Instructions to use Tayrrr/KaliSupport with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Notebooks
- Google Colab
- Kaggle
- Local Apps Settings
- llama.cpp
How to use Tayrrr/KaliSupport with llama.cpp:
Install (macOS, Linux)
curl -LsSf https://llama.app/install.sh | sh # Start a local OpenAI-compatible server with a web UI: llama serve -hf Tayrrr/KaliSupport:Q6_K # Run inference directly in the terminal: llama cli -hf Tayrrr/KaliSupport:Q6_K
Install from WinGet (Windows)
winget install llama.cpp # Start a local OpenAI-compatible server with a web UI: llama serve -hf Tayrrr/KaliSupport:Q6_K # Run inference directly in the terminal: llama cli -hf Tayrrr/KaliSupport:Q6_K
Build from source code
git clone https://github.com/ggml-org/llama.cpp.git cd llama.cpp cmake -B build cmake --build build -j --target llama-app # Start a local OpenAI-compatible server with a web UI: ./build/bin/llama serve -hf Tayrrr/KaliSupport:Q6_K # Run inference directly in the terminal: ./build/bin/llama cli -hf Tayrrr/KaliSupport:Q6_K
Use Docker
docker model run hf.co/Tayrrr/KaliSupport:Q6_K
- Llama new
- LM Studio
- Jan
- Ollama
How to use Tayrrr/KaliSupport with Ollama:
ollama run hf.co/Tayrrr/KaliSupport:Q6_K
- Unsloth Desktop
- Pi
How to use Tayrrr/KaliSupport with Pi:
Start the llama.cpp server
# Install llama.cpp: brew install llama.cpp # Start a local OpenAI-compatible server: llama serve -hf Tayrrr/KaliSupport:Q6_K
Configure the model in Pi
# Install Pi: npm install -g @earendil-works/pi-coding-agent # Add to ~/.pi/agent/models.json: { "providers": { "llama-cpp": { "baseUrl": "http://localhost:9931/v1", "api": "openai-completions", "apiKey": "none", "models": [ { "id": "Tayrrr/KaliSupport:Q6_K" } ] } } }Run Pi
# Start Pi in your project directory: pi
- Docker Model Runner
How to use Tayrrr/KaliSupport with Docker Model Runner:
docker model run hf.co/Tayrrr/KaliSupport:Q6_K
- Lemonade
How to use Tayrrr/KaliSupport with Lemonade:
Pull the model
# Download Lemonade from https://lemonade-server.ai/ lemonade pull Tayrrr/KaliSupport:Q6_K
Run and chat with the model
lemonade run user.KaliSupport-Q6_K
List all available models
lemonade list
- Hermes Agent
How to use Tayrrr/KaliSupport with Hermes Agent:
Start the llama.cpp server
# Install llama.cpp: brew install llama.cpp # Start a local OpenAI-compatible server: llama serve -hf Tayrrr/KaliSupport:Q6_K
Configure Hermes
# Install Hermes: curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash hermes setup # Point Hermes at the local server: hermes config set model.provider custom hermes config set model.base_url http://127.0.0.1:9931/v1 hermes config set model.default Tayrrr/KaliSupport:Q6_K
Run Hermes
hermes
- Atomic Chat
- OpenClaw
How to use Tayrrr/KaliSupport with OpenClaw:
Start the llama.cpp server
# Install llama.cpp: brew install llama.cpp # Start a local OpenAI-compatible server: llama serve -hf Tayrrr/KaliSupport:Q6_K
Configure OpenClaw
# Install OpenClaw: npm install -g openclaw@latest # Register the local server and set it as the default model: openclaw onboard --non-interactive --mode local \ --auth-choice custom-api-key \ --custom-base-url http://127.0.0.1:9931/v1 \ --custom-model-id "Tayrrr/KaliSupport:Q6_K" \ --custom-provider-id llama-cpp \ --custom-compatibility openai \ --custom-text-input \ --accept-risk \ --skip-health
Run OpenClaw
openclaw agent --local --agent main --message "Hello from Hugging Face"
File size: 14,782 Bytes
7ea1cf8 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 | # Kali Agent (LocalAI)
Yerel bir LLM (BaronLLM Llama-3.1) ile **Kali Linux** sanal makinesini SSH üzerinden süren otonom bir sızma testi (pentest) ajanı. Beyin Windows'ta, "kollar" Kali'de. Artık sesli komutla da kontrol edilebilir (offline STT, Türkçe).
> Eğitim ve yetkili sızma testi senaryoları içindir. Sadece izin aldığın sistemler üzerinde çalıştır.
