T3MP3ST 中文使用教程：授权红队 AI Agent 框架安装与 War Room 配置

elder-plinius/T3MP3ST 是一个多智能体授权红队框架：它把你本地已经装好的 AI 编程 Agent（Claude Code / Codex / Hermes）或离线模型（Ollama / LM Studio / vLLM）当作后端，配上 8 个操作员和 35+ 内置工具的 Arsenal，跑完 recon → exploit → report 完整链路。作者在 README 顶部专门有一个 ⚠️ Authorized use only 章节，明确了法律责任由使用者承担。本教程只覆盖安装、配置、验证三件事，不涉及任何具体攻击 payload、绕过技巧或反检测方法，所有内容以官方 README 与 docs/ 为准。

Step 1授权与合规前提

作者原文（README 「Authorized use only」章节）大意：只针对你拥有的、或有明确书面授权的系统运行 T3MP3ST；未经授权访问计算机、网络或数据在大多数司法辖区都违法；使用者对使用后果、遵守法律和 rules of engagement 负全部责任。原文最后一句：Get permission. Stay in scope. Don't be a menace.

在中国大陆，请同时确认符合：

• 《网络安全法》第 27 条——任何个人和组织不得从事非法侵入他人网络、干扰他人网络正常功能、窃取网络数据等危害网络安全的活动。
• 《刑法》第 285 条——非法侵入计算机信息系统罪、非法获取计算机信息系统数据罪、非法控制计算机信息系统罪。
• 《刑法》第 286 条——破坏计算机信息系统罪。

合规的场景（示例）：给自己的服务器做红队演练、约定了 SOW 的渗透测试项目、CTF 比赛与靶场、学术研究并附伦理审查。

Step 2安装 T3MP3ST（npm）

需要 Node.js 18+ 与 npm。从 GitHub 克隆并安装依赖：

git clone https://github.com/elder-plinius/T3MP3ST.git
cd T3MP3ST
npm install

安装完成后目录里已经具备启动 War Room 与 CLI 所需的全部代码。默认加载 35 个内置工具组成 Arsenal；需要更完整（83 个）时再打开 T3MP3ST_FULL_ARSENAL（下面会讲）。

Step 3启动 War Room

npm run server

浏览器访问 http://127.0.0.1:3333/ui/ 就是 War Room 界面。它同时启动了 HTTP API（例如 POST /api/mission/start、GET /api/mission/status）供脚本或 MCP 客户端调用。

Step 4配置 provider（keyless / API key / 离线三选一）

T3MP3ST 允许三种后端选择，根据你手里已有的资源挑一种即可。

方式 A —— keyless 接本地 AI 编程 Agent（最快，零成本）

如果你机器上已经装了 Claude Code、Codex 或 Hermes，直接在 War Room 的 Settings 里连接对应的本地 Agent，不需要任何 API key。作者原文：The AI coding agent already on your machine is the backbone. No API keys, no second bill, no gatekeeper.

方式 B —— API key 直连

不想通过本地 Agent，也可以直接给 T3MP3ST 一把 API key，跳过 Settings 里的连接步骤：

export OPENROUTER_API_KEY=...     # 或
export VENICE_API_KEY=...
export ANTHROPIC_API_KEY=...
export OPENAI_API_KEY=...
export XAI_API_KEY=...             # Grok Build（grok-build-0.1）—— xAI 编码模型，原生 tool-calling

方式 C —— 完全离线（Ollama / LM Studio / vLLM / llama.cpp）

如果需要在无外网环境跑（比如封闭内网靶场），把 provider 指向本地 OpenAI 兼容端点：

ollama serve && ollama pull llama3
export TEMPEST_LOCAL_BASE_URL=http://localhost:11434/api    # LM Studio 用 http://localhost:1234/v1
export TEMPEST_LOCAL_MODEL=llama3
npx tempest config                                          # 选 "Change default provider" → local

作者说明工具调用是基于文本驱动的，即使本地模型不支持原生 function-calling，Arsenal 依然可用。

Step 5验证安装与自报数据

T3MP3ST 的一个卖点是所有跑分都可重算。安装完成后先跑一次数据验证：

npm run verify-claims

它会从 bench/ 目录里已提交的 JSON 重算 README 中每一个 headline 数字，当前状态是 24/24 全绿。作者已发布的跑分：

• XBEN（XBOW 104 challenge suite，黑盒）：pass@1 平均 90.1%（Wilson-95 置信区间 86.2–92.9%），floor 91/104。XBOW 自报 85%，同一套件下 T3MP3ST 更高一档，作者提供了 committed artifact 供逐题复算。
• XBEN 白盒（单独报告，从不与黑盒混合）：pass@1 98.7%、best-ball 104/104。
• Cybench（40 道学术题 / Opus 4.8 / 无 hint）：23/40（58%）hint-free 单跑 pass@1；不是 pass@10 的最好一次。
• CVE-Zero（10 个 post-cutoff 2026 CVE、7 种语言、模型训练 cutoff 之后才公开）：单 Agent 8/10 精确到 file / line / CWE，10/10 找到；样本 n=10 是方向指标，不是最终排名。

需要注意的边界：这些跑分都是单 Agent ReAct 循环的结果，不是 8 个操作员的协同 swarm；作者在 README 里明确"the swarm is the part still earning its stripes"（swarm 端到端 exploitation 尚未 benchmark，仍不稳定）。verify-claims 只重算 graded verdict（判定通过/失败），不重放原始工具输出（出于操作员隐私剥离）。

框架组件速览（8 操作员与覆盖域）

作者按 MITRE ATT&CK / Cyber Kill Chain 组织了 8 个操作员。Recon 是已 benchmark 的 live tool-backed 引擎；Exploiter / Infiltrator / Exfiltrator / Ghost 也跑与 Recon 同款的真实 tool-backed ReAct 循环（用真实 exploit 工具，不是 stub），但作者说明当前 headline 跑分来自单 Agent 路径，8 个操作员协同的 swarm 与端到端 swarm exploitation 尚未 benchmark、仍不稳定：

作者的 What It Hunts 应用域表（README 原表，本教程只做翻译不做扩写；README 另有一份 Coverage by domain 表拆分了 Web / Code / CTF / Network / Supply chain / Identity 等 11 个 domain 与更细粒度的状态，详见 上游 README）：

FAQ

T3MP3ST 是什么？

多智能体授权红队框架，AGPL-3.0 开源，把已装的 AI 编程 Agent 或离线模型当后端，配 8 个操作员和 35+ 内置工具，跑 recon → exploit → report 链路。作者明确只用于合法授权的目标。

只能做合法测试吗？

是。必须是（1）你自有系统 / （2）有书面授权的目标 / （3）CTF 或专用靶场之一，任何未授权访问都可能违法。

怎么安装？

Node.js 18+，然后 git clone https://github.com/elder-plinius/T3MP3ST.git && cd T3MP3ST && npm install，最后 npm run server 打开 War Room（http://127.0.0.1:3333/ui/）。

能完全离线跑吗？

可以。ollama serve && ollama pull llama3 后设置 TEMPEST_LOCAL_BASE_URL 与 TEMPEST_LOCAL_MODEL，npx tempest config 选 local provider。也支持 LM Studio（http://localhost:1234/v1）、vLLM、llama.cpp 等 OpenAI 兼容端点。

跑分能自己重算吗？

可以。npm run verify-claims 从 bench/ 里已提交的 JSON 重算 24 个 headline，当前全绿。所有跑分基于单 Agent ReAct 循环，8 操作员协同尚未 benchmark。

会误伤没授权的目标吗？

默认开启 egress-scope containment：不在 mission target 及子域 / loopback / 私网范围内的公网主机会被拒绝（SCOPE DENIED）。这是相对裸跑工具更严格的默认，但护栏不能代替授权。

完整文档在哪里？

本教程只覆盖安装 / 配置 / 验证。作者原文 README 与 docs/ 目录才是权威源，特别是 github.com/elder-plinius/T3MP3ST、SCOPE_AND_AUTHORIZATION.md（授权模型与 scope 收据）、VERIFIED_PROVENANCE.md（发现如何变成工具证明而非模型断言）、INSTALL_MATRIX.md（macOS / Linux 就绪度表）、INTEGRITY_LEDGER.md（污染审计与撤回历史）。