1. 项目概述：当AI特工遇上Google Dork

如果你在渗透测试或者漏洞赏金猎人的圈子里混过一段时间，那你对“Google Dorking”这个词一定不会陌生。简单来说，它就是利用Google搜索引擎的高级搜索语法，去挖掘那些被无意间暴露在公网上的敏感信息、后台登录入口、配置文件，甚至是数据库文件。这活儿听起来挺酷，但做起来其实挺磨人的：你得脑子里装着一大堆晦涩的搜索语法，手动构造查询，然后在一堆结果里大海捞针，判断哪些是真正有价值的“肥肉”。

我干了这么多年安全测试，手动Dorking的苦可没少吃。效率低、容易遗漏、重复劳动，而且对新手极不友好。直到我看到 yee-yore/DorkAgent 这个项目，它直接把“AI智能体”和“自动化Google Dorking”这两个概念焊在了一起，让我眼前一亮。这本质上是一个用大语言模型驱动的智能代理，专门帮你自动化完成从目标分析、Dork生成、搜索执行到结果初筛的全过程。它不是一个简单的脚本合集，而是一个具备一定“思考”能力的协作系统。

这个工具的核心价值在于，它把安全研究员从繁琐、重复的搜索工作中解放出来，让我们能把精力集中在更高阶的漏洞分析和利用上。无论是针对一个具体的公司进行外部资产侦察，还是寻找某一类广泛存在的漏洞（比如暴露的 .env 文件或管理后台），DorkAgent都能作为一个不知疲倦的初级分析员，7x24小时地帮你打下手。接下来，我就结合自己实际的部署和使用经验，把这个项目的里里外外、怎么用、怎么调、有哪些坑，给你掰开揉碎了讲清楚。

2. 核心架构与工作原理拆解

要玩转DorkAgent，不能只停留在“输入命令等结果”的层面。理解它内部是怎么“想事儿”和“干活儿”的，你才能用得顺手，甚至在它“犯傻”的时候知道该怎么纠正它。它的核心架构可以概括为“一个框架，两类代理，协同作业”。

2.1 底层框架：CrewAI的协作舞台

DorkAgent并非从零造轮子，它的智能体协作能力建立在 CrewAI 框架之上。你可以把CrewAI想象成一个项目协调中心或者一个微型公司。在这个“公司”里，你定义好不同的“岗位”（智能体），给每个岗位分配明确的“职责说明书”（角色、目标、工具），然后下达“项目任务”（任务）。CrewAI框架会负责让这些智能体之间进行沟通、传递上下文，并有序地执行任务链。

选择CrewAI而不是让一个LLM从头干到尾，是项目设计上的一个精明之处。单一的LLM在处理复杂、多步骤的任务时，容易遗忘上下文或混淆指令。而通过CrewAI将工作拆解，让不同的智能体各司其职，就像让一个团队里的策略师、侦察兵和分析师协同工作，不仅稳定性更高，输出的结果也更具结构性和可解释性。DorkAgent目前主要定义了两个核心的智能体角色，构成了其工作的主流程。

2.2 双智能体协作流程

整个自动化Dorking的流水线，主要由两个智能体接力完成：

智能体A：侦察与策略生成器 这个智能体是流程的起点，它的核心职责是“理解目标并制定攻击方案”。当你输入一个目标（比如一个域名 example.com ，或一个模糊的需求 “寻找暴露的 Jenkins 服务器”）后，该智能体会进行以下思考：

1. 目标分析 ：判断输入是具体的域名、IP段，还是一个泛泛的技术概念。
2. Dork策略生成 ：基于其内置的漏洞赏金知识库（项目引用了 TakSec/google-dorks-bug-bounty 这类资源），结合当前目标，生成一系列具体、可执行的Google Dork查询语句。例如，对于 example.com ，它可能会生成 site:example.com intitle:"index of" "parent directory" 这类用于目录遍历的Dork。
3. 任务规划 ：它将生成的Dork列表，作为下一步的具体任务，传递给下一个智能体。

注意 ：这个智能体的表现高度依赖于背后LLM的能力。一个强大的LLM（如GPT-4）能生成更精准、更多样化的Dork，甚至能结合最新的漏洞趋势。而一个能力较弱的模型，可能只会输出一些通用、过时的查询，直接影响后续的侦察效果。

