Copilot Chat 参与者

概述

扩展在 GitHub Copilot Chat 中注册了一个 Chat Participant（@weapon）。用户在 Copilot Chat 面板中输入 @weapon 即可获得上下文感知的渗透测试辅助。参与者从 Context 读取渗透状态（主机、凭证），构建包含此上下文和用户查询的提示词。

受 weaponized.ai.enabled（默认 true）控制。需要 GitHub Copilot。

---

注册

src/features/ai/index.ts 中的 registerAIFeatures() 创建参与者：

• 参与者 ID：weapon.chat
• 处理器：weaponChatHandler — 接收请求，构建上下文增强的提示词，流式输出响应
• 后续建议提供者：基于刚使用的命令建议相关的下一步操作
• 图标：images/icon.png

在激活序列中通过 try/catch 注册 — 失败不会阻塞其他子系统。

---

命令

用户通过 @weapon /command 调用命令：

命令	用途	行为
/analyze	分析工具输出	让 LLM 从粘贴的输出中提取发现、下一步和命令
/suggest	建议下一步	让 LLM 基于当前渗透状态给出 3-5 个优先操作
/generate	生成命令	让 LLM 输出使用 $TARGET、$RHOST 等变量的精确命令
/explain	解释概念	让 LLM 在渗透测试上下文中解释工具、技术或概念
/report	渗透概要	直接渲染主机和凭证的 Markdown 表格（无 LLM 调用）
（默认）	自由聊天	将用户查询与渗透上下文一起传给 LLM

---

提示词构建

每个请求构建一个消息数组：

1. 系统提示词 — 角色定义、可用工具、指南（来自 prompts/systemPrompt.ts）
2. 渗透上下文 — 当前主机和凭证，由 prompts/hostContext.ts 和 prompts/userContext.ts 格式化
3. 引用内容 — 用户通过 #file 或 #selection 附加的文件或位置
4. 任务提示词 — 命令特定的指令 + 用户查询

LLM 通过 vscode.lm.selectChatModels({ vendor: "copilot", family: "gpt-4o" }) 选择。响应以逐块流式传输到聊天面板。

---

安全性

• 凭证脱敏：AIService.redactCredentials() 在发送到 LLM 前将密码和 NT 哈希替换为 [REDACTED]
• 上下文元数据：主机/用户上下文包含结构（hostname、IP、login），但 buildUserContext 仅显示认证类型（"password" / "NT hash"），不显示实际值
• 无工具执行：参与者仅生成文本 — 不运行命令。用户必须自行复制和执行

---

后续建议流程

每个命令执行后，后续建议提供者建议逻辑上的下一步：

• /analyze 之后 → "建议下一步" 或 "生成命令"
• /suggest 之后 → "生成第一个建议的命令"
• /generate 之后 → "详细解释此命令的作用"

---

文件结构

src/features/ai/
  index.ts              — registerAIFeatures() 入口点
  participant.ts        — 聊天处理器、命令路由、LLM 交互
  service.ts            — AIService：状态访问 + 凭证脱敏
  prompts/
    systemPrompt.ts     — 基础系统提示词文本
    hostContext.ts       — 将主机格式化为上下文字符串
    userContext.ts       — 将凭证格式化为上下文字符串（已脱敏）