[原创][开源]OpenSecurity：AI 驱动的多领域安全自动分析 Agent 平台-AI 助力安全-看雪安全社区

> 让 LLM 真正像一个"安全研究员团队"那样工作：会拆任务、会用 IDA Pro、会跑 Frida、会做 Web 渗透、会自我进化——而不是只会聊天。

仓库链接在最后。

## 一、为什么做这个项目

做安全分析的人都知道，一次完整的逆向或渗透任务里有大量重复性劳动：解包、反编译、字符串搜索、初轮壳检测……每换一个目标都要重新拼一遍命令、走一遍流程。研究员真正有价值的判断（这个函数是不是加密入口、这个跳转是不是关键点）反而被淹没在工具调用的琐事里。

OpenSecurity 做的事情很简单：**让 LLM 自主接管一次安全分析的全过程**——拿到目标文件，自己编排工具链（IDA Pro、Frida、apktool……），一步步推进，最后产出一份可验证的报告。不是停在"我建议你用 IDA 看看"，而是真的把 `idat` 启动起来、跑脚本、读输出、做推理、再决定下一步。

注意，这不是传统意义的自动化（写个脚本批量跑工具）。区别在于：传统自动化是固定流程，遇到意外只能走预定义的错误分支；OpenSecurity 是 LLM 实时推理，根据上一步的输出决定下一步做什么，遇到死路会自己换方向。

它和一般 AI 工具的区别：

- **真的会操作工具**：不是给建议，是自己启动 `idat` 跑 IDAPython 脚本、读 JSON 输出、做下一步推理
- **长会话不迷路**：上下文压缩后自动恢复关键状态（TASK_DIR、已识别的函数、已尝试的方向），分析能跑几个小时不中断
- **越用越强**：每次实战经验被蒸馏成可复用的脚本和知识库，下次遇到类似场景直接调用
- **多领域协同**：复合任务自动拆分（逆向 APK → 分析 native 加密 → 验证后端接口），分发给对应领域的专业 Agent，结果聚合到一份报告

后面整个项目的设计，都是在支撑这四个能力。

## 二、整体架构

整个平台构建在 <a href="elink@515K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6S2L8X3!0E0j5h3I4&6j5$3!0Q4x3V1k6G2M7r3g2F1j5$3!0V1k6b7`.`.">OpenCode</a> 之上（一个开源的 AI 编程 Agent 框架），在其之上做了一层安全分析专用的扩展：

```
.opencode/
├── agents/                          # 6 个 Agent 的主 prompt（LLM 的"工作守则"）
│   ├── security-coordinator.md      # 编排器：复合安全任务拆分 + 分发到专业 Agent
│   ├── binary-analysis.md           # 二进制逆向：算法还原、壳检测、漏洞挖掘
│   ├── mobile-analysis.md           # 移动端逆向：APK/IPA 反编译与 Java/Native 分析
│   ├── web-analysis.md              # Web 安全：URL/源码的漏洞审计与攻击链构造
│   ├── ai-security-analysis.md      # AI 应用安全：LLM 应用的提示注入与越狱
│   └── security-analysis-evolve.md  # 自我进化：从实战复盘中沉淀脚本与知识库
├── agents-rules/                    # 跨 Agent 共享的 prompt 片段（Plugin 自动展开）
├── plugins/
│   └── security-analysis.ts         # Plugin（TypeScript）：上下文持久化、session 管理
├── binary-analysis/                 # 二进制 Agent 的工具脚本 + 知识库
├── mobile-analysis/                 # 移动端 Agent 的工具脚本 + 知识库
├── web-analysis/                    # Web Agent 的工具脚本 + 知识库
├── ai-security-analysis/            # AI 安全 Agent 的工具脚本 + 知识库
└── commands/                        # 自定义斜杠命令
```

### 设计理念：编排器 + 工具 + 知识库 三层分离

| 层 | 内容 | 谁负责 |
|----|------|--------|
| **AI 编排层** | Agent prompt（何时调用什么工具、如何推理） | LLM |
| **工具层** | Python/Bash 脚本（query.py、update.py、initial_analysis.py...） | 工程师维护 |
| **知识库层** | 按需加载的 Markdown（壳处理策略、Unicorn 模板、Frida 速查...） | evolve Agent 持续沉淀 |