智能体B：搜索执行与初步分析员 这个智能体是“实干派”，负责执行具体的网络操作和初步过滤。

1. 执行搜索 ：它调用集成的 Serper API ，将上游传来的Dork查询语句，实际发送到搜索引擎，并取回结果。这里避免了直接使用Google官方API的复杂度，Serper API是一个专门用于爬取Google搜索结果的第三方服务。
2. 结果初筛与格式化 ：它不会把原始HTML或JSON数据直接丢给你。相反，它会阅读返回的搜索结果摘要和链接，利用LLM的理解能力，对结果进行初步的“肥瘦”判断。它会剔除明显无关的广告、新闻页面，并尝试从摘要中提取出可能表明漏洞存在的关键信息（如页面标题包含“login”、“admin”、“config”等）。
3. 生成报告 ：最后，它将初步筛选后的结果，以结构化的方式（通常是Markdown或文本文件）整理成一份侦察报告，包括目标、使用的Dork、发现的潜在脆弱URL及其简要理由。

这个“策略-执行”的管道模式，是DorkAgent高效工作的关键。它模拟了资深研究员的手动工作流程：先思考“用什么方法找”，再去“执行搜索并看结果”，只不过现在这两个步骤都由AI代劳了。

3. 环境部署与关键配置详解

理论懂了，手痒想试试了？别急，工欲善其事，必先利其器。DorkAgent的部署本身不复杂，但有几个关键配置点如果没搞对，要么跑不起来，要么效果大打折扣。

3.1 基础环境搭建

首先，把代码拉下来，这是标准动作：

git clone https://github.com/yee-yore/DorkAgent.git
cd DorkAgent

项目的一个贴心之处是首次运行时的 自动依赖安装 。当你直接运行 python dorkagent.py 时，它会检查并自动安装 requirements.txt 里的包。这个设计对新手非常友好，避免了“缺这少那”的报错折磨。但我强烈建议，在自动安装前，最好手动创建一个独立的Python虚拟环境，避免污染你的全局包管理。

# 使用 venv (Python 3.3+)
python -m venv .venv
# 激活虚拟环境
# Linux/Mac
source .venv/bin/activate
# Windows
.venv\Scripts\activate

激活虚拟环境后，再运行主程序，让依赖安装在这个隔离的环境里。

3.2 API密钥配置：项目的生命线

程序启动后，它会引导你输入必需的API密钥，并自动保存到 .env 文件。这是整个项目的核心依赖，务必正确配置。

1. Serper API Key (必需) ：这是DorkAgent的“眼睛”。没有它，智能体就无法执行实际的搜索。你需要前往 serper.dev 注册一个账号。他们提供免费的套餐，通常每月有足够的额度供个人学习和轻度使用。获取API Key后，将其填入提示中。这是 绝对必须 的。

2. LLM API Key (至少一个) ：这是DorkAgent的“大脑”。你需要至少提供以下一个服务的API Key：

   • OPENAI_API_KEY ：用于OpenAI系列模型（如GPT-4o）。功能强大但通常有成本。
   • ANTHROPIC_API_KEY ：用于Claude系列模型（如Claude 3）。在长上下文和逻辑推理上表现优异。
   • GEMINI_API_KEY ：用于Google的Gemini模型。项目特别提到了Gemini Flash 2.0，认为其“免费且目前性价比最佳”。对于想零成本体验的用户，这是首选。

实操心得 ：我建议新手先从 Gemini API 开始。在Google AI Studio可以比较容易地获取免费额度，足够你完成多次完整的侦察任务。对于深度使用，可以同时配置多个Key。DorkAgent支持“混合LLM”模式，你可以在运行时选择让不同的智能体使用不同的模型，例如让策略生成器用更强的GPT-4，让执行分析员用更经济的Gemini Flash，以达到效果和成本的平衡。

3.3 核心参数调优指南

按照默认配置，DorkAgent已经可以工作。但如果你想让它更贴合你的需求，有几个隐藏参数值得你深入调整。这些修改需要你直接编辑源代码文件。

3.3.1 控制搜索结果的广度与深度 默认情况下，每次搜索只返回10条结果。在漏洞猎人的世界里，排名第十的结果之后，往往还藏着“宝藏”。你可以修改这个数量。 你需要找到CrewAI工具库中的 serper_dev_tool.py 文件。它通常位于你的虚拟环境目录下，例如： .venv/lib/python3.x/site-packages/crewai_tools/tools/serper_dev_tool/serper_dev_tool.py 。 在这个文件中，找到 SerperDevTool 类，你会看到类似下面的代码：

class SerperDevTool(BaseTool):
    ...
    n_results: int = 10 # min: 10, max: 100
    ...

