业务和功能介绍
立项背景：漏洞挖掘流程高度碎片化——侦察用一套工具，审计用另一套，报告再
手工整理。一个目标从拿到域名到产出报告通常需要切换 4-5 个工具，耗时 2-4
小时。目标是造一个扔什么进去都能自动识别、走对应流水线、最后产出结构化报
告的统一调度器。
核心功能：输入任意目标（域名/源码仓库/APK/JWT Token/合约地址/Dockerfile/
GraphQL端点/API端点），系统自动检测目标类型，路由到 8 条专项流水线之一：
Web 域名走 subfinder→httpx→nuclei 全链；源码仓库走 scanner-45→semgrep→
gitleaks 三引擎并行；JWT 走 alg:none + RS→HS 混淆 + 弱密钥爆破。19 个安全
专用 Agent 按漏洞类型分工，dispatch-router 用 15 条 regex 规则实现智能匹
配，Top-2 Agent 分数差距≤2 时触发歧义检测，要求先澄清再动手。
业务流程：用户扔目标 → 类型自动检测（8 种类型识别，含 confidence 评分）
→ 路由到对应流水线 → 多维扫描 → 增量去重（SHA256 指纹，SQLite 持久化）
→ 降噪评分（负分滤掉 favicon/WAF/IP 指纹等噪音，正分加权 CVE/XSS/SQLi
等真实漏洞）→ 结构化 JSON 报告 + 人读摘要 → 通知 Dashboard/桌宠完成。
手工整理。一个目标从拿到域名到产出报告通常需要切换 4-5 个工具，耗时 2-4
小时。目标是造一个扔什么进去都能自动识别、走对应流水线、最后产出结构化报
告的统一调度器。
核心功能：输入任意目标（域名/源码仓库/APK/JWT Token/合约地址/Dockerfile/
GraphQL端点/API端点），系统自动检测目标类型，路由到 8 条专项流水线之一：
Web 域名走 subfinder→httpx→nuclei 全链；源码仓库走 scanner-45→semgrep→
gitleaks 三引擎并行；JWT 走 alg:none + RS→HS 混淆 + 弱密钥爆破。19 个安全
专用 Agent 按漏洞类型分工，dispatch-router 用 15 条 regex 规则实现智能匹
配，Top-2 Agent 分数差距≤2 时触发歧义检测，要求先澄清再动手。
业务流程：用户扔目标 → 类型自动检测（8 种类型识别，含 confidence 评分）
→ 路由到对应流水线 → 多维扫描 → 增量去重（SHA256 指纹，SQLite 持久化）
→ 降噪评分（负分滤掉 favicon/WAF/IP 指纹等噪音，正分加权 CVE/XSS/SQLi
等真实漏洞）→ 结构化 JSON 报告 + 人读摘要 → 通知 Dashboard/桌宠完成。
项目实现
整体架构：纯 Python 单文件调度器（bounty-router.py，903 行）+ 独立流水线
模块 + dispatch-router.py（763 行多 Agent 路由）。零外部框架依赖，纯标准库
实现 HTTP 客户端替代 curl。SQLite 做增量状态管理——文件哈希比对跳过未变更
文件，semgrep 在变更率<10% 时自动跳过，避免重复扫描浪费资源。
工具链集成：Web 流水线调用 subfinder（子域枚举）→ httpx（存活探测 + 状态
码/Title 提取）→ katana（爬虫采集 JS 端点）→ nuclei（5 类模板并行扫：
misconfiguration/technologies/exposures/vulnerabilities/cves）。源码流水线
并行启动 scanner-45（自研 Python AST 扫描器）+ semgrep（p/security-audit +
p/secrets 双规则集）+ gitleaks。所有工具调用通过统一的 _run() 封装，超时
保护 + 异常捕获 + 结构化日志（RotatingFileHandler 5MB rolling）。
我负责全模块：类型检测引擎（9 种自动识别逻辑，JWT regex→文件扩展→目录
marker→URL pattern→Git URL→域名回退，含 confidence 三级评分）、8 条流水线
全部实现（Web/源码/APK/JWT/合约/GraphQL/API/Docker）、增量去重与降噪评分