**关键决策**：LLM 不直接操作 GUI。例如，所有 IDA 操作都走 `idat -A -S<script>` headless 模式 + IDAPython 脚本。这让 AI 能稳定复现分析过程，而不依赖鼠标点击的时序。

## 三、六个 Agent 各自做什么

### 1. `security-coordinator` — 任务编排器

用户给的复合任务（比如"逆向这个 APK，分析它的网络通信加密算法，再用 Web 端的接口验证一下"）会被自动拆分：

```
用户: "分析这个 APK 的加密协议，对照它的后端接口验证"
        │
        ├─ #1 mobile-analysis  → 反编译 APK，定位 native 加密函数
        ├─ #2 binary-analysis  → 逆向 .so，还原加密算法（依赖 #1）
        └─ #3 web-analysis     → 调后端接口验证算法输出（依赖 #2）
```

Coordinator 通过 Task 工具分发子任务，每个子任务由对应的专业 Agent 在独立 session 中执行，结果聚合到父任务目录下。

### 2. `binary-analysis` — 二进制逆向

这是最成熟的一个 Agent。它的工作循环是：

```
阶段 A: initial_analysis.py → 拿到段/入口点/导入/字符串/壳检测/场景分类
阶段 B: 读取 analysis-planning.md → 根据场景（CTF/壳/驱动/算法）选方案
阶段 C: 循环执行 → query.py（13 种查询）/ update.py（4 种更新）/ 自定义脚本
阶段 D: verification-patterns.md → 验证结论（Hook/Unicorn/GUI 自动化）
```

工具脚本采用分层架构，避免重复造轮子：

```
_base.py      →  日志、JSON 输出、headless 入口、auto_wait/qexit
   ↑
_utils.py     →  thunk 追踪、地址解析、数据读取
   ↑
_analysis.py  →  段、入口点、导入、字符串、壳检测、场景分类
   ↑
query.py / update.py / scripts/*.py
```

**13 种查询类型** 覆盖逆向常用操作：`decompile`、`xrefs_to`、`xrefs_from`、`packer_detect`、`read_data`（支持 `auto/string/bytes/pointer` 四种模式）……

### 3. `mobile-analysis` — 移动端逆向

针对 APK/IPA 设计了独立路径：

- **APK**：apktool 解包 → jadx 反编译 → AndroidManifest 分析 → 列出 native 库 → 需要时调 binary-analysis 处理 `.so`
- **IPA**：unzip → 定位主二进制 → otool/nm 分析 → 需要时调 binary-analysis 处理 Mach-O

支持真机交互：通过 adb 启动应用、Frida Hook Java/Native 方法、内存 dump DEX。

### 4. `web-analysis` — Web 安全

覆盖三种分析模式：

| 模式 | 触发条件 | 工具链 |
|------|---------|--------|
| 白盒 | 提供源码目录 | 框架识别 → 源码审计 → 漏洞定位 |
| 黑盒 | 提供 URL | HTTP 探测 → 攻击面枚举 → 注入测试 |
| 灰盒 | 源码 + URL | 源码引导的黑盒验证 |

知识库里有专门的 **Web Cache Poisoning 专题**、**框架安全速查**（Django/Flask/Laravel/Express 常见配置缺陷）。

### 5. `ai-security-analysis` — AI 应用安全

针对 LLM 应用（ChatGPT-like 服务、AI Agent、RAG 系统）的攻击面：

- **应用层**：提示注入（直接/间接/RAG 投毒）、越狱（角色扮演/编码绕过/多轮诱导）
- **模型层**：通过 LLM API 客户端批量测试对抗性输入，识别 system prompt 泄露、数据回流

工具链包括 LLM 模拟器（白盒测试时模拟目标模型）、Playwright 浏览器自动化（黑盒测试时驱动 Web UI）。

### 6. `security-analysis-evolve` — 自我进化

**这是整个平台最"反常识"的设计**：让 AI 自己改进这个平台。

工作流程：

```
1. 复盘近期分析任务（读 timeline.log、报告、失败记录）
2. 识别高价值改进点（某个反复踩的坑、某个重复构造的脚本）
3. 提出 candidate（新增脚本 / 修改知识库 / 调整 prompt）
4. 与用户讨论确认（不能私自修改）
5. 按质量流程实施（先测试、再合并、记录变更）
```

这让平台**越用越强**：每次实战中发现的模式，会沉淀成可复用的脚本或知识库条目，下次遇到类似场景直接调用。

## 四、Plugin：让 Agent 在长会话中"不迷路"

`security-analysis.ts` 是整个平台的"操作系统"。它解决了一个 OpenCode 生态里很现实的问题——**LLM 的上下文窗口是有限的，但安全分析动辄几小时、几十轮工具调用**。