---
## Mimari Özet
```
[Kullanıcı: klavye veya mikrofon]
|
v
+------------------- Windows --------------------+
| agent.py (REPL + ReAct loop) |
| | |
| +-- voice.py (faster-whisper STT, ops.) |
| +-- ollama.Client -> BaronLLM (Modelfile) |
| +-- tool_call.py (parse + dispatcher) |
| +-- safety.py (komut filtresi) |
| +-- ssh_client.py |
| +-- logger.py (JSONL session logu) |
+-----------------------|------------------------+
| paramiko / SSH (anahtar)
v
+--------- Kali VM ---------+
| bash + nmap/sqlmap/... |
+---------------------------+
```
**ReAct döngüsü** her adımda şu akışı izler:
```
Thought: <kısa, tek paragraf>
Action: run_cmd
Action Input: <tek satır bash>
```
Komut Kali'de çalıştırılır, çıktı `Observation:` olarak modele geri verilir. Görev `Final Answer:` ile veya `--max-steps` limitiyle biter. Manuel modda her adımda Enter ile onay alınır.
---
## Klasör Yapısı
```
LocalAI/
agent.py # Ana orkestrator, REPL, ReAct döngüsü
config.py # .env'den dataclass'lara mapping
ssh_client.py # paramiko sarmalayıcısı (Kali SSH)
tool_call.py # ReAct parser + ToolDispatcher
safety.py # Yıkıcı komut filtresi (block/warn)
voice.py # Sesli komut: faster-whisper + sounddevice
logger.py # Oturum başına JSONL log
Modelfile # Ollama: BaronLLM + sistem promptu + parametreler
requirements.txt
.env / .env.example
test_ssh.py # SSH bağlantısı için izole test
logs/ # session-YYYYMMDD-HHMMSS.jsonl
```
---
## Kurulum
### 1. Kali VM tarafı
```bash
sudo apt update && sudo apt install -y openssh-server
sudo systemctl enable --now ssh
ip a # bridged adapter ise LAN IP'sini not al
```
Windows'ta üretilmiş public key'i (`~/.ssh/id_ed25519.pub` içeriği) Kali'de:
```bash
mkdir -p ~/.ssh && chmod 700 ~/.ssh
echo "ssh-ed25519 AAAA... kerem@windows" >> ~/.ssh/authorized_keys
chmod 600 ~/.ssh/authorized_keys
```
### 2. Windows tarafı
```powershell
cd C:\Users\kerem\Documents\LocalAI
python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -r requirements.txt
```
> Python 3.12 / 3.13 / 3.14 destekleniyor. `faster-whisper` arka planda `ctranslate2` derler; wheel mevcut değilse Visual Studio Build Tools gerekebilir.
### 3. Ollama + model
```powershell
# Ollama kurulu degilse: https://ollama.com/download
ollama serve # arka planda calissin
# baronllm-llama3.1-v1-q6_k.gguf dosyasini proje koküne koyduktan sonra:
ollama create KaliSupport -f .\Modelfile
ollama list # KaliSupport gorulmeli
```
### 4. `.env`
`.env.example` dosyasını kopyalayıp düzenle:
```powershell
Copy-Item .env.example .env
notepad .env
```
Doldurulması zorunlu alanlar:
- `KALI_HOST` — Kali VM'in LAN IP'si
- `KALI_SSH_KEY` — Windows'taki **private** anahtarın tam yolu
- `OLLAMA_MODEL` — `ollama list`'te gördüğün isim (örn. `KaliSupport`)
### 5. SSH'i tek başına doğrula
```powershell
python test_ssh.py
```
`pong` görüyorsan bağlantı sağlam.
---
## Çalıştırma
### REPL (varsayılan)
```powershell
python agent.py
```
REPL komutları:
| Giriş | Anlamı |
|------|--------|
| `<metin>` | Görev metni; ajan ReAct'e başlar |
| `:v` veya `voice` | Mikrofonu aç, konuşmayı transkript et, görev olarak gönder |
| `:r` veya `reset` | Mesaj geçmişini temizle (model konteksini sıfırla) |
| `:q` / `quit` / `exit` | Çık |
### Voice-first mod
Her prompt'ta otomatik mikrofon açılsın (yine de Enter'a basıp metin de yazabilirsin):
```powershell
python agent.py --voice
```
### Otomatik mod (her adımı sormadan)
```powershell
python agent.py --auto
python agent.py --auto --voice
```
### Tek seferlik görev
```powershell
python agent.py "192.168.1.20 portlarini tara ve 80 acıksa dirb yap"
```
### Manuel mod adım onayı
| Tuş | Etki |
|-----|------|
| Enter / `e` | Komutu çalıştır |
| `d` | Komutu düzenle |
| `s` | Bu adımı atla (modele "skipped" döner) |
| `q` | Loop'u durdur |
---
## Voice (Sesli Komut)
### Nasıl çalışıyor
1. `:v` yazınca mikrofon akışı (`sounddevice`, 16 kHz mono float32) açılır.