系统（噪音负 30 分 vs 真实漏洞正 20 分加权）、19 个安全 Agent 分工矩阵 +
dispatch-router 的 15 条匹配规则 + 负例过滤防误抢、M/L/XL 三级复杂度分
级、歧义检测、Dashboard webhook 进度上报。量化结果：单目标扫描从原来的
2-4 小时人工切换工具缩减到 5-15 分钟全自动，原 80+ 个 Skill 精简到 8 个
核心常驻，每次会话省约 40K token。
遇到的主要难点：(1) nuclei 误报率高——大量 favicon-hash、WAF-detect、
missing-security-headers 类低价值命中淹没真实漏洞。解决方案是自研降噪评分
系统，定义 NOISE 和 SIGNAL 两套关键词库做加减分，过滤后有效命中率提升约
3-5 倍。(2) semgrep 在大仓扫描时耗时过长（>10分钟）。解决方案是引入增量
扫描——用 SQLite 记录文件哈希，只在变更率>10% 时触发 semgrep，其余情况跳
过，平均扫描耗时降低 60%。
模块 + dispatch-router.py（763 行多 Agent 路由）。零外部框架依赖，纯标准库
实现 HTTP 客户端替代 curl。SQLite 做增量状态管理——文件哈希比对跳过未变更
文件，semgrep 在变更率<10% 时自动跳过，避免重复扫描浪费资源。
工具链集成：Web 流水线调用 subfinder（子域枚举）→ httpx（存活探测 + 状态
码/Title 提取）→ katana（爬虫采集 JS 端点）→ nuclei（5 类模板并行扫：
misconfiguration/technologies/exposures/vulnerabilities/cves）。源码流水线
并行启动 scanner-45（自研 Python AST 扫描器）+ semgrep（p/security-audit +
p/secrets 双规则集）+ gitleaks。所有工具调用通过统一的 _run() 封装，超时
保护 + 异常捕获 + 结构化日志（RotatingFileHandler 5MB rolling）。
我负责全模块：类型检测引擎（9 种自动识别逻辑，JWT regex→文件扩展→目录
marker→URL pattern→Git URL→域名回退，含 confidence 三级评分）、8 条流水线
全部实现（Web/源码/APK/JWT/合约/GraphQL/API/Docker）、增量去重与降噪评分
系统（噪音负 30 分 vs 真实漏洞正 20 分加权）、19 个安全 Agent 分工矩阵 +
dispatch-router 的 15 条匹配规则 + 负例过滤防误抢、M/L/XL 三级复杂度分
级、歧义检测、Dashboard webhook 进度上报。量化结果：单目标扫描从原来的
2-4 小时人工切换工具缩减到 5-15 分钟全自动，原 80+ 个 Skill 精简到 8 个
核心常驻，每次会话省约 40K token。
遇到的主要难点：(1) nuclei 误报率高——大量 favicon-hash、WAF-detect、
missing-security-headers 类低价值命中淹没真实漏洞。解决方案是自研降噪评分
系统，定义 NOISE 和 SIGNAL 两套关键词库做加减分，过滤后有效命中率提升约
3-5 倍。(2) semgrep 在大仓扫描时耗时过长（>10分钟）。解决方案是引入增量
扫描——用 SQLite 记录文件哈希，只在变更率>10% 时触发 semgrep，其余情况跳
过，平均扫描耗时降低 60%。
示例图片视频
相似推荐
APP-校园帮拿
“校园帮拿”是一款面向高校学生的校园跑腿服务 App，主要解决学生在校园生活中快递代取、外卖代拿、超市代买、代打印、校内送物以及其他临时跑腿需求。平台要求用户注册时填写本校学号和学校信息，保证发布者与接单员均为本校学生，提高服务可信度和校园安全性。
核心功能包括用户注册登录、发布订单、订单大厅、接单处理、订单状态流转、加急订单收费、物品大小分类、图片上传、订单私信、已读显示、拍照沟通、投诉反馈和个人中心等。发布订单时用户可选择不同服务类型，并根据业务场景填写对应信息，例如快递取件码、外卖尾号、商品清单、打印要求、物品大小等。跑腿员可在订单大厅查看同校待接订单，接单后与发布者开启订单私信通道，便于沟通取件、送达和异常情况。订单完成后，平台自动计算平台服务费和跑腿员收入，形成完整的校园跑腿闭环。
