主机资产目录、在线会话挂载、离线缓存、节点链路、HostId 与批量管理
操作控制台	文件、终端、数据库、扫描、HTTP 发包、代理隧道、系统管理、容器管理和脚本插件等模块化工具
构建与扩展	Shell/内存马构建、流量伪装、指纹规则、插件、Skills 与能力库管理
团队治理	用户与团队边界、主机共享、操作审计、AI 审计和成果归档

AI 与智能化

功能	描述
AI Agent 自动化	基于 LangChain4j，支持多轮工具调用和并行执行，自动规划和执行后渗透操作
平台 AI → Puppet AI	平台 AI 可选择目标 Puppet 分发任务，在平台会话中查看子任务状态与执行过程，并接收最终交付
多模型支持	兼容 OpenAI、通义千问、DeepSeek、Claude 等，支持运行时热切换
统一 AI 输入区	平台 AI 与 Puppet AI 均支持模型切换、推理强度切换和文本/代码文件输入；切换结果会在会话中明确提示
大上下文窗口	动态适配模型上下文窗口（最高 1M），自动压缩历史消息保留关键信息
任务计划	AI 自动规划多步任务、逐步执行并回写结果，前端顶栏实时追踪进度
100+ 个 AI Tools	AI Agent 可调用的原子能力，涵盖命令执行、文件、网络、凭据、扫描、HTTP 发包、数据库、脚本、插件等全场景
多套内置 AI Skills	预置 puppet-node / platform 两类场景化任务提示词，一键启动侦察、凭据收集、提权、持久化、横向移动、伪装开发、指纹开发、漏洞建议等流程
Skill 管理器	可视化管理 Skills：查看/编辑内容与描述、标签分类、启用/禁用、全文搜索、导入/导出，修改实时生效无需重启
上下文积累	侦察摘要自动积累与压缩，AI 上下文随操作深入持续增强
操作报告生成	AI 自动生成操作总结和风险分析报告

平台 AI：多会话管理、思考过程、执行结果、模型与推理强度切换、文件输入

主机与会话管理

功能	描述
多协议通信	HTTP、HTTP Chunked（大文件传输）、WebSocket（实时交互）
流量隐蔽	TLS 指纹伪装、Header 噪声注入、URL 随机化、请求/响应自定义编码
代理转发	支持 HTTP 代理、SOCKS5 代理、本地端口转发（ssh -L 风格）、反向隧道（ssh -R 风格）
团队协作	节点可在团队成员间共享，权限可控
主机目录	统一管理主机配置、在线会话和离线缓存，并呈现连接与更新时间状态
批量主机管理	支持主机导入、搜索、排序和批量操作

操作控制台工具集

交互与命令执行

• 虚拟终端：基于 xterm.js 的多会话交互式 Shell，支持实时流输出、会话搜索、清屏、中断、关闭和后端进程生命周期清理
• 后台任务：异步执行长时间命令，支持输出轮询和任务取消

文件与存储

• 文件管理器：树形目录浏览、上传/下载、在线编辑、压缩/解压、预览（文本/图片/PDF）、大文件分片传输
• 用户文件空间：每个用户独立的本地文件存储区域

Puppet 文件管理器：目录树、面包屑、类型筛选、权限信息和批量文件操作

数据库与信息系统

• 数据库控制台：支持 MySQL、PostgreSQL、Oracle、SQLite、SQL Server，提供 SQL 编辑器和表结构浏览
• 注册表管理（Windows）：浏览和修改注册表键值
• 事件日志查看：查询 Windows 系统事件日志
• 防火墙管理：查看和修改防火墙规则

网络与扫描

• 端口扫描：TCP 端口扫描、主机存活探测（Ping Sweep）
• 指纹识别：HTTP/TCP 服务指纹识别，内置规则库，支持自定义规则
• 侦察扫描：多目标、多规则并发侦察，结果自动汇总至 AI 上下文
• HTTP 发包器：Repeater（单次发包）和 Fuzzer（批量模糊测试）
• 代理转发：在目标节点上开启 HTTP 代理、SOCKS5 代理、本地端口转发（ssh -L）或反向隧道（ssh -R），支持连接数统计与流量监控

