学习资源
Frontkick 与 Rikugan：基于 CREBench 的智能体对比
Matthieu Breuil 在 Synacktiv 发表的文章讲解了调用预定义工具与执行生成代码两类智能体设计，并介绍在 Binary Ninja 内运行生成的 Python 代码的 CodeAct 智能体 Frontkick。文章在 CREBench 的两个密码二进制任务上将 Frontkick 与开源插件 Rikugan 对比，随后指出 Frontkick 的优势主要来自提示词中列出已安装 Python 库的做法，而非其架构本身。这是一篇附逐次运行结果的小规模评估文章，不是已发布的工具，也不是普遍性的基准结论。
使用条件与局限
- 这篇发表于 Synacktiv 出版物页面的文章标注日期为 2026-10-13。文章介绍 Frontkick 是一个 CodeAct 智能体，针对 Binary Ninja 的 API 执行生成的 Python 代码，配有脚本示例检索语料、单层子智能体以及对较早轮次的截断机制；文中没有给出 Frontkick 的下载、仓库或许可证。Rikugan 是采用 MIT 许可、面向 IDA Pro 与 Binary Ninja 的社区智能体插件，基于经过模式校验的工具；Vector 35 的闭源 Sidekick 因无法了解其内部机制而未纳入对比。
- 对比使用 Claude Sonnet 5.5，选取 CREBench 中 hardcode_plain/O0 设置下的 AES-128-CBC 与 ChaCha20 两个用例，以去除符号的二进制文件形式提供；每个智能体每个用例运行四次，token 预算为 100 万。每次运行都需识别算法和密钥，并重新实现解密流程以取得 flag。文章未说明 Binary Ninja、Rikugan 或 Frontkick 的版本，也未公开其查看过的运行记录。
- 按文中公布的逐次运行表，Frontkick 在八次运行中有六次完全解出，Rikugan 一次也没有；两者平均得分约为 86 对 31（满分 100），平均 token 用量约为 60 万对 95 万，文章将其概括为 token 约减半、成功得分接近三倍。在 AES-128-CBC 上，Rikugan 反复尝试调用未安装的 Python 密码库，失败后改为手工实现算法，而 Frontkick 的提示词列出了已安装的库。作者因此认为结果是由提示词设计造成的平局，并不能证明 CodeAct 更优，并提议在对齐提示词后重新测试。
- 两个任务、一个模型、每个智能体八次运行，不足以得出关于任一智能体、关于工具调用与代码执行两类设计，或关于 CREBench 其他设置的普遍结论。CREBench 基准本身由另一条论文条目收录；文章未报告使用 REA，也不涉及重建。本合集阅读了该文章、Rikugan 的 README 与 CREBench 的 README，未运行任一智能体或该基准。
关于此条目
- 类型
- 学习资源
- 类别
- 学习资源
- 关联
- 学习资源
- 目标
- 二进制
来源复核于
说明已依据一手来源复核；这不代表已运行验证、经过安全审计或确认兼容。
一手来源
- https://www.synacktiv.com/en/publications/ufc-666-frontkick-vs-rikugan
- README.md GitHub · buzzer-re/Rikugan · 修订 a2ba669
- LICENSE GitHub · buzzer-re/Rikugan · 修订 a2ba669
- README.md GitHub · wangyu-ovo/CREBench · 修订 9fc4016