折腾 CTF_Agent：用本地大模型自动打 CTF

最近在 GitHub 上刷到一个叫 CTF_Agent 的项目，思路挺有意思——把 CTF 题目丢给它，AI 会自动在隔离的 Docker 容器里解题，最多自动跑 6 轮。正好本地有 Ollama 跑着 deepseek-r1:8b，就想试试能不能接上去。结果部署过程比预想的坎坷不少，主要是 Docker 和 WSL2 的坑，记录一下。

项目是干啥的

简单说就是：你在网页上提交一道 CTF 题（web、pwn、crypto、reverse、misc 都行），可选上传附件，系统会自动起一个 Docker 容器，容器里跑着 OpenCode（一个 AI 编程助手），它会调用你配置的大模型来分析题目、写 exploit、拿 flag。整个过程全自动，你只需要看日志等结果。

架构大概是这样：

浏览器提交题目 → Go 后端排队 → 创建 Docker 容器 → 容器内 OpenCode 调用 AI 模型 → 解题 → 返回 flag

前期准备

需要的依赖不算多，但每个都可能卡你：

• Go 1.25+：跑后端服务
• Docker Desktop：跑解题容器
• Ollama：本地大模型推理（我用的 deepseek-r1:8b）

Go 和 Ollama 我之前就装好了，唯一卡住的是 Docker Desktop——它依赖 WSL2，而我的 WSL2 坏了。

Docker Desktop 启动不了？WSL2 的锅

Docker Desktop 装好之后死活起不来，左下角一直是橙色。看了一眼提示，是 WSL2 的问题。

第一次尝试：直接装 Ubuntu

在管理员 PowerShell 里跑 wsl --install -d Ubuntu，结果报了 0x801901ad，一查是网络问题——WSL 组件要从 GitHub 下载，国内网络访问不了。

第二次尝试：手动开 Windows 功能 + 更新内核

这条路比较靠谱，分几步走：

# 1. 先手动启用 WSL 和虚拟机平台这两个 Windows 功能
dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart
dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart

然后重启电脑。

重启之后，关键一步——更新 WSL2 内核：

wsl --update

这步也会因为网络问题卡住或者超时。如果卡了，可以试 wsl --update --web-download，走网络下载而不是 Microsoft Store。

更新完之后设一下默认版本：

wsl --set-default-version 2

再启动 Docker Desktop，等左下角变绿，就说明引擎起来了。

构建三个 Docker 镜像

项目需要构建三个镜像，有依赖顺序：base → opencode → misc。

docker build --pull -t ctf-agent-base:latest docker/agent-base
docker build -t ctf-agent-opencode:latest docker/opencode-agent
docker build -t ctf-agent-misc:latest docker/misc-agent

又是网络问题：Docker Hub 拉不动

第一条命令就卡住了，docker build --pull 试图从 Docker Hub 拉取 python:3.12.13-slim-trixie，直接超时。国内拉 Docker Hub 的老毛病了。

本来想配 Docker 镜像加速器，改了 ~/.docker/daemon.json 加了 registry-mirrors，但 Docker Desktop 似乎不太认这个文件，折腾半天没生效。

最后换了个思路——直接改 Dockerfile，把 FROM 后面的镜像地址加上国内镜像源前缀：

# 原来
FROM python:3.12.13-slim-trixie@sha256:xxxxx

# 改成
FROM docker.1ms.run/library/python:3.12.13-slim-trixie

opencode-agent 的 Dockerfile 也一样，把 node:22-bookworm-slim 改成 docker.1ms.run/library/node:22-bookworm-slim。

改完之后构建就很顺利了，三个镜像依次构建完成：

misc 那个比较大，因为装了 binwalk、ffmpeg、tshark 这些取证工具，构建时间最长，耐心等就行。

配置 Ollama 作为 AI 后端

项目支持 OpenAI 兼容格式的 API，Ollama 刚好提供了这个接口，所以可以直接对接。

我本地已经有 deepseek-r1:8b 模型了，Ollama 默认监听 11434 端口，OpenAI 兼容 API 地址是 http://localhost:11434/v1。

但有个坑：CTF_Agent 的解题容器跑在 Docker 里，容器内的 localhost 指向的是容器自己，不是宿主机。所以配置里不能写 localhost，要写 host.docker.internal——这是 Docker Desktop 提供的特殊域名，会自动解析到宿主机。

配置文件 opencode.env 内容如下：

OPENCODE_PROVIDER_FORMAT=openai-compatible

OPENCODE_OPENAI_PROVIDER_ID=ctf
OPENCODE_OPENAI_PROVIDER_NAME=Local Ollama
OPENCODE_OPENAI_PROVIDER_NPM=@ai-sdk/openai-compatible
OPENCODE_OPENAI_BASE_URL=http://host.docker.internal:11434/v1
OPENCODE_OPENAI_API_KEY=ollama
OPENCODE_OPENAI_MODEL=deepseek-r1:8b

CTF_AGENT_DOCKER_IMAGE=ctf-agent-opencode:latest
CTF_AGENT_IMAGE_MISC=ctf-agent-misc:latest

CTF_AGENT_TASK_TIMEOUT=45m
CTF_AGENT_AUTO_CONTINUE_ROUNDS=6

API Key 随便填，Ollama 本地不校验。

Go 代理也得换

最后启动服务的时候，go run ./cmd/go-server 又卡住了——Go 在下载依赖，默认走的 proxy.golang.org，国内访问不了。

设一下国内代理就行：

go env -w GOPROXY=https://goproxy.cn,direct
go env -w GOSUMDB=off

然后再跑 go run ./cmd/go-server，依赖很快就下完了，服务启动在 127.0.0.1:8000。

跑起来看看

浏览器打开 http://127.0.0.1:8000，界面很简洁，提交题目、选题型、传附件，然后等容器跑就行。

实际试了几道 misc 题，deepseek-r1:8b 的效果还行，简单的编码解码、文件分析能跑出来。复杂一点的 pwn 和 reverse 就有点吃力了，毕竟 8B 参数的模型能力有限。如果想要更好的效果，可以换个更大的模型，或者直接接 DeepSeek 的云端 API。

踩坑总结

整个部署过程踩了不少坑，大部分都是网络相关的：

其实核心就一句话：国内搞开发，什么都得换源。Docker 换镜像源，Go 换代理，连 WSL 更新都得想办法绕网络。

最后

项目地址：https://github.com/dlongx/CTF_Agent

整体思路挺有意思的，把 AI 编程助手和 CTF 解题结合起来，自动化程度很高。本地模型的好处是不花钱、不联网，坏处是推理速度慢、效果有限。如果只是拿来练手或者跑简单的 misc/crypto 题，够用了。想要打比赛的话，还是建议接个强一点的云端模型。