将 n_results 的值修改为 20 、 50 甚至 100 （Serper API允许的最大值）。 请注意 ：增加结果数会消耗更多的Serper API额度，并且可能增加单次搜索的响应时间。对于广撒网式的侦察（如搜索一个通用漏洞），可以调高；对于精准目标，10条可能已足够。

3.3.2 锁定信息的新鲜度 漏洞情报具有极强的时效性。上周还能访问的暴露日志，这周可能就被修复了。DorkAgent允许你限定搜索结果的发布时间。 在同一个 serper_dev_tool.py 文件中，找到 _make_api_request 方法，你会看到 payload 的构建：

payload = json.dumps({"q": search_query, "num": self.n_results, "tbs": "qdr:m"})

这里的 "tbs": "qdr:m" 就是时间过滤器。 qdr:m 表示“过去一个月内”。你可以根据需求修改它：

• "qdr:d" ：过去24小时
• "qdr:w" ：过去一周
• "qdr:m" ：过去一个月
• "qdr:y" ：过去一年
• 删除 "tbs" 键值对：不限制时间（默认搜索所有时间）

注意事项 ：在渗透测试或漏洞赏金中， 结合使用时间过滤非常重要 。例如，在得知某个新型漏洞的利用代码（PoC）公开后（通常是在GitHub或Twitter上），立即使用 qdr:d 或 qdr:w 进行搜索，有很大概率能找到尚未修复的、新暴露的受影响资产。这是手动Dorking中的一个高级技巧，现在通过配置即可在DorkAgent中实现自动化。

3.3.3 丰富你的“弹药库”：自定义Dork 项目的Dork库是其侦察能力的根基。虽然智能体会自己生成Dork，但其知识来源于内置的参考和训练数据。你可以通过修改 dorkagent.py 中的 task() 函数相关部分，来注入你自己的“独家秘籍”。 项目注释中提到了一个宝藏资源： https://github.com/TakSec/google-dorks-bug-bounty 。你可以去这个仓库学习、收集那些经过实战检验的、高价值的Dork语句，然后将它们以列表或函数的形式整合到你的任务定义中。例如，添加专门用于寻找AWS S3桶配置错误的Dork，或是寻找特定监控系统（如Grafana）默认入口的Dork。

# 在任务定义中，你可以硬编码一些高价值的静态Dork列表作为补充
high_confidence_dorks = [
    'inurl:/phpinfo.php',
    'ext:log "PHP Fatal error"',
    'intitle:"Index of" /.git',
    'site:github.com "password" "ftp://"',
]
# 然后让智能体在生成策略时，也考虑这个列表。

这样，你就将个人经验和社区智慧固化到了你的自动化工作流中。

4. 实战演练：从启动到报告分析

现在，让我们跑一个完整的流程，看看DorkAgent究竟能为我们做什么。假设我们想对一个虚构的科技公司 techdemo.io 进行外部信息收集。

4.1 启动与交互

在配置好API密钥的终端中，运行：

python dorkagent.py

程序启动后，通常会进入一个交互式界面（具体取决于版本）。它会提示你输入目标。我们输入：

目标：techdemo.io

接下来，你可能会被要求选择使用的LLM模型（如果配置了多个Key），或者选择任务模式（如“全面侦察”、“快速扫描”等）。根据提示做出选择。

然后，你就把工作交给AI了。在后台，侦察策略生成器开始工作。它可能会想：“ techdemo.io 是一个域名，我需要寻找其子域名、暴露的目录、配置文件、登录门户和管理后台。” 接着，它会生成一批诸如 site:techdemo.io ext:pdf 、 site:techdemo.io intitle:"login" 、 site:techdemo.io "index of /" 的查询语句。

搜索执行器接过这些Dork，通过Serper API进行搜索，并开始分析结果。这个过程可能需要几分钟，取决于你设置的搜索数量和时间范围。期间，你可以在终端看到一些状态输出，比如“正在搜索Dork: site:techdemo.io ext:conf...” 。

4.2 报告解读与成果验证

任务完成后，DorkAgent会在项目目录下生成一个报告文件，文件名通常包含时间戳，例如 recon_report_250315_143022.md 。打开这个报告，你会看到结构化的内容：

报告结构示例：

# 侦察报告 - techdemo.io
**执行时间：** 2025-03-15 14:30:22
**使用模型：** gemini-2.0-flash

## 执行的Dork查询
1. `site:techdemo.io ext:pdf` - 寻找公开的PDF文档
2. `site:techdemo.io inurl:admin` - 寻找管理后台
3. `site:techdemo.io "index of /" "parent directory"` - 寻找目录列表
...