系统管理

• 截屏：实时获取目标桌面截图
• 进程管理：列出、杀死、创建进程
• 计划任务：Windows 计划任务管理
• 服务管理：启动、停止、重启 Windows 服务
• Docker 管理：列出、启动、停止、查看容器和镜像
• 应用管理：Catalina 应用（Tomcat 5/6/7/8/9+、WebLogic）容器与 Spring Framework 运行时管理；支持 idle 部署 / puppet 注入全局 ClassLoader 等场景（线程扫描 + JMX MBean 双兜底），可即时卸载 Filter / Servlet / Valve / Listener / Controller / Interceptor

安全与权限

• 凭据提取：系统凭据、浏览器数据、WiFi 配置
• SUID/Capability 检查：快速发现 Linux 提权点
• 用户账户管理：目标主机用户枚举和操作
• 网络连接查看：查看活跃连接、网络共享、已安装软件

其他工具

• 类字节码查看：提取并反编译 JVM 中的已加载类
• 类与资源浏览：按类名或路径读取 puppet 进程的 classpath 资源（jar 内 .class、application.yml、META-INF/MANIFEST.MF 等），自动识别二进制/文本/.class 类型并反编译为 Java 源码；当 puppet 注入 Tomcat 全局 ClassLoader 时，自动降级遍历所有 WebappClassLoader 兜底
• 剪贴板读取：获取目标系统剪贴板内容
• 磁盘挂载管理：查看和管理磁盘挂载点
• HostId 切换：单节点可管理多个内网主机

Puppet 控制台：运行态概览、模块标签页与具备当前会话上下文的 AI 副驾

Shell 生成器

内存马生成

• 支持类型：Filter、Servlet、Listener、Valve、Interceptor、Controller、WebSocket
• 支持中间件：Tomcat、Jetty、JBossAS、JBossEAP6、JBossEAP7、Wildfly、Undertow、Resin、Glassfish、Payara、WebLogic、WebSphere、SpringWebMVC、Apusic、BES、InforSuite、TongWeb、Struct2（共 18 种）
• 表达式注入 Packer：OGNL、SpEL、EL、Groovy、Freemarker、MVEL、BeanShell、Velocity、Thymeleaf、JEXL、Jinjava、JXPath、Rhino、Aviator、ScriptEngine、BCEL、Translet、XmlDecoder、H2、Base64、Hex 等（共 41 种）

WebShell 生成

• 支持格式：JSP、JSPX、Groovy

脚本构建：通信协议、请求/响应伪装、混淆流水线和结果预览

指纹与识别规则

• 内置规则库：预置 10 条常见服务的 HTTP/TCP 指纹识别规则（Nginx、Tomcat、Redis、MySQL、Shiro、SSH、FTP、SMTP、Spring Boot Actuator、WordPress 等）
• 自定义规则：通过「识别规则」页面新增、编辑、启用/禁用指纹规则
• 规则标签：支持协议过滤和标签分组，便于在扫描时按需筛选
• 导入/导出：支持单条或批量导出为 .json / .zip，可按冲突策略（跳过/覆盖/重命名）导入，方便团队间共享规则库

指纹规则：HTTP/TCP 规则目录、标签、请求定义与关联漏洞情报

插件与脚本执行

• 统一执行控制台：「脚本与插件」模块同时承载脚本编辑与字节码执行
  • 脚本编辑器：支持 JavaScript / Groovy / Python，临时执行无需保存；可一键「保存为插件」
  • Java Class 执行：拖拽 .class 文件或直接粘贴 base64 字节码（自动清洗 URL-safe / 空白 / padding，自动校验 cafebabe magic），临时执行不持久化；可保存为 Java 插件
• 统一插件库：Java 字节码与 js/groovy/python 脚本插件并存，按类型徽章区分；脚本插件可一键「载入编辑器」再编辑后执行
• Java 插件热加载：动态加载和执行自定义 Java 插件
• AI Skills 内置插件：脚本执行、命令执行、WebLogic 密码获取、堆转储分析等开箱即用
• 导入/导出：单条 .plugin 或批量 .zip，导入时支持跳过/覆盖冲突策略

扩展管理：Java 与脚本插件目录、元数据、参数模板和导入导出

管理功能

功能	描述
用户管理	创建用户、角色分配、权限控制
团队管理	创建团队、成员邀请、节点共享
AI 配置	多 LLM 通道配置、模型切换、API Key 管理
审计日志	操作审计（命令执行、文件操作等）、AI 对话审计
会话管理	会话记录、结果导出、操作报告生成