高校校园综合服务交流小程序
本项目针对高校校园信息分散、交流渠道不统一的痛点，开发了面向在校学生的一站式综合服务平台。核心覆盖发帖交流、失物招领、二手交易、校园资讯四大模块，支持用户注册登录、内容发布、评论互动、点赞收藏、搜索筛选等功能，实现了校园信息的集中化管理与高效流转。
点餐预订小程序
本小程序面向线下餐饮门店，集成到店预订、线上点餐、后厨出餐一体化，依托 AI 赋能提升点餐与运营效率。
基础功能：桌位预约预订、菜品浏览购物车、在线下单支付、订单状态查询、会员储值、优惠券核销，后厨自动接收订单打印出餐。
AI 特色功能：AI 智能配菜推荐，根据用餐人数、口味忌口、历史点餐记录自动搭配套餐；AI 语音点餐，顾客语音输入需求快速选菜；AI 客流预判，协助商家错峰备餐、智能设置桌位预留。
平台打通顾客、门店双向需求，降低人工点餐成本，优化用餐体验。
华人汇城市信息库
项目背景
为满足城市居民二手物品交易及线上开店需求，开发集成全城发布、周边好店、同城服务、顺风代驾及代理分销功能的小程序与APP，覆盖用户交易、开店、服务对接等全场景需求。
技术栈：uniapp+vue2+fastadmin
项目职责
基于FastIM插件完成私信与客服功能的落地实现
排查并修复订单、消息角标显示不准确问题，优化订单展示逻辑* 定位并解决分佣计算bug及入驻人脸认证报错问题
协同团队完成其他需求修改与功能重构任务，保障业务流程顺畅
微信平台小程序-餐厅点餐，预约
一、立项背景
餐饮业正加速从线下向线上迁移。传统电话预约、纸质菜单、人工记单的方式效率低下，顾客等位时间长、点餐体验差，餐厅人力成本高、翻台率也上不去。
运营中逐渐暴露出几个痛点：包间预约全靠前台手工记录，漏单重单时有发生；高峰期顾客反复催促服务员，体验大打折扣；老客想远程下单只能打电话，菜品说不清楚。于是决定做一款微信小程序，把预约、点餐、门店展示整合到一起，一站式解决这些问题。
二、项目目标
统一线上入口，把包间预约、远程点餐、扫码点餐整合进一个小程序，降低顾客使用门槛。预约和下单自助完成，服务员只负责确认和执行，单桌服务效率预计提升四成。通过每日推荐和特价菜品持续触达老客，促进复购。覆盖从浏览菜品到下单、等餐、回访的完整闭环。
三、功能模块
首页：顶部轮播展示活动与特惠。每日推荐网格展示四到六道主厨精选菜品，标注特价。四个快捷入口分别通向扫码点餐、远程点餐、包间预约、店面介绍。下方横向滚动展示今日特价。
在线点餐：经典双栏布局，左侧六个菜品分类，右侧对应菜品列表。每道菜显示名称、标签、现价、原价和月销量。可点击进入详情页，也可一键加入购物车。底部悬浮栏实时显示已选数量和合计金额。
菜品详情：大图展示，配合名称、评分、月售数据和价格对比。数量选择器支持加减操作。提供加入购物车和立即购买两个入口。
购物车与下单：支持修改数量、删除单项、一键清空。可切换堂食或外带，设置用餐人数和备注信息。确认后生成订单并跳转到订单列表页。
扫码点餐：调用微信原生扫一扫能力，扫描桌面二维码识别桌号，自动进入该桌点餐界面。顶部常驻桌号标签和重新扫码按钮，下单时自动关联桌号，无需手动输入。
包间预约：日期可选择今起三十天内任意日期，时段分为午餐和晚餐两档。三种包间可选：雅竹轩小包适合二到四人，兰亭阁中包适合六到八人，聚贤厅大包可容纳十到十六人。选包间后展开表单，填写姓名和手机号，可附加备注。提交前校验必填项和手机号格式。下方展示预约记录，支持一键取消。
店面介绍：展示门面、品牌故事、环境照片、服务设施和联系方式。支持一键拨号和一键复制地址。
订单管理：进行中和已完成两个切换。进行中订单呈现完整状态流，待确认状态可取消。历史订单支持再来一单，一键把之前的菜品重新加入购物车。
四、业务流程
堂食扫码：顾客到店→扫桌面二维码→识别桌号→浏览菜单→加入购物车→下单→厨房接单→上菜
远程外卖：打开小程序→点餐→分类浏览→加购→选择外带→下单→到店自取
包间预约：打开小程序→预约→选择日期→选择时段→选择包间→填写信息→确认预约→按时到店
五、导航结构
底部四个Tab：首页承载每日推荐和四个快捷入口，点餐是完整的分类菜单，预约包含包间预约和预约记录管理，我的展示订单列表和状态跟踪。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服