在以往我们进行AI生成PoC/EXP的实践中，我们发现，基于Goby现有的JSON框架，通过纯JSON的方式编写EXP几乎不可能实现，因为不同的漏洞类型，其漏洞类型，其传递的漏洞验证参数会完全不同，内部也可能存在复杂的关联关系。

所以在人工进行漏洞录入时，通常会采用Go代码的方式来编写EXP，但这一思路在Ai上就很难走通，通过AI直接生成Go代码编写的EXP质量非常低，这是由于不同漏洞类型的验证方式存在显著差异。所以我们必须实现一种通过纯JSON方式来实现复杂EXP验证效果的漏洞录入框架。

在最新的 Goby 版本中，我们对 JSON 编写框架进行了升级，引入了更丰富的语法和关键字，以支持多样化的漏洞验证方式，在提供更简单EXP编写方式的同时，也为教会AI写EXP这件事提供了新的可能。

通过前面视频我们可以看到，我们通过AI通过生成JSON代码就能够把SQL注入漏洞的各种EXP验证效果完整实现，在介绍具体的EXP代码之前，需要先了解一下我们的ExpParams参数的运行逻辑，这决定了最终我们将发送何种Payload来进行EXP验证。

EXPParams

在Goby的漏洞框架中，我们通过一个参数数组，来传递具体的漏洞验证效果，首先通过 attackType 指定所有可用的验证方式，然后使用 attackType=xxx 切换至对应的验证方式。在每种验证方式中，用户可以进一步定义具体的验证效果，以满足不同场景的需求。也由于EXPParams的过于灵活，导致在原有漏洞框架中，无法对复杂的EXPParams进行处理，其难点主要有两个：

• 如何根据传入的EXPParams来发送不同的Payload

• 如何根据不同的EXPParams来回显不同的数据

所以在新的漏洞框架中，我们新增了多种语法以增强漏洞验证的灵活性与执行能力：

switch

为了解决第一个问题，我们提供了新的函数关键字，切换不同的漏洞验证方式。例如，以 SQL 注入为例，通常支持三种验证方式：默认方式、用户输入方式和 sqlpoint 方式。通过 switch 关键字，可以灵活选择当前需要使用的验证方式，从而便于后续编码及相关操作的实现。

如下图所示，会根据attackType的传值来定义不同的Payload

when

同样，解决Payload问题之后，我们需要解决第二个问题，when 关键字用于对输出内容进行控制，在 SQL 注入的 EXP 中，当attackType为sqlPoint的时候，我们需要打印发送的请求数据包，以便于用户提取数据包用于后续的检测。

以 SQL 注入智能体为例，当接收到漏洞参考文本时，智能体首先识别数据库类型并生成相应的 SQL 验证命令，同时定位 SQL 命令的位置，并将其替换为相应的变量。智能体会根据漏洞特性，灵活选择 switch 和 when 关键字，并判断是否需要进行编码处理。编写完成后，智能体将生成的 EXP 文件反馈至监管智能体进行审核确认，审核通过后输出最终的 EXP 文件。

时间来到现在，团队不断训练优化GobyAI智能体、加强提升对复杂型漏洞类型（SQL注入、文件上传等）EXP智能编写的准确性。相较1.0测试效果，PoC的智能转化成功率有了明显的提升，更重要的是，GobyAI 2.0版能高效准确完成部分复杂型漏洞EXP的智能编写，实现了PoC/EXP全流程智能化实战应用能力。