管理后台：账号与组织、审计治理、AI 模型接入和操作趋势统计

---

工作方式

平台 AI
  ├─ 分析平台侧主机、规则、插件与成果
  └─ 将目标相关任务分发给 Puppet AI
       ├─ 在指定会话上下文中调用工具
       ├─ 实时回传思考、工具、计划和子任务状态
       └─ 将执行结果交付回平台 AI 会话

• 平台 AI 适合跨主机分析、任务编排、规则与插件开发、结果汇总。
• Puppet AI 适合针对当前目标执行侦察、文件、命令、数据库、网络和系统操作。
• 两类 AI 使用统一输入体验，每个会话独立维护模型选择、推理强度和上下文。
• 高影响工具仍受权限策略与确认流程约束；平台 AI 的任务委派不会绕过 Puppet 会话边界。

---

技术栈

层级	技术选型
Web 框架	Spring Boot 3.5
AI 框架	LangChain4j 1.16
LLM 支持	OpenAI、通义千问、DeepSeek 及所有 OpenAI 兼容接口
数据库	SQLite（内嵌，无需额外部署）
ORM	MyBatis 3
HTTP 客户端	OkHttp 4
字节码操作	Javassist 3.30
构建工具	Maven（多模块）
运行环境	Java 17+

---

环境要求

项目	要求
Java 版本	17 或更高（JDK/JRE 均可）
操作系统	Linux、macOS、Windows
内存	建议 4 GB 以上
磁盘	至少 500 MB 可用空间
浏览器	Chrome、Firefox、Edge 等现代浏览器

无需单独安装数据库：内置 SQLite，首次启动自动初始化。
无需额外部署前端：Web 界面已打包至 JAR 文件中。

---

快速开始

第一步：获取 JAR

从 Releases 页面下载需要的版本：

LeoAi-<version>.jar

第二步：启动

java -jar --add-opens java.base/java.lang=ALL-UNNAMED LeoAi-<version>.jar

--add-opens java.base/java.lang=ALL-UNNAMED 参数不可省略，用于开放 Java 模块系统内部访问权限。

第三步：访问

浏览器打开：

http://localhost:8082

第四步：初始化

首次启动时，系统自动完成以下操作：

1. 初始化 SQLite 数据库（在运行目录下生成 data.db）
2. 创建默认管理员账户
3. 初始化基础配置

初始账号：admin，初始密码：54ikun。首次登录后请立即修改密码。

---

Docker 启动

如果你不想折腾 Java 环境，直接用 Docker 一条命令启动即可。镜像构建时会自动从 Release 页面下载 JAR，不需要在本机装 JDK/Maven，也不会编译源码。

第一步：安装 Docker

系统	操作
Windows / macOS	下载 Docker Desktop 并安装，启动后保持 Docker 桌面在后台运行
Linux	按 官方文档 安装 docker engine 和 docker compose 插件

安装完成后打开终端验证（任意目录均可）：

docker --version
docker compose version

只要能看到版本号即可。

提示：以下命令不需要 sudo 时尽量不用。Linux 下若提示 permission denied，把当前用户加入 docker 组（sudo usermod -aG docker $USER 后重新登录），或者命令前加 sudo。

第二步：获取项目代码

任选一种方式：

# 方式 A：使用 git（推荐，便于后续更新）
git clone https://github.com/cha0upup/LeoAI.git
cd LeoAI

# 方式 B：直接下载 ZIP
# 打开 https://github.com/cha0upup/LeoAI 点击 Code → Download ZIP
# 解压后在终端 cd 进解压目录

第三步：一键启动

在项目根目录（能看到 Dockerfile 和 docker-compose.yml 的位置）执行：

docker compose up -d --build

参数说明：

• up：启动服务
• -d：后台运行（detached），关闭终端不会停止容器
• --build：首次启动或代码更新时构建镜像；之后日常启动可省略

首次启动需要拉取基础镜像 + 下载 JAR + 安装运行时依赖，国内网络通常需要 3~10 分钟。看到类似下面的输出就成功了：

[+] Running 2/2
 ✔ Network leoai_default     Created
 ✔ Container leoai           Started

