GLab联合新国立北大北邮构建共识协议调试智能体框架斩获15个零日漏洞

一套可落地的工业级解法：Agora如何用多Agent协同挖出15个分布式协议Deep Bug

分布式共识协议，这个分布式系统的“圣杯”，长期以来都是基础设施工程师的噩梦。状态极其复杂、多节点交织，传统测试方法和单体大语言模型面对深层逻辑漏洞（Deep Bug）几乎束手无策。

最近，ICML 2026 中稿论文带来了突破——来自 0G Labs、新加坡国立大学、北京大学、北京邮电大学等顶尖团队的研究人员，提出了首个将领域知识与大模型多 Agent 协同深度融合的自动化测试框架——Agora。

Agora 在 Raft、EPaxos、HotStuff、BullShark 等工业级和学术界核心协议中一口气挖出 15 个前所未知的协议级 Deep Bug。相比之下，GPT-5.2、Claude 4.5 等原生大模型纷纷挂零——一个都没找到。在多智能体系统与智能体化安全审计双双成为 2026 年最热赛道的当下，Agora 给出的不只是一篇论文，更是一套可落地的工业级解法。

• 论文：《Agora: Toward Autonomous Bug Detection in Production-Level Consensus Protocols with LLM Agents》

• 链接：https://arxiv.org/abs/2605.29910v1

1. 背景

0G 与 NUS 强强联手，长期系统知识积累与 Multi-Agent 范式的跨界跨代融合

分布式共识协议的演进，既是天才的创新史，也是无数顶尖工程师的血泪史。正如由图灵奖得主 Lamport 所言，保证分布式协议实现的正确性，难度不亚于在一座不断晃动的迷宫中蒙眼穿行。而就在这条“地狱级”赛道上，市场正悄然转向：据 Gartner 观察，多智能体系统的企业咨询量一年多内暴涨逾十倍，多智能体平台市场也步入每年近翻倍的高速扩张期。把“多 Agent 协同”用于最硬核的底层系统验证，正从前沿设想变成产业刚需。

面对这一赛道，科技巨头们率先展开了重资产式的探索。例如 Anthropic 在 Claude Code 内部推进的 Glasswing 项目，虽然尝试用 Agent 触碰底层基础设施测试，但其架构极度依赖最高规格的头部商业大模型，项目细节不详，且仅定向与极少数大科技机构开展闭门合作。更致命的是，这类方案可能在运行中展现出恐怖的 Token 吞噬量，高昂的算力壁垒直接将预算有限的初创公司和中小企业拒之门外。

那么，小公司、开源社区就注定用不起顶级的自动化漏洞审计工具吗？

来自 0G Labs 的工程师们，联合新加坡国立大学、北京邮电大学、北京大学的研究人员，将自己 Agent 领域的深厚知识赋能系统，展开了一场“以小博大”的碘伏式创新。其工作已经中稿 2026 AI 顶会 ICML。

学术界的“长期系统知识沉淀”遇到了产业界的“痛点与敏锐嗅觉”，如何才能引爆下一代系统安全革命？

0G 团队在区块链共识协议落地中积累了极为丰富的生产级攻防经验；而团队在高性能分布式系统、底层并发控制以及系统形式化验证领域有着极为深厚的学术沉淀。他们深知传统方法（如 Fuzzing 模糊测试）在面对工业级代码库时常常受限于状态空间爆炸。多方研究人员决定，将长期积累的分布式系统全局 invariants（不变性）逻辑推演知识作为“灵魂”，注入到最前沿的多智能体协同范式与自动化 Harness 架构之中，推出了开源平权的 Agora 框架。

作为行业前沿的模块化 AI 基础设施与高性能去中心化数据可用性网络，0G 团队在区块链共识协议、高并发 BFT 架构的产业落地中，积累了极为丰富的生产级攻防经验与真实世界的协议缺陷样本。

这种跨界融合彻底改变了游戏规则：既不是盲目的暴力测试，也不是缺乏领域常识的大模型“盲人摸象”，而是通过专业化的 Agent 分工，将老道系统专家几十年的逻辑推演直觉，转化为 Agent 之间的博弈与协同，从而具备了降维打击传统测试工具的硬核实力。

与 Glasswing 动辄吞噬巨额顶级 Token 的重资产路线不同，Agora 带来了一种对中小企业极其友好的平替方案——它证明了即使在基座模型“差一点”、性价比更高的情况下，通过精妙的领域感知多 Agent 协同架构，依然能把硬核的 Deep Bug 揪出来。

2. 痛点

单体 LLM 难越雷池，分布式系统高悬“深层逻辑达摩克利斯之剑”

在大数据、区块链与分布式数据库盛行的今天，共识协议（如 Paxos、Raft、PBFT 等）就是整个数字世界的底层地基。然而，共识协议的实现是出了名的“地狱级难度”。哪怕是像 etcd 这样经过全球无数顶尖工程师锤炼、运行多年的工业级标杆项目，依然隐藏着让人冷汗直流的 Deep Bug（深层逻辑漏洞）。

这类漏洞不同于内存泄漏、整数溢出等普通的低级实现漏洞（Implementation Bugs），它们横跨多个执行阶段、依赖复杂的并发状态。一旦被恶意触发，不仅会导致核心数据损坏，甚至会引发灾难性的金融级损失。

近年大火的大语言模型（LLM）虽然在普通代码分析上表现亮眼，但面对分布式共识时却显得“智商捉急”——最多能找出局部代码的浅层缺陷，而面对依赖全局状态的协议级逻辑漏洞，单体 LLM 往往陷入局部代码的泥潭，完全无法进行全局时序推理。

3. 破局

Agora 的三 Agent 乾坤大挪移与核心 Harness 架构

为了打破这一僵局，Agora 首次将学术界经典的假说驱动测试（Hypothesis-Driven Testing, HDT）范式引入到大模型 Agent 系统中。为了实现高效的全局推理，Agora 彻底摒弃了传统的“单兵作战”模式，将工作流精妙地解耦为三个各司其职的高度专业化 Agent：

1. Orchestrator Agent（协调者）：负责全局状态维护与已知漏洞举一反三的“漏洞剥削”；
2. Strategy Agent（策略家）：负责注入分布式领域知识，针对 CFT 和 BFT 协议生成极具攻击性的异常场景。
3. TestGen Agent（代码官）：实干派。而让 Agora 真正能够落地、闭环生成有效测试的关键，在于其核心的自动化测试架构。

其架构如图所示：

在 Agora 的整体设计中，这种“以小博大”的平权魔法并非凭空而来，而是源于其精妙的智能体交互机制与测试 Harness 架构的深度融合。

研究团队在系统框架内部专门设计了一套极简、高效的通信与内存机制（Succinct Memory & Communication），在保证各 Agent 专注于自身核心任务的同时，将冗余的上下文传输开销降到了最低。在这种极致的通信约束下，Orchestrator Agent（负责全局协调与状态控制）、Strategy Agent（负责分布式异常环境与场景生成）以及 TestGen Agent（负责代码测试与动态评估）完美交织，共同驱动并满足了 Harness 架构：

• 双剑合璧的自动化闭环：当 Strategy Agent 推演出抽象的分布式攻击场景后，依托于高度解耦的交互框架，TestGen Agent 能够立刻拉起底层的测试。该架构不仅具备强大的环境自适应能力，能够跨越 Go、Rust 等不同编程语言环境，将攻击假说转化为真实可运行的单元测试，更内置了高效的反射循环（Reflection-Loop）技术。

• 一旦测试在环境中运行报错，系统会精准、实时地捕捉调用栈和执行日志，并将其精简地回传给 Agent 进行定向自我修正。这种“多 Agent 极简交互 + 动态 Harness 闭环”的有机结合，不仅让 Agora 能够以极低的 Token 成本精准捕捉到最隐蔽的深层逻辑 Bug，更产出了误报率极低的详尽分析报告。

其最终运行的 overview 如图所示：

4. 战果

斩获 15 个顶级零日 Deep Bug，大模型 baseline 全线挂零

评估结果令人震撼。研究团队在四个大名鼎鼎的共识协议库（包括生产级的 etcd 和新兴公链核心 Sui 的底层组件）上展开了全方位的大阅兵，并对比了 GPT-5.2、Gemini 3.0 Pro Preview、Claude Sonnet 4.5 以及 Qwen3 Coder 等地表最强模型。

结果不仅使得 0G 本身运行的共识系统更加安全，而且呈现出压倒性的降维打击：

• 15 个全新 Logic Deep Bug 浮出水面：Agora 成功发现了 15 个先前无人知晓的协议级深层逻辑漏洞。这些漏洞横跨执行分歧、单调性违反、拓扑缺陷、签名漏洞等高危领域。

• 原生大模型全线剃光头：反观基线模型（哪怕配备了先进的 ReAct 动态工具链），在面对这类深层逻辑漏洞时全部开天窗（0/15）。它们消耗了大量的 Token，却只能在低级代码实现 Bug 上打转。

• 极低的误报率与超高性价比：在 Agora 产出的所有 Bug 报告中，真实逻辑漏洞占比高达 73.9%（误报率仅 26.1%）。更令人惊叹的是，平均每挖出一个让资深架构师掉光头发的顶级逻辑 Bug，仅需消耗约 5.32M tokens（约合 40 美元），性价比极高。

在多个 LLM 上的结果如下所示：

5. 未来

高可推广性，进军更多底层硬核“无人区”

Agora 的成功，不仅给分布式系统的安全性打了一剂强心针，更为大模型落地垂直工业级应用指明了方向。

尤为关键的是，Agora 的架构设计展现出了极高的可推广性与通用性。研究团队强调，Agora 还可以以插件或 skill 的形式被广大用户快速复现使用——代码仓库（github.com/0gfoundation/agora）中提供了相应的 skills 帮助复现。而且，Agora 的“大模型 + 多 Agent 协同 + 假说驱动”范式并非仅能用于共识协议。由于其底层工作流控制与上层领域知识库、测试实现了深度解耦，这意味着该架构不仅可以帮用户快速利用其进行共识协议 debug，还能以“插拔式”（Plug-and-Play）的方式快速推广到其他同样饱受“深层逻辑漏洞地狱”折磨的硬核领域：

1. 数据库并发控制（Concurrency Control）：用于测试分布式数据库在极端隔离级别（如串行化 Serializable）下的复杂事务冲突缺陷。
2. 操作系统内核/并发系统：深入发现多线程基础设施中隐蔽的死锁与竞态条件。
3. Web3 智能合约审计：针对涉及复杂经济模型的跨链协议和 DeFi 逻辑进行深度安全边界探查。区块链安全市场预计 2026 年规模已达约 85 亿美元，且已出现以“多智能体安全系统”做智能合约审计、将审计周期从数周压缩到数小时的商业产品，市场需求正在爆发。

工业级底层基础设施的 AI 自动化安全时代，或许正由 Agora 和它的 Harness 架构正式开启。

Agora 可以通过在各个领域发现的更多 deep bug 帮助更好地测试 coding LLM 的能力，其发现的 deep bug 用例也可以帮助 coding LLM 提升代码理解能力。它可以大大提升共识协议、并发控制、智能合约等作为金融安全交易基础的代码仓库的安全性。而且，Agora 还能帮助更多科技公司发现更深的 logic bug，同时消耗更少的 token，节约资金却更加高效。

更重要的是，这恰好踩中了当下最热的两条赛道：一是多智能体系统正从实验走向生产——Gartner 预计到 2028 年将有超过三成企业软件内置 agentic AI，多智能体平台市场规模数年内将从百亿美元级别冲向数百亿美元；二是“用智能体审查智能体”的智能体化质量管控（Agentic Quality Control）正成为 2026 年的行业标配。

在 Veracode 2025 报告指出约 45% 的 AI 生成代码含有安全漏洞、agentic AI 安全市场以约 42% 年复合增速狂奔的背景下，Agora 让科技公司能以更低的 token 成本挖出更深的 Logic Bug，把安全审计从“按周计费的人力活”升级为“按小时交付的自动化能力”。

而当这条赛道的格局逐渐清晰，真正占住先机的，往往不是声量最大的巨头，而是那支最早把方法论跑通、并能持续复制的团队。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：GLab联合新国立北大北邮构建共识协议调试智能体框架斩获15个零日漏洞要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题