有人建立了一個完整的 AI 紅隊 - 多個代理協調一起進行駭客攻擊，ZERO 人類介入 PentAGI，開源，一個代理負責偵查，另一個進行掃描，另一個利用漏洞，另一個撰寫報告。他們彼此交流，並根據所發現的情況進行調整 它作為一個 docker 容器發佈，預裝了 nmap、metasploit、sqlmap、hydra。AI 決定使用哪個工具以及何時使用。你只需將其指向目標然後離開 一次紅隊參與的費用為 30,000 到 50,000 美元，並且需要幾週時間。這只需一個 docker 命令和 API 令牌

我找到了一種方法，可以在 RTX 4090 GPU 上製作無審查的 AI 代理（!!!），使用本地 30B 模型權重 這是 GLM-4.7-Flash，經過消融處理，需要 24GB VRAM，安全對齊已從權重中手術移除，該模型具有原生工具調用，實際執行 bash，編輯文件，運行 git （1）使用 ollama 下載 GLM 的權重 > ollama pull huihui_ai/glm-4.7-flash-abliterated:q4_K （2）通過 ollama 將其代理到任何編碼代理 > ollama launch claude --model huihui_ai/glm-4.7-flash-abliterated:q4_K > ollama launch codex --model huihui_ai/glm-4.7-flash-abliterated:q4_K > ollama launch opencode --model huihui_ai/glm-4.7-flash-abliterated:q4_K （3）好好享受

claude code pro 每月費用為 $200 大多數開發者將其用作昂貴的自動完成功能 他們不知道的是： (1) 存在插件系統。GitHub 上有 4,961 個倉庫。官方的 anthropic 市場有 53 個插件。您可以使用 /plugin 安裝它們。 (2) ralph-wiggum 自動運行 claude 整整幾個小時。在睡前設置任務，早上查看結果。官方的 anthropic 插件。 (3) context7 將當前文檔注入 claude 的上下文中，這樣它就不會出現過時 API 的幻覺。只需一個命令：claude mcp add context7 (4) safety-net 在執行之前阻止破壞性命令（rm -rf、force push、DROP TABLE） (5) superpowers（52k 顆星）強迫 claude 在接觸代碼之前編寫規範和計劃。強制執行 TDD。每個任務後進行子代理代碼審查。 $200 的浪費與 $200 替代一名初級開發者之間的差異是 5 次插件安裝。