第四步：访问 Web 界面

浏览器打开：

http://localhost:8082

初始账号：admin，初始密码：54ikun。首次登录后请立即修改密码。

常用命令速查

# 查看运行状态
docker compose ps

# 查看实时日志（Ctrl+C 退出，容器继续运行）
docker compose logs -f

# 停止服务（保留数据）
docker compose stop

# 重新启动
docker compose start

# 完全停止并删除容器（保留数据 volume）
docker compose down

# 完全清理（含数据，⚠️ 不可恢复）
docker compose down -v

# 升级到最新版本（拉取新代码 + JAR 重新构建）
git pull
docker compose up -d --build

数据持久化

SQLite 数据库和 VFS 运行目录都会保存在名为 leoai-data 的 Docker volume 里。容器删了重建数据不会丢，除非显式 docker compose down -v。

查看 volume 实际位置：

docker volume inspect leoai_leoai-data

自定义配置

最简单的做法是在项目根目录新建 .env 文件，docker compose 会自动读取：

# 修改 Web 端口（避开 8082 被占用的情况）
LEOAI_PORT=9090

# 配置 OpenAI 或兼容接口
OPENAI_API_KEY=sk-xxxxx
OPENAI_BASE_URL=https://api.openai.com/v1
# 国内用户可换成兼容服务
# OPENAI_BASE_URL=https://api.deepseek.com
# OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1

# 生产环境建议改成强随机字符串（至少 16 位）
LEO_PLUGIN_ENCRYPT_KEY=please-change-me-to-a-strong-key

# 锁定到特定版本的 JAR；默认值以 docker-compose.yml / Dockerfile 为准
# JAR_URL=https://github.com/cha0upup/LeoAI/releases/download/vX.Y.Z/LeoAi-X.Y.Z.jar

修改 .env 后用 docker compose up -d 让改动生效。注意：改 JAR_URL 必须加 --build，否则不会重新拉取。

也可以临时通过命令行覆盖（一次性，不持久）：

LEOAI_PORT=9090 OPENAI_API_KEY=sk-xxxxx docker compose up -d

常见问题

端口冲突 Bind for 0.0.0.0:8082 failed: port is already allocated

• 在 .env 里改 LEOAI_PORT=9090（或任意空闲端口）后重新 docker compose up -d

镜像构建卡在下载 JAR

• 多半是 GitHub 网络不通。挂代理后重新 docker compose build，或先手动把 JAR 下载到本地，改 Dockerfile 的 JAR_URL 指向局域网镜像

忘记 admin 密码

• 执行 docker compose down -v 清除数据 volume（⚠️ 全部数据丢失），重新 docker compose up -d --build 即可用初始密码登录

查看容器内文件

• docker compose exec leoai sh 进入容器，数据目录在 /app/data

---

配置说明

修改端口

默认端口为 8082，通过启动参数修改：

java -jar --add-opens java.base/java.lang=ALL-UNNAMED \
  LeoAi-<version>.jar --server.port=9090

修改数据库位置

默认数据库文件为运行目录下的 data.db：

java -jar --add-opens java.base/java.lang=ALL-UNNAMED \
  LeoAi-<version>.jar \
  --spring.datasource.url=jdbc:sqlite:/path/to/data.db

配置 AI 模型

LeoAI 的 AI 功能需要接入 LLM 接口，支持两种配置方式：

方式一：Web 界面配置（推荐）

1. 登录后进入「管理后台 → AI 配置」
2. 点击「添加通道」
3. 填写通道名称、API Key、Base URL、模型名称
4. 点击「测试连接」验证后保存

方式二：环境变量

export OPENAI_API_KEY=your-api-key
export OPENAI_BASE_URL=https://api.openai.com/v1

java -jar --add-opens java.base/java.lang=ALL-UNNAMED LeoAi-<version>.jar

支持的 AI 模型

兼容任何遵循 OpenAI API 格式的服务：

提供商	Base URL 示例
OpenAI	https://api.openai.com/v1
通义千问（阿里）	https://dashscope.aliyuncs.com/compatible-mode/v1
DeepSeek	https://api.deepseek.com
Ollama（本地）	http://localhost:11434/v1
其他兼容接口	根据文档填写对应地址

主要配置项参考

web/src/main/resources/application.properties：

# 服务器端口
server.port=8082

# 数据库（SQLite，路径相对于运行目录）
spring.datasource.url=jdbc:sqlite:data.db

# AI 配置（也可通过 Web 界面管理）
leo.ai.openai.api-key=${OPENAI_API_KEY:}
leo.ai.openai.base-url=${OPENAI_BASE_URL:https://api.openai.com/v1}
leo.ai.openai.model=gpt-4o
leo.ai.openai.thinking-enabled=false

---

使用指南

添加主机

1. 登录后进入「主工作台 → 主机资产」
2. 点击「新增主机」，填写：
   • 主机名称：自定义标识
   • 目标 URL：目标 Puppet 地址（如 http://target.com/shell）
   • 通信协议：HTTP / HTTP Chunked / WebSocket
   • 访问密钥：与 Shell 端保持一致
3. 按需配置流量伪装模板，保存

协议选择参考

协议	适用场景
HTTP	通用场景，防火墙穿透性最好
HTTP Chunked	大文件传输、长日志查询
WebSocket	终端交互等低延迟需求

操作控制台

进入节点后可使用各工具模块：

• 虚拟终端：多会话执行 Shell 命令，实时流式输出；支持检索输出、清屏、中断、关闭会话，并在关闭/重置时回收后端进程
• 文件管理：树形浏览、上传下载、在线编辑、压缩解压、文件预览
• 数据库：在数据库工作台添加统一连接配置，Java/PHP Puppet 会分别转换为 JDBC/PDO 运行参数
• 端口扫描：快速扫描 / 自定义端口范围 / 结果导出
• HTTP 发包器：Repeater 单次发包，Fuzzer 批量模糊测试

代理与隧道

在节点控制台的「代理」面板下可管理四种流量转发模式：

模式	说明	典型场景
SOCKS5 代理	在节点上开 SOCKS5 监听，C2 通过它访问内网	Proxychains / Burp 上游代理
HTTP 代理	同上，HTTP CONNECT 隧道，兼容性更好	浏览器手动代理
本地端口转发（ssh -L）	C2 本地端口 → 节点 → 内网 host:port	直连内网单服务（RDP、DB 等）
反向隧道（ssh -R）	节点开监听 → 内网客户端主动连 → C2 拨号转发	让内网机器主动回连 payload 服务器

各模式均提供连接数、上传/下载流量统计面板，支持一键停止。

Skill 管理器

进入主工作台侧边栏「能力库」，可对两个 scope（puppet-node / platform）下的所有 Skills 进行可视化管理：

• 查看与编辑：点击列表中的 Skill 可在右侧预览内容；切换到编辑模式后可修改正文和描述，保存后实时生效，无需重启
• 标签（Tags）：每个 Skill 可附加多个标签（如 recon、exploit、linux），在列表和编辑模式中均可查看和修改；左侧提供标签筛选面板，可多选组合过滤
• 启用 / 禁用：禁用的 Skill 不会出现在 AI 的 system prompt 中，AI 对其存在完全无感知；可按需关闭暂不使用的 Skill 以节省 token
• 全文搜索：支持按 name、description 或正文内容模糊搜索
• 新建 / 删除：可创建自定义 Skill，填写名称、描述后在编辑器中编写 Skill 提示词
• 导入/导出：可将单条 Skill 导出为 .skill 文件，或勾选多条批量导出为 .zip；导入时支持冲突策略（跳过/覆盖/重命名），方便在不同实例间迁移自定义 Skill

能力库：按作用域管理 Skills，并在文件树与编辑器中维护完整 Skill 内容

Skill 文件存储在 VFS 目录下，格式为标准 Markdown + YAML frontmatter：

---
name: recon-basic-info
description: 对目标主机执行初始基础信息侦察...
enabled: true
tags:
  - recon
  - linux
---

# Skill 正文内容
...

AI 助手

Puppet AI / AI 副驾：进入主机控制台后，在右侧 AI 面板输入指令（如“扫描 C 类网段的 80 端口”）。AI 会基于当前 Puppet 会话调用工具、展示执行过程，并持续积累侦察上下文。

AI 副驾提供侦察、凭据、提权、横向移动和 Web 容器检查等快捷入口；也可以通过 / 调出常用指令。内置 puppet-node Skills 可启动完整场景任务：

类别	Skills
侦察	recon-basic-info
凭据收集	hunt-credentials
权限提升	escalate-linux-privilege
持久化	persistence-linux
横向移动	lateral-move-ssh

平台 AI：从页面右上角随时打开。它可以分析平台资源、编写流量伪装与指纹规则、给出漏洞建议，也可以选定目标 Puppet，将任务分发给 Puppet AI 执行并在当前会话中跟踪过程。

