ARTEX 给的是一个能用的 Agent 前端:会话、工具调用、模型切换都是现成的。我接手时的想法很简单,把角色改成 CTF 用的几个,再补几条工具,应该就能跑题了。
跑通一道题确实不难。难的是同时开两条路线之后:附件属于哪一轮,脚本是谁写的,另一个 solver 还在不在跑,最后那句“已完成”又是按什么说的。界面上这些东西全糊在一起。
这不是模型能力问题,是工作台的问题——它没把 Agent 做过的事情留在别人能接的地方。下面记的是为了让这几件事有地方落,我改了哪些结构。
先交代来源。prtseek 基于 RuoJi6/ARTEX 二次开发,原始项目是 Autumn-27/ARTEX,继续用 AGPL-3.0,Go 模块路径也还留着 github.com/Autumn-27/artex。改动集中在 CTF 这个用法上:入口收窄、默认角色换掉,再补会话、协作、验证这几块。
默认的四个角色
triage、command、solver、writeup。名字就是字面意思:先看材料,再拆任务,然后干活,最后整理。
要花心思的是派发时那句任务描述。“研究一下这个压缩包”和“按校验文件验证候选,返回匹配项和校验记录”,给下一个人留下的空间完全不同。前一句它打开文件就开始解释,后一句它知道该在哪停下来核对。
也犯不上为了让四个角色都露脸而轮流说一遍话。材料齐、步骤明确的小题,一个 solver 直接做更快;确实有两条值得分开试的路线,再让 command 并行派。writeup 接在脚本和证据后面写,没验证的地方就空着——一旦把猜测写成定论,后面改回来很费劲。
execution 和 outcome
有个场景我想了很久:任务查完材料,发现缺附件,然后正常结束。界面该显示成功还是失败?只留一个 status,选哪边都少一半信息。
所以现在分开存。execution 记程序状态:跑完了、取消了、超时了。outcome 记目标进度:unverified、partial、blocked、verified。上面那个例子落下来是:
execution = completed
outcome = blocked
summary = 缺少题目要求的附件,暂时无法验证
读起来不矛盾:这一轮检查做完了,题还没解出来。
找到像 flag 的字符串也一样,先报 partial,真校验过再改。report_outcome 要求填验收条件、验证方式、证据和产物,至少让“成功”后面跟着点得开的东西。至于那份证据够不够说明答案对,还得看内容——程序查得到一个合法编号,不等于这些编号能说明问题。
会话目录
会话工作目录是这套流程里最实在的单位。附件有地方放,脚本有地方找,WRITEUP 也能挂回同一条记录。前端、SQLite 里的状态和磁盘上的文件得对得上,不然聊得再顺,过几天回来还是不知道哪个文件有用。
子任务有自己的会话和目录,继承父会话实际在用的模型配置。启动时任务文本里带上父会话的材料目录和根会话的题目目录,要求只读引用原材料、产物写进自己的目录。两个 solver 都生成 result.txt 时,至少不会默认落到同一个位置。
“只读”目前只是任务文本里的约定。目录分开不等于权限分开:没有 OS 级隔离,也没有一人一个容器。真要限制文件访问,得往下做到工具执行层,光靠目录名解决不了。
还欠着的
做完的和没做的都记一句。目录只读靠约定;writeup 的质量完全取决于上游证据,证据虚它写出来也虚;四个角色之外没有独立的复核角色,人工检查还是得在会话外面做。
这三条都不算新问题,只是这次没排上。真正改过的还是上面那几处,代码在下面。
相关代码
对应版本:c888078。
README.md— 项目定位、上游来源和部署方式server/ctf_execution.go— 子任务创建、父子关系与材料目录server/ctf_outcome.go— 目标报告结构与证据校验server/ctf_overview.go— 运行和目标状态的汇总