## 潜在发现
### 高价值发现
1.  **URL**: `https://docs.techdemo.io/internal/architecture.pdf`
    **理由**: 通过Dork #1 发现。该PDF文件标题为“内部系统架构图”，可能包含网络拓扑、技术栈等敏感信息。
    **建议**: 手动访问并审查该文档内容。

2.  **URL**: `http://beta.techdemo.io/admin/login.php`
    **理由**: 通过Dork #2 发现。页面标题为“Admin Login”，是一个潜在的管理后台登录入口。
    **建议**: 测试默认凭据或弱口令。

### 中低价值发现
3.  **URL**: `http://legacy.techdemo.io/images/`
    **理由**: 通过Dork #3 发现。这是一个开放的目录列表，显示了一些图片文件。
    **建议**: 检查是否有敏感图片或配置文件误放于此。
...

拿到报告后，你该做什么？

1. 切勿直接访问 ：对于报告中列出的任何内部或疑似敏感链接， 绝对不要 直接从你的个人IP或公司网络去访问。这既是安全最佳实践，也符合道德黑客准则。
2. 使用隔离环境 ：在虚拟机、VPS或通过安全的代理环境进行手动验证。
3. 人工复核 ：AI的初步筛选可能存在误报（False Positive）。例如，它可能把一个普通的“用户登录”页面标记为“管理后台”。你需要手动点击（在安全环境下）查看，确认其真实性和潜在风险。
4. 深入利用 ：对于确认为真实漏洞的发现（如暴露的配置文件包含数据库密码），转入标准的渗透测试流程：信息记录、漏洞验证、影响评估，并最终按照漏洞赏金平台的规定进行报告。

DorkAgent的价值就在于，它帮你完成了最耗时、最枯燥的“寻找目标”阶段，将几十上百个潜在的URL缩小到几个需要你重点关注的“嫌疑人”名单上。

5. 高级技巧与定制化开发

当你熟悉了基本操作后，可以尝试一些高级玩法，让DorkAgent更加强大和贴合你的工作流。

5.1 智能体角色深度定制

DorkAgent默认的两个智能体是通用设计。你可以通过修改 agents() 函数（或独立的 agents.py 文件），来重新定义它们的角色、目标和工具，甚至创建新的智能体。 例如，你可以创建一个 专门负责子域名枚举的智能体 。它的工具集里不只有Serper搜索，还可以集成 subfinder 、 amass 这样的命令行工具（通过 Tool 封装系统命令调用）。它的目标非常专一：“尽最大可能发现 target.com 的所有子域名。” 再创建一个 专门分析GitHub信息的智能体 ，它的工具是GitHub搜索API，目标是“在GitHub上寻找与目标公司相关的代码仓库、提交历史中的敏感信息（如API密钥、密码硬编码）”。 然后，通过CrewAI框架，让这些专业智能体协同工作：子域名枚举器发现 dev.techdemo.io ，GitHub分析器就去搜索 dev.techdemo.io 相关的代码泄露。这样，你就构建了一个自动化程度更高的外部侦察流水线。

5.2 集成外部工具与工作流

DorkAgent生成的报告是Markdown或文本格式，这非常便于集成到其他工具中。

• 与笔记软件集成 ：你可以写一个简单的脚本，在DorkAgent运行结束后，自动将报告内容导入到Obsidian、Notion或你的内部Wiki中，形成持续积累的侦察知识库。
• 与漏洞管理平台联动 ：对于确认为真实漏洞的发现，可以进一步开发脚本，提取关键信息（URL、漏洞类型、风险等级），并自动在Jira、GitLab Issue或专门的漏洞管理系统中创建工单。
• 定时任务与监控 ：结合系统的crontab（Linux）或Task Scheduler（Windows），你可以让DorkAgent定期（如每周一次）对一批重点资产进行扫描，监控是否有新的敏感信息暴露。当发现新的高危暴露时，可以通过邮件、Slack或Telegram机器人发送警报。

5.3 模型选择与成本优化策略

LLM API的调用是主要成本之一（除了Serper API）。如何平衡效果和开销？

1. 分层使用模型 ：正如之前提到的，让负责“思考规划”的智能体使用能力更强但更贵的模型（如GPT-4），让负责“执行总结”的智能体使用更经济但速度快的模型（如Gemini Flash）。在CrewAI的智能体定义中，可以为每个智能体单独指定 llm 参数。
2. 控制任务粒度 ：避免让智能体执行过于庞大模糊的任务，如“给我找出所有漏洞”。这会导致LLM生成大量无意义的Dork，消耗大量token。应该拆分为“寻找登录入口”、“寻找配置文件”、“寻找文档泄露”等具体任务。
3. 利用缓存 ：对于重复侦察的目标，可以考虑实现一个简单的缓存机制，将之前运行过的、通用的Dork结果存储起来，下次运行时直接复用或只进行增量更新，避免重复搜索和LLM分析。

