Memfit AI 概览
什么是 Memfit AI？
Memfit AI 是 Yaklang 生态的开源网络安全 AI Agent 编排框架，采用 递归式双引擎架构 (Recursive Dual-Engine Architecture)，将宏观的战略规划与微观的战术执行相结合。它超越了简单的聊天机器人：内置 17 个专注模式（深度研究、快速执行、日志分析等）、覆盖产品文档与开发者指南的 30+ 篇中英双语文档，并以五大支柱（Plan 引擎、ReAct 引擎、工具与 Forges、知识 RAG、记忆）支撑端到端的安全自动化。
Memfit AI 的核心是作为高层人类意图（如“审计此网站”）与底层安全操作（如端口扫描、漏洞分析）之间的桥梁。它通过有机融合以下两点来实现这一目标：
- 确定性 (Determinism)： 针对复杂工作流的结构化规划。
- 灵活性 (Flexibility)： 针对动态环境的自适应执行。
解决了什么问题？
传统的 AI Agent 通常面临“单一范式困境”：
- 纯 ReAct Agent（推理+行动范式，Yao et al., 2022）容易在长链路任务中迷失方向，在多步操作后忘记最初的目标。
- 纯 Plan-Execute Agent（Plan-and-Solve 范式，Wang et al., 2023）过于僵化，当初步计划遇到意外障碍或新信息时往往会失败。
Memfit AI 通过 递归耦合 这两种范式解决了这个问题。它制定计划，执行计划，如果某个子任务变得过于复杂，它会递归地触发一个新的规划阶段。这使得它能够处理任意复杂度的任务，同时适应实时反馈。
核心架构：五大支柱
Memfit AI 围绕五个关键组件构建，它们协同工作以提供智能安全能力。
| 支柱 | 所在层级 | 要解决的问题 | 核心机制 |
|---|---|---|---|
| Plan 引擎 | 战略层 | 复杂安全任务无法一步完成，需要路线图 | 任务树生成、依赖管理、递归触发 |
| ReAct 引擎 | 战术层 | 现实环境非确定性，静态脚本无法适应 | LoopEngine（OODA 循环）、自旋检测、自我反思 |
| 工具与 Forges | 能力层 | AI 模型无法直接接触网络与文件系统 | 原子工具、场景化 Forge、Yaklang 集成、MCP 支持 |
| 知识（RAG 系统） | 知识层 | LLM 缺乏私有与最新领域知识 | 混合索引（向量+关键词）、代理化检索 |
| 记忆 | 上下文层 | 标准会话无状态，Agent 重复犯错 | C.O.R.E. P.A.C.T. 评分、向量数据库持久化 |
1. Plan 引擎 (战略层)
要解决的问题： 复杂的安全任务（如“渗透测试”）无法一步完成。它们需要一个路线图来确保覆盖范围和逻辑推进。
解决方案： Plan 引擎充当战略家。它将模糊的顶层用户目标拆解为结构化的 任务树 (Task Tree)。它预测依赖关系（例如，“在识别服务之前先扫描端口”）并设定执行顺序。
技术架构：
- 任务树生成： 将目标解构为分层子任务。
- 依赖管理： 强制执行时序和逻辑顺序。
- 递归触发： 当子任务过于复杂时，可由 ReAct 引擎反向调用。
→ 延伸阅读：核心架构：递归式双引擎架构、协调器
2. ReAct 引擎 (战术层)
要解决的问题： 现实世界是非确定性的。扫描器可能会超时，端口可能会关闭，或者可能会发现新的漏洞。静态脚本无法适应这些变化。
解决方案： ReAct 引擎处理执行的“最后一公里”。对于计划中的每个原子任务，它启动一个独立的 观察-思考-行动 (Observation-Thought-Action) 循环。它感知环境，推理当前状态，并选择最佳的下一步行动。
技术架构：
- LoopEngine： 管理 OODA (观察-调整-决策-行动) 循环。
- 自旋检测 (Spin Detection)： 防止 Agent 陷入死循环（例如，无休止地重试失败的命令）。
- 自我反思 (Self-Reflection)： 分析失败原因并自动生成修正计划。
→ 延伸阅读：ReAct 循环
3. 工具与 Forges (能力层)
要解决的问题： AI 模型是“缸中之脑”——它无法直接接触网络或文件系统。它需要专门的接口来与网络安全世界交互。
解决方案：
- 工具 (Tools)： 标准化的原子能力（例如
PortScan、ReadFile、HttpReq）。 - Forges： 场景化的“蓝图”，打包了特定领域的提示词、工具和逻辑（例如“Java 代码审计 Forge”）。
技术架构：
- Yaklang 集成： 原生利用 Yaklang 强大的安全库。
- MCP 支持： 兼容 Model Context Protocol 以实现扩展性。
- 专注模式 (Focus Mode)： 允许为特定子任务实例化专门的环境。
→ 延伸阅读：工具与 Forges
4. 知识 (RAG 系统)
要解决的问题： LLM 有训练截止日期，且缺乏私有或高度特定的领域知识（例如，最新的 CVE 详情或内部 API 文档）。
解决方案： RAG（检索增强生成，Lewis et al., 2020）系统充当主动的“外脑”。它检索相关的文档、过往报告和安全知识，使 AI 的推理基于事实。
技术架构：
- 混合索引： 结合向量搜索（语义）和关键词搜索（精确）。
- 代理化检索： 系统主动决定 何时 以及 搜索什么，而不仅仅是被动地检索上下文。
→ 延伸阅读：记忆与 RAG
5. 记忆 (上下文层)
要解决的问题： 标准的 LLM 会话是无状态的。Agent 会忘记之前的审计中发生了什么，或者用户的偏好是什么，导致重复性错误。
解决方案： 记忆系统充当“智能海马体”。它不仅存储日志；它还评估、评分和索引经历。成功的策略被记住；失败被存储为“吸取的教训”。
技术架构：
- C.O.R.E. P.A.C.T. 框架： 一个评分系统，用于确定哪些记忆值得保留（关联度、相关性、可操作性等）。
- 向量数据库： 持久化高价值记忆，以便跨会话长期调用。
→ 延伸阅读：Agentic 可靠性保障
常见问题
Memfit AI 是什么？
Memfit AI 是 Yaklang 生态的开源网络安全 AI Agent 编排框架，采用递归式双引擎（ReAct+Plan）架构，面向安全自动化与代码审计场景。
递归式双引擎是如何工作的？
Plan 引擎负责战略规划（生成任务树），ReAct 引擎负责战术执行（观察-思考-行动循环）；当子任务过于复杂时，ReAct 引擎会递归触发新的规划阶段，从而兼顾确定性与灵活性。
Memfit AI 是免费的开源软件吗？
是。Memfit AI 构建于开源的 Yaklang 引擎之上，客户端可从 官网下载页 免费获取。
Memfit AI 支持哪些操作系统？
支持 macOS（Intel 与 Apple Silicon）、Windows 与 Linux，分别提供 .dmg、.exe 和 .AppImage 安装包。
Memfit AI 的核心架构是什么？
采用五大支柱架构：Plan 引擎（战略层）、ReAct 引擎（战术层）、工具与 Forges（能力层）、知识 RAG（知识层）、记忆（上下文层），五者协同提供智能安全能力。
Memfit AI 与传统 AI 聊天机器人有什么区别？
传统聊天机器人只能对话；Memfit AI 能理解任务、制定计划、调用工具并交付结果，并针对网络安全与代码审计等专业场景深度优化。