两类 AI 的输入区均支持：

• 在可用通道之间热切换模型，成功后在会话中显示当前模型；
• 按模型能力选择低 / 中 / 高 / 极高推理强度；
• 添加文本、代码、日志和配置文件作为本轮上下文；
• Enter 发送、Shift + Enter 换行，执行期间可停止当前任务。

Shell 生成

1. 进入「主工作台 → 脚本构建」
2. 选择「内存马」或「WebShell」
3. 选择目标中间件类型和注入方式
4. 配置连接密钥，点击「生成」

流量伪装

伪装即密钥：LeoAI 没有独立的连接密钥字段——管理端与 Shell 端使用完全相同的 encode/decode 逻辑通信，伪装不匹配则请求无法解析，连接自然失败。因此强烈建议每位用户创建专属伪装，不同项目使用不同伪装，避免共享内置模板。

1. 进入「工具 → 流量伪装」，系统内置 2 套伪装模板（AES 加密、自定义 Base64），可作为参考或起点
2. 点击「新增」，编写自定义 encodeBody / decodeBody 逻辑，通过「测试」验证互逆后保存
3. 在 Shell 生成时选择同一个伪装，确保管理端和 Shell 端使用完全一致的编解码实现
4. 在节点配置中将「请求伪装」和「响应伪装」指向对应模板即可生效

流量策略：伪装目录、Headers、编码与解码逻辑、测试和导入导出

导入/导出：可将单条伪装导出为加密的 .disguise 文件，或批量导出为 .zip；导入时支持三种冲突策略（跳过/覆盖/重命名），方便在多套环境或团队间迁移伪装配置。

团队协作

• 在「管理后台 → 团队管理」创建团队并邀请成员
• 在节点详情中点击「分享」，指定团队或成员及读写权限
• 所有操作记录在「管理后台 → 审计日志」，支持按用户/时间/类型筛选

---

常见问题

Q：启动时报 InaccessibleObjectException

必须添加 --add-opens 参数，不可省略：

java -jar --add-opens java.base/java.lang=ALL-UNNAMED LeoAi-<version>.jar

---

Q：AI 功能无响应或报错

1. 进入「管理后台 → AI 配置」检查通道配置
2. 点击「测试连接」验证 API Key 和 Base URL
3. 确认 API 配额和请求限制
4. 查看服务端日志获取详细错误信息

---

Q：节点连接失败

按以下顺序排查：

1. 确认目标 URL 可访问（curl 测试）
2. 确认通信协议与 Shell 实现一致
3. 确认节点密钥与 Shell 端配置一致
4. 若使用流量伪装，确认模板两端编解码逻辑匹配
5. 查看浏览器 Network 面板和服务端日志

---

Q：如何重置管理员密码

停止应用 → 删除（或备份）data.db → 重新启动 → 使用账号 admin 和初始密码 54ikun 登录。

---

Q：支持 HTTPS 吗

建议通过前置 Nginx / Apache 反向代理层配置 SSL，将 HTTPS 请求转发至 LeoAI。

---

Q：data.db 文件在哪里

默认在 JAR 的运行目录下，可通过启动参数指定自定义路径：

--spring.datasource.url=jdbc:sqlite:/custom/path/data.db

---

安全建议

部署安全

• 在受信任的内网或 VPN 环境中部署，不要将管理端口暴露至公网
• 首次启动后立即修改管理员密码
• 定期备份 data.db 文件
• 使用防火墙或 IP 白名单限制访问来源

操作安全

• 遵循最小权限原则，为不同成员分配必要的最小权限
• 不同项目使用不同团队账户进行隔离
• 妥善保管 LLM API Key，避免在日志或截图中泄露
• 在存在流量检测风险的环境中启用流量伪装功能
• 每位用户创建专属伪装，不同项目使用不同伪装，避免共享内置模板——伪装即通信密钥，泄露即意味着通信可被模拟或解密

---

免责声明

本工具仅供已获得明确书面授权的安全测试、红队攻防演练和安全研究使用。 使用者须确保已取得目标系统所有者的合法授权。任何未经授权的访问、修改或破坏行为均属违法，开发者不对任何滥用或违法使用行为承担责任。使用本工具即表示你同意承担全部相关法律责任。

---

License

本项目采用 GNU General Public License v3.0 许可证。

---

联系与反馈

• Issue：GitHub Issues
• 邮件：chaodovvn@gmail.com
• 项目主页：https://github.com/cha0upup/LeoAI