6. 常见问题、故障排查与避坑指南

在实际使用中，你肯定会遇到各种问题。下面是我踩过的一些坑和解决方案。

6.1 安装与依赖问题

• 问题 ：运行 python dorkagent.py 时，提示 ModuleNotFoundError: No module named 'crewai' 或其他包缺失。
• 排查 ：自动安装可能因网络问题失败。虚拟环境可能未正确激活。
• 解决 ：
  1. 确认虚拟环境已激活（命令行提示符前有 (.venv) 字样）。
  2. 手动安装依赖： pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple （使用国内镜像加速）。
  3. 如果还不行，尝试升级pip： python -m pip install --upgrade pip 。

6.2 API密钥与网络连接问题

• 问题 ：程序运行后卡住，或报错提示 Invalid API Key 或网络超时。
• 排查 ：
  1. 密钥错误 ：检查 .env 文件中的API密钥是否正确，前后是否有空格。
  2. 额度耗尽 ：登录Serper.dev或对应LLM提供商的控制台，检查API额度或余额是否充足。
  3. 网络不通 ：特别是使用某些LLM服务时，可能需要配置网络代理。
• 解决 ：
  1. 重新运行程序，它会提示你重新输入密钥。或者直接编辑 .env 文件。
  2. 申请新的API Key或升级套餐。
  3. 如果你需要在代理环境下运行，通常可以在代码中为请求库（如 requests ）设置代理，或者设置系统环境变量 HTTP_PROXY / HTTPS_PROXY 。但这需要你修改DorkAgent底层调用API的代码，对新手有一定难度。

6.3 搜索结果不理想或为空

• 问题 ：程序运行完了，但报告里什么有价值的信息都没有，或者全是误报。
• 排查 ：
  1. 目标太模糊或太宽泛 ：输入了“银行”而不是“chase.com”。
  2. Dork生成质量差 ：背后的LLM模型能力较弱，或提示词（Prompt）不够精准。
  3. 搜索参数限制太死 ：例如，将时间范围 tbs 设为 qdr:d （过去一天），但目标资产最近一天确实没有新内容暴露。
  4. Serper API限制 ：免费套餐可能有搜索频率或结果数量限制。
• 解决 ：
  1. 尽量提供具体的目标，如完整域名、公司名称。
  2. 尝试切换更强大的LLM模型（如从Gemini Flash切换到GPT-4）。你也可以尝试在输入目标时，给予更详细的上下文，例如：“目标：techdemo.io，这是一家提供云服务的初创公司，请重点寻找其开发环境、API文档和配置文件泄露。”
  3. 调整 serper_dev_tool.py 中的 n_results （增加结果数）和 tbs （放宽时间范围）。
  4. 查看Serper控制台，确认是否有速率限制报错。适当降低扫描频率，或升级API套餐。

6.4 程序运行缓慢

• 问题 ：一次侦察任务耗时超过10分钟甚至更久。
• 排查 ：
  1. 生成的Dork过多 ：LLM生成了几十上百个Dork查询。
  2. 网络延迟 ：与Serper或LLM API服务器的连接较慢。
  3. LLM响应慢 ：使用了响应速度较慢的模型（某些版本的Claude）。
• 解决 ：
  1. 在任务定义中，限制LLM生成Dork的最大数量。或者，将大任务拆分成多个小任务分批执行。
  2. 网络问题通常难以解决，可尝试在网络状况好的时段运行。
  3. 对于需要快速扫描的场景，优先选择响应速度快的模型，如Gemini Flash。

6.5 报告格式错乱或内容重复

• 问题 ：生成的Markdown报告格式混乱，或同一个URL被重复报告多次。
• 排查 ：这通常是LLM在格式化输出时的不稳定造成的，属于大语言模型的固有问题。
• 解决 ：
  1. 项目在更新日志中提到已引入 Pydantic模型进行结构化输出验证 。确保你使用的是最新版本，这能极大改善输出格式的规范性。
  2. 可以在后期处理脚本中，对报告文件进行去重和格式化清洗。例如，写一个Python脚本读取报告，基于URL进行去重，并重新整理Markdown标题层级。

最后，我必须强调 法律与道德底线 。DorkAgent是一个强大的侦察工具，但它搜索的信息是互联网上公开可访问的。你必须仅将其用于：

• 对你拥有书面授权进行测试的资产。
• 公开的漏洞赏金计划范围内的资产。
• 你自己的个人资产或实验室环境。 绝对不要用它去扫描任何你未获得明确许可的系统。技术本身无罪，但使用技术的人需要为其行为负责。保持好奇心，但更要保持敬畏心和法律意识。