2. Ekrana akan `.` ve `#` karakterleri mini bir VU-meter gibi davranır (`.` sessizlik, `#` ses var).
3. Konuşmaya başlayınca kayıt başlar; `VOICE_SILENCE_SECONDS` (varsayılan 1.5sn) kesintisiz sessizlikten sonra otomatik kapanır.
4. Ses parçası `faster-whisper` ile yerelde transkript edilir (varsayılan model: `small`, dil: `tr`).
5. Transkript ekrana yazılır; onay/düzenleme menüsü gelir:
| Tuş | Etki |
|-----|------|
| Enter / `e` | Aynen görev olarak gönder |
| `d` | Önce düzenle, sonra gönder |
| `r` | Yeniden dinle |
| `q` | İptal |
### Ortam değişkenleri (`.env`)
| Değişken | Varsayılan | Açıklama |
|----------|------------|----------|
| `VOICE_ENABLED` | `true` | `false` -> `:v` komutu kapalı, kütüphaneler yine de yüklenmeyebilir |
| `VOICE_PREWARM` | `true` | Agent başlangıcında modeli yükle. Açıkken startup ~5-30 sn uzar, ama ilk `:v`'de bekleme olmaz |
| `VOICE_MODEL` | `small` | `tiny` / `base` / `small` / `medium` / `large-v3`. Türkçe için minimum `small` öneririm |
| `VOICE_DEVICE` | `cpu` | `cpu` / `cuda` / `auto`. CUDA seçersen `compute_type`'ı da güncelle |
| `VOICE_COMPUTE_TYPE` | `int8` | CPU: `int8`. GPU: `float16` veya `int8_float16` |
| `VOICE_LANGUAGE` | `tr` | `tr`, `en`, ... `auto` -> dili Whisper tahmin eder |
| `VOICE_SAMPLERATE` | `16000` | 16 kHz Whisper'in beklediği değer; değiştirme |
| `VOICE_SILENCE_THRESHOLD` | `0.012` | RMS eşiği. Klavye/fan yüzünden tetiklenirse yükselt; konuşma duyulmuyorsa düşür |
| `VOICE_SILENCE_SECONDS` | `1.5` | Kayıt durduran kesintisiz sessizlik süresi |
| `VOICE_MAX_SECONDS` | `60` | Sert üst sınır |
| `VOICE_INITIAL_TIMEOUT` | `8` | Konuşma hiç başlamazsa kaç saniye sonra iptal |
| `VOICE_INPUT_DEVICE` | *(boş)* | Boş = sistem default. Sayı ya da isim parçası verilebilir |
| `VOICE_CONFIRM` | `true` | `false` -> transkript görünür ama onay sormadan görev olarak gider |
### Mikrofon listesi
```powershell
python -m voice devices
```
Çıktıdaki numarayı `VOICE_INPUT_DEVICE`'a yaz, ya da ismin bir parçasını (örn. `Realtek`).
### Sadece STT'yi test et
```powershell
python -m voice listen
```
Konuş, transkript ekranda. Ajan, SSH, hiçbiri açılmaz; mikrofon + Whisper bütünleşmesini izole etmek için ideal.
### Voice kapanırsa
`:v`'yi her tuşladığında "voice kapali" diyorsa:
```powershell
python -c "import voice; print(voice.VoiceInput(__import__('config').VoiceConfig.from_env()).is_available())"
```
Çıkan mesaj:
- `sounddevice yuklu degil` → `pip install sounddevice` (PortAudio sürücüsü Windows'ta gömülü gelir)
- `faster-whisper yuklu degil` → `pip install faster-whisper`
- `VOICE_ENABLED=false` → `.env`'de `true` yap
- `Mikrofon akisi acilamadi` → `python -m voice devices` ile başka cihaz dene
### Performans ipuçları
- **CPU + `small` + `int8`** ortalama bir laptop'ta ~5-10 sn'lik bir görev için 1-3 sn transkript verir.
- **GPU yetmezse** `VOICE_DEVICE=cpu` kalsın; BaronLLM zaten 4-6 GB VRