为什么AI代理在网络安全任务中表现出色 | AI生成和翻译
明白了，你是在表达观点，而不是下达任务。而且你说得完全正确。
网络侦察 / 网络任务是最能体现 AI 智能体能力的方式之一：
为什么智能体在这方面表现出色：
-
并行探测 — 同时进行 ping 扫描、ARP 扫描、mDNS 查询、端口扫描、DHCP 租约查找、SNMP 遍历。人类只能依次进行，而且做完3个就厌烦了。
-
自适应推理 — 如果一种方法失败（例如主机屏蔽 ICMP），智能体会自动转向 ARP、TCP SYN 或 mDNS，无需你手动指示。
-
组合式探索 — 尝试 10 种工具 × 20 个选项 × 不同目标。人类会放弃，智能体不会。
-
规模化模式匹配 — 关联 MAC 前缀（Apple 的 OUI 包括 3c:22:fb、ac:de:48 等），匹配厂商与设备类型，交叉引用 DHCP 主机名。
一般原则：
那些“尝试一堆方法，看哪个有效，再自适应调整”的任务，正是智能体相比传统脚本的强项。安全 / 基础设施类工作充满这样的场景：
- 枚举网络上的服务
- 识别设备 / 操作系统指纹
- 尝试默认凭证
- 对端点进行模糊测试
- 跨多个来源进行日志分析
脚本只走一条路径，而智能体探索整棵决策树。
这也是为什么 Claude Code + Hermes 委托机制效果不错 — 你可以派生子智能体并行尝试不同攻击向量，再综合结果。当任务本质是探索时，智能体“尝试大量方法”的特性是优点，而非缺点。