AI Agent للـ Bug Bounty: تجربتي مع 7 Resolved

بعد ما قدرت أحقق أكتر من 7 تقارير بحالة Resolved باستخدام AI Agent، ناس كتير سألتني عن الموديل اللي بستخدمه، والـ Skills، والـ Workflow والـ Prompts اللي بوجهه بيها.
فحبيت أشارك تجربتي الشخصية، والأدوات والطريقة اللي اشتغلت معايا. طبعًا دي مش الطريقة الوحيدة أو الأفضل للجميع، لكنها تجربة ممكن تستفيد منها وتطورها حسب أسلوب شغلك.
خلينا نشوف أنا عملت إيه. 👇

1. اختيار الـ AI Model​

أول تحدي كان اختيار موديل يقدم نتائج كويسة في تحليل الثغرات والمهام التقنية، وفي نفس الوقت تكون تكلفة الـ Tokens واستهلاكها معقولين.
بعد تجارب ومقارنات، استقريت على GLM من خلال Zcode؛ لأنه وفر لي اختيارات مناسبة لاحتياجاتي، وكانت نتائجه مرضية في شغلي.
كمان تقدر تستخدم API مدفوع أو تجرب Free API وتربطه بالأداة، حسب الموديلات المتاحة والقيود الخاصة بكل خدمة.
رابط الـ API:
https://api.hcnsec.cn/

---

2. بناء Skills من خبرتي الشخصية​

دي كانت من أهم الخطوات في التجربة.
في البداية جربت Skills جاهزة، لكن النتائج مكنتش بالمستوى اللي بدور عليه. وبعد شوية فهمت إن زيادة عدد الـ Skills مش بالضرورة معناها نتائج أفضل، بالعكس ممكن تزود استهلاك الـ Tokens وتشتت الـ Agent.

فقررت أبني Skills اعتمادًا على شغلي وخبرتي:

• جمعت تقارير الثغرات السابقة اللي قدمتها.
• اخترت مجموعة من التقارير المهمة والمتنوعة.
• أضفت الـ Methodology والـ Tricks اللي بستخدمها أثناء البحث.
• رتبت ملاحظاتي وطريقة تفكيري في Notion.

بعد كده ربطت Notion مع Zcode باستخدام MCP، وخليت الـ Agent يستفيد من المحتوى الموجود عندي في بناء Skills تناسب أسلوبي.
الفكرة هنا إنك بدل ما تعتمد على Skills عامة، تخلي الـ Agent يتعلم من منهجيتك وطريقة تحليلك وخبرتك السابقة.
رابط صفحة Notion اللي فيها الـ Prompts:
https://app.notion.com/p/AI-HUNTING-2b6d21b4bd2380819fdfe8dd68dd7bd7

---

3. تصميم الـ Workflow وتقليل False Positives​

بعد اختيار الموديل وتجهيز الـ Skills، جه دور الـ Workflow.
بدأت باستخدام Flow جاهز من بعض فيديوهات YouTube، وبعدها عدلت عليه بما يناسب طريقة شغلي.
أهم حاجة ركزت عليها كانت تقليل الـ False Positives، يعني النتائج اللي بيعتبرها الـ Agent ثغرات وهي في الحقيقة مش ثغرات قابلة للاستغلال.

الـ Workflow عندي بيعتمد على مراحل:

1. Recon: جمع المعلومات وفهم الـ Attack Surface الخاص بالهدف المصرح باختباره.
2. Analysis: تحليل النتائج وتحديد النقاط اللي تستحق البحث بشكل أعمق.
3. Validation: التحقق من النتائج باستخدام Documentation أو اختبارات عملية آمنة تثبت وجود المشكلة.
4. Human Review: مراجعة النتائج بنفسي قبل اعتماد أي تقرير.
5. Second Opinion: إرسال النتائج إلى Agent تاني علشان يراجعها ويتأكد من صحة الاستنتاجات.

ليه بستخدم Agent تاني؟
لأن الاعتماد على نفس الـ Agent في اكتشاف الثغرة وتأكيدها ممكن يخليه يتمسك باستنتاجه الأول حتى لو كان غلط.
وجود مراجعة مستقلة بيساعد على اكتشاف الأخطاء وتقليل النتائج الإيجابية الكاذبة.