Plugin 的核心机制：

### 1. 环境变量注入

每次 LLM 请求前，Plugin 通过 `experimental.chat.system.transform` hook 把关键运行时变量注入 system prompt：

```
## 全局环境和目录位置信息
- $OPENCODE_ROOT = /Users/.../.opencode
- $AGENT_DIR     = /Users/.../.opencode/binary-analysis
- $SHARED_DIR    = /Users/.../.opencode/binary-analysis
- $PYTHON_CMD    = /Users/.../bw-security-analysis/.venv/bin/python
- IDA Pro        = /Applications/IDA Pro 8.4/idat
- 编译器         = clang (/usr/bin/clang)
- Python 包      = capstone@5.0.3, unicorn@2.1.3, frida@17.2.1, ...
```

Agent 在 prompt 里看到 `$PYTHON_CMD` 就能直接拼出完整命令，不需要猜路径。

### 2. 上下文压缩自愈

OpenCode 在上下文接近窗口上限时会自动压缩历史。但安全分析的中间状态（IDA 数据库路径、已识别的函数地址、已尝试的失败方向）一旦丢失，整个分析就废了。

Plugin 通过 `experimental.session.compacting` hook，在压缩发生**之前**强制注入：

- **环境信息摘要**（变量路径）
- **分析状态保留清单**（已完成的分析、已识别的函数、当前阶段、失败记录）
- **TASK_DIR**（通过 sessionID → 文件映射恢复，不依赖上下文）

压缩后 LLM 收到的提示是：

> 上下文刚被压缩。继续分析前必须：1. 重新读取 agent prompt 获取完整规则；2. 恢复 $OPENCODE_ROOT、$TASK_DIR 等关键变量。

### 3. 分析持续性恢复

安全分析中常见的失败模式：LLM 输出一段报告后判断"已完成"，停下来等用户。但用户可能在睡觉、在开会、在写别的代码——分析就这么挂在那。

Plugin 监听 `session.idle` 事件，当主 session 空闲且任务目录存在时，自动发送恢复消息：

> 你之前的分析是否已经完成了？如果已经完成，请直接输出最终结论。如果尚未完成，请自主继续分析，不要停下来向用户提问。

配合 `.persistence.json` 控制最大持续时间（默认 6 小时），避免无限恢复。

### 4. 占位符展开

Agent prompt 里大量使用 `{{buwai-rule:片段名}}` 引用共享片段：

```markdown
## 运行环境
{{buwai-rule:running-environment}}

## 阶段 0：任务初始化（强制）
{{buwai-rule:task-initialization}}
```

Plugin 在 system.transform 阶段把占位符替换为 `agents-rules/<name>.md` 的实际内容。修改共享规则只需改一个文件，所有 Agent 同步生效。带 mtime 缓存，文件改完下次调用立即生效。

### 5. 工具拦截与命令注入

`tool.execute.before` hook 做两件事：

- **拦截未初始化的命令**：`config.json` 不存在时，只放行 `create_task_dir`/`detect_env` 等初始化命令，其他全部拦截并提示用户先跑环境检测
- **注入环境变量**：每次 bash 命令前缀 `SESSION_ID=... AGENT_NAME=...`，让 Python 脚本能识别当前 session（用于日志路由、task 目录映射）

## 五、几个"反直觉"但关键的设计

### 1. 禁止"作弊式验证"

> 绝对禁止用自己重实现代码验证自己重实现的结果。

逆向出一个加密算法后，很容易陷入自欺欺人：用 Python 重写算法 → 用重写后的代码算 license → 算出来 → "我成功了！"。但如果重写本身就错了，验证就是错的。

正确的验证路径（决策树）：

```
能否定位到验证函数？
├─ 能 → 函数纯计算吗？
│       ├─ 是 → Unicorn 模拟原函数（直接跑原始字节码）
│       └─ 否 → Hook 注入参数 + Hook 读返回值
└─ 不能 → 程序类型？
          ├─ 命令行 → subprocess 传参，读 stdout/退出码
          ├─ DLL → ctypes 加载，调导出函数
          └─ GUI → 视觉驱动自动化（截图 → MCP 定位 → 键鼠）
```