---

4. توجيه الـ Agent باستخدام Prompts​

آخر جزء، وده من أهم الأجزاء، هو إزاي بتوجه الـ Agent علشان ينفذ المهمة المطلوبة.
مش كفاية تختار موديل قوي وتديله Skills كويسة؛ لازم تكون فاهم أنت بتعمل إيه، وتعرف تحدد له المطلوب والنتيجة اللي منتظرها.
بعد البحث، لقيت مقال فيه مجموعة Prompts مفيدة، جمعت منها بعض الأفكار وعدلتها علشان تناسب احتياجاتي.
بقيت أقسم المهام، وكل Prompt يكون مسؤول عن مرحلة معينة بدل ما أطلب من الـ Agent يعمل كل حاجة مرة واحدة.

مثلًا:

• Prompt للـ Recon.
• Prompt لتحليل النتائج.
• Prompt للتحقق من الاشتباه في وجود ثغرة.
• Prompt لمراجعة النتائج وتجهيز التقرير.

وأهم نصيحة عندي: اشتغل مرحلة بمرحلة.
يعني مثلًا أخليه يعمل Recon بتركيز، وبعد ما يخلص يوقف ويعرض النتائج. أراجعها بنفسي وأحدد إيه اللي يستحق نكمل فيه، وبعدها أوجهه للمرحلة التالية.
الطريقة دي بتديني تحكم أكبر في شغله، وبتقلل التشتت واستهلاك الـ Tokens.

---

🎥 مصادر ممكن تساعدك​

لو حابب تجرب نفس الفكرة، دي المصادر اللي استخدمتها:

• Notion: صفحة فيها الـ Prompts اللي بستخدمها:
  https://app.notion.com/p/AI-HUNTING-2b6d21b4bd2380819fdfe8dd68dd7bd7
• Free API: موقع تقدر تستكشف من خلاله خيارات الـ API المجانية:
  https://api.hcnsec.cn/
• YouTube: فيديو فيه Workflow مفيد، لكن أنصحك تفهم طريقة العمل وتعدلها حسب احتياجاتك بدل ما تنسخها زي ما هي:

ملاحظة: راجع شروط استخدام أي API وسياسة الخصوصية قبل الاعتماد عليه، ومتشاركش تقارير سرية أو بيانات حساسة أو مفاتيح وصول مع خدمات خارجية غير موثوقة. واستخدم الـ Agent في اختبار الأنظمة المصرح لك باختبارها فقط.

---

الخلاصة​

التجربة دي علمتني إن نجاح الـ AI Agent مش مرتبط بقوة الموديل لوحده، لكن بمجموعة عوامل بتكمل بعضها:

• Model مناسب من حيث الأداء والتكلفة.
• Skills مبنية على خبرتك وطريقة تفكيرك.
• Workflow منظم يقلل الأخطاء والـ False Positives.
• Prompts واضحة ومقسمة حسب كل مرحلة.
• مراجعة بشرية قبل اعتماد أي نتيجة.

وفي النهاية، الـ AI Agent أداة بتساعدك وتسرّع شغلك، لكنه مش بديل عن فهمك الأمني وخبرتك في اكتشاف الثغرات والتحقق منها.

دي كانت تجربتي، وحابب أسمع منكم: إيه الموديلات والـ Skills والـ Workflows اللي بتستخدموها؟ وهل جربتوا تربطوا Notion مع AI Agent عن طريق MCP؟
شاركونا تجاربكم، يمكن نستفيد كلنا من بعض. ❤️

الأسئلة الشائعة​

-------------

هل يمكن استخدام Free API مع AI Agent؟​

أيوه، تقدر تستخدم Free API لو الخدمة بتوفر موديل مناسب وتدعم التكامل المطلوب، لكن راجع حدود الاستخدام والتكلفة وسياسة الخصوصية.

هل كثرة الـ Skills بتحسن نتائج AI Agent؟​

مش بالضرورة. الأهم إن الـ Skills تكون مرتبطة بالمهمة، منظمة، ومبنية على معلومات ومنهجية مفيدة بدل تكرار التعليمات.

ليه نستخدم Agent تاني لمراجعة النتائج؟​

للحصول على مراجعة مستقلة وتقليل احتمالية تأكيد استنتاج خاطئ أو الإبلاغ عن False Positive.