### 2. "找关键点，不逆向机制"

逆向新手最大的陷阱是"我把这个函数从头到尾读懂"。实际上 90% 的场景只需要找到：

- 关键调用（哪个函数做加密/校验）
- 关键值（正确的 license / key 是什么）
- 关键跳转（哪个 `jnz` 决定成功失败）

**绕过优先于逆向**。除非用户明确要求分析保护机制本身，否则寻找最短绕过路径：Patch 跳转 > Hook 返回值 > 完整理解算法。

### 3. 事实 vs 推测分离

每条结论都必须标注来源：

- **事实**：来自 IDA 数据库的字节码、反编译输出、工具的直接输出
- **推测**：AI 的推理（"这个函数看起来像 MD5"），必须标注置信度

低置信度的推测**不允许直接报告**，必须继续验证。

### 4. 单向依赖

工具与知识库的依赖是单向的：

```
mobile-analysis ─┐
web-analysis ────┼──→ binary-analysis（$SHARED_DIR）
ai-security ─────┘
```

`binary-analysis/` 是基础设施层，其他三个领域可以复用它的脚本和知识库，但反过来不行。这避免了循环依赖和知识库污染。

## 六、一次真实的分析长什么样

以一个 CTF reverse 题为例（实际任务目录会持久化所有中间产物）：

```
~/bw-security-analysis/workspace/<task_id>/
├── task.json                 # 任务元信息（目标文件、需求、agent）
├── initial.json              # 阶段 A 输出（segments/imports/strings/packer_detect）
├── initial.log               # idat 日志
├── decompiled/
│   ├── sub_401000.c          # 反编译输出
│   └── sub_4023F0.c
├── screenshots/              # GUI 自动化的截图
│   ├── 01_launch.png
│   ├── 02_input.png
│   └── 03_result.png
├── solve.py                  # 求解脚本（Unicorn 模拟验证函数）
├── report.md                 # 最终报告（含执行统计、置信度标注）
└── logs/
    ├── plugin.log            # Plugin 行为日志
    └── timeline.log          # 工具调用时间线（每个工具的耗时）
```

用户只需要丢一句话：

> 帮我逆向 /Users/me/Downloads/crackme.exe，找出正确的 license

然后去喝杯咖啡，回来看 `report.md`。

## 七、工程化细节

### 数据与代码分离

- **代码**：`.opencode/` 目录，git 管理
- **数据**：`~/bw-security-analysis/`，gitignore，包含 venv、config、workspace、logs

### Python 虚拟环境自动管理

Plugin 加载时确保 `~/bw-security-analysis/.venv` 存在且可用，失败则整个 Plugin 加载失败。所有 Agent 用同一个 `$PYTHON_CMD`，避免依赖漂移。

### 工具脚本沉淀机制

每次实战中如果生成了可复用的脚本（比如"针对 VMProtect 3.x 的 OEP 定位"），evolve Agent 会把它沉淀到 `scripts/` 并注册到 `registry.json`。下次遇到类似场景，Agent 直接调用沉淀脚本而不是从头构造。

### IDAPython 编码规范

为了 AI 生成的脚本可维护，制定了严格的 IDAPython 编码规范：

- 使用 `from _base import run_headless, log, ...` 导入公共模块
- headless 入口在模块级执行（不在 `if __name__` 内）
- 禁止 `import idc`、`import idaapi`、`from ida_xxx import yyy`（统一走 `_base` 封装）
- 字符串使用双引号、日志使用中文、必须调用 `auto_wait()` 和 `qexit()`

## 八、目前的状态与限制

**已稳定可用的领域**：
- 二进制逆向（IDA Pro headless，最成熟）
- Web 安全（黑白盒审计）
- 移动端逆向（APK，IPA 路径稍弱）

**需要持续打磨的**：
- AI 安全分析（LLM 攻击方法论还在沉淀）
- GUI 自动化（依赖目标程序的控件可访问性）
- Windows 内核驱动分析（需要双机调试环境）

**依赖的外部工具**：
- IDA Pro（商业软件，必须配置 `ida_path`）
- Frida、apktool、jadx（开源，自动检测）
- Playwright（Web/AI Agent 用）

## 九、适合谁用

- **CTF 选手**：reverse/pwn/web 题目的快速求解
- **漏洞挖掘研究员**：批量分析样本、定位关键函数
- **移动安全工程师**：APK/IPA 自动化审计
- **AI 安全研究者**：LLM 应用的攻击面探索
- **Agent 框架开发者**：参考"如何让 LLM 真正操作专业工具链"的工程实践

## 十、写在最后

OpenSecurity 不是一个"AI 替代安全研究员"的项目——优秀的分析仍然需要人的判断和经验。

它做的是**把研究员从重复性劳动中解放出来**：让 AI 跑那些本来就该脚本化的步骤（解包、反编译、字符串搜索、初轮壳检测），让人专注于策略决策和结果验证。

如果你对项目的某个部分感兴趣（Plugin 机制、某个 Agent 的实现、工具脚本的设计），欢迎在对应目录下深入阅读。每个 Agent 的 prompt 都附带了详细的 `knowledge-base/` 文档，按需加载、不堆砌上下文。

### 参与建设

这个平台的核心价值在于**知识蒸馏**——把安全研究员在实战中积累的隐性经验（脱壳套路、算法识别技巧、漏洞利用模式），提炼成可复用的脚本和知识库文档。你贡献的每一次分析经验，都会被蒸馏成所有人共享的资产，让平台越用越强。

- 想贡献代码或文档？看 <a href="elink@a01K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6*7P5h3I4U0x3K6j5&6i4K6u0r3e0%4m8W2L8W2y4W2j5%4g2J5K9i4c8&6i4K6u0r3j5X3I4G2j5W2)9J5c8X3#2S2K9h3&6Q4x3V1k6o6e0@1&6f1f1V1W2n7g2g2c8u0e0V1N6Q4x3X3g2E0k6l9`.`.">CONTRIBUTING.md</a>
- 想找任务认领？看 <a href="elink@1c3K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6*7P5h3I4U0x3K6j5&6i4K6u0r3e0%4m8W2L8W2y4W2j5%4g2J5K9i4c8&6i4K6u0r3j5X3I4G2j5W2)9J5c8X3#2S2K9h3&6Q4x3V1k6V1L8$3y4K6i4K6u0r3f1V1!0m8c8p5#2m8f1q4)9J5k6h3#2V1">Roadmap</a> 的 v1.0 方向，或浏览 <a href="elink@5bbK9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6*7P5h3I4U0x3K6j5&6i4K6u0r3e0%4m8W2L8W2y4W2j5%4g2J5K9i4c8&6i4K6u0r3K9i4y4K6N6h3g2K6">Issues</a>
- 有想法想讨论？去 <a href="elink@bf9K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6*7P5h3I4U0x3K6j5&6i4K6u0r3e0%4m8W2L8W2y4W2j5%4g2J5K9i4c8&6i4K6u0r3k6r3W2K6j5%4g2K6M7$3W2G2L8Y4x3`.">Discussions</a> 开帖
- 发现了 bug？<a href="elink@566K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6*7P5h3I4U0x3K6j5&6i4K6u0r3e0%4m8W2L8W2y4W2j5%4g2J5K9i4c8&6i4K6u0r3K9i4y4K6N6h3g2K6i4K6u0r3L8X3g2%4i4K6u0r3j5$3S2G2L8%4y4W2">提 Issue</a>，选 Bug 报告模板

---

**延伸阅读**：
- Plugin 开发实战：`.opencode/binary-analysis/knowledge-base/opencode-plugin-development-guide.md`
- Hook 时序与陷阱：`.opencode/binary-analysis/knowledge-base/opencode-plugin-hooks-lifecycle.md`
- Agent 文件格式规范：`.opencode/binary-analysis/knowledge-base/opencode-agent-format.md`

---

**项目地址**：<a href="elink@bdaK9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6*7P5h3I4U0x3K6j5&6i4K6u0r3e0%4m8W2L8W2y4W2j5%4g2J5K9i4c8&6"><mark class="encrypted">84bK9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6*7P5h3I4U0x3K6j5&6i4K6u0r3e0%4m8W2L8W2y4W2j5%4g2J5K9i4c8&6</mark></a>

回复或点赞可查看完整内容

传递专业知识、拓宽行业人脉——看雪讲师团队等你加入！！

最后于 2026-6-14 18:44 被不歪编辑，原因：

最新回复 (107) 1 2 3 4 5 ▶
wx_插曲雪币： 411 活跃值： (881) 能力值： ( LV2，RANK：10 ) 在线值：发帖 2 回帖 317 粉丝 24 关注私信	wx_插曲 2 楼 66 2026-6-14 21:01 0
mb_mvcwdzfh 雪币： 10 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 6 粉丝 0 关注私信	mb_mvcwdzfh 3 楼 666 2026-6-15 12:13 0
Elizabeth_262001 雪币： 0 活跃值： (190) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 6 粉丝 0 关注私信	Elizabeth_262001 4 楼 6666 2026-6-15 14:00 0
LJCworld 雪币： 4 活跃值： (215) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 7 粉丝 0 关注私信	LJCworld 5 楼感谢分享 2026-6-15 14:12 0
Snowman_Liam 雪币： 4 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 138 粉丝 1 关注私信	Snowman_Liam 6 楼 66666 2026-6-15 14:19 0
fengyunabc 雪币： 5378 活跃值： (6182) 能力值： ( LV4，RANK：50 ) 在线值：发帖 11 回帖 632 粉丝 27 关注私信	fengyunabc 1 7 楼感谢分享。 2026-6-15 14:50 0
lionnnn 雪币： 5180 活跃值： (3055) 能力值： ( LV2，RANK：10 ) 在线值：发帖 11 回帖 251 粉丝 2 关注私信	lionnnn 8 楼有windows下详细的如何配置和使用的文档吗？ 2026-6-16 13:13 0
lookaside 雪币： 84 活跃值： (4083) 能力值： ( LV2，RANK：10 ) 在线值：发帖 1 回帖 85 粉丝 0 关注私信	lookaside 9 楼 6666 2026-6-16 19:54 0
星雨雪币： 302 活跃值： (649) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 15 粉丝 0 关注私信	星雨 10 楼感谢分享 2026-6-16 20:17 0
merryfish 雪币： 437 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 22 粉丝 0 关注私信	merryfish 11 楼 cool 2026-6-16 20:21 0
inwelove 雪币： 0 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 7 粉丝 0 关注私信	inwelove 12 楼 6666666666 2026-6-16 23:29 0
xautzbl 雪币： 5 活跃值： (716) 能力值： ( LV2，RANK：10 ) 在线值：发帖 1 回帖 64 粉丝 1 关注私信	xautzbl 13 楼 666 2026-6-17 10:08 0
皮皮驴雪币： 3894 活跃值： (2440) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 109 粉丝 1 关注私信	皮皮驴 14 楼 666 2026-6-17 13:59 0
刘宝雪币： 977 活跃值： (985) 能力值： ( LV3，RANK：30 ) 在线值：发帖 6 回帖 18 粉丝 12 关注私信	刘宝 15 楼用了一下，感觉还不错，但有的时候卡到一个点上他就不会再分子任务了，长期使用主任务进行分析 2026-6-17 15:11 0
拍拖雪币： 2790 活跃值： (7006) 能力值： ( LV6，RANK：90 ) 在线值：发帖 22 回帖 425 粉丝 15 关注私信	拍拖 2 16 楼感谢分享！ 2026-6-18 03:18 0
mb_stcagoqh 雪币： 0 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 5 粉丝 0 关注私信	mb_stcagoqh 17 楼 666 2026-6-18 14:57 0
随风而行aa 雪币： 7767 活跃值： (25149) 能力值： ( LV12，RANK：550 ) 在线值：发帖 39 回帖 423 粉丝 1585 关注私信	随风而行aa 10 18 楼看看 2026-6-18 15:01 0
莫灰灰雪币： 2718 活跃值： (2790) 能力值： (RANK：400 ) 在线值：发帖 22 回帖 719 粉丝 55 关注私信	莫灰灰 9 19 楼学习一波 2026-6-22 11:45 0
海带雪币： 427 活跃值： (2115) 能力值： ( LV2，RANK：10 ) 在线值：发帖 1 回帖 83 粉丝 11 关注私信	海带 20 楼学习 2026-6-23 10:26 0
Chenz_822 雪币： 210 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 1 粉丝 0 关注私信	Chenz_822 21 楼 xx 2026-6-23 11:23 0
wx-LL- 雪币： 219 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 28 粉丝 0 关注私信	wx-LL- 22 楼学习一波 2026-6-23 14:09 0
一阿空一雪币： 219 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 1 粉丝 0 关注私信	一阿空一 23 楼链接到工作目录后opencode直接无法对话 2026-6-24 16:00 0
蜜蜂啊雪币： 600 活跃值： (3743) 能力值： ( LV4，RANK：42 ) 在线值：发帖 0 回帖 112 粉丝 1 关注私信	蜜蜂啊 24 楼谢谢分享 2026-6-25 09:14 0
CyberFighter 雪币： 200 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 14 粉丝 0 关注私信	CyberFighter 25 楼 6666 2026-6-25 10:37 0
	游客登录 \| 注册方可回帖回帖表情雪币赚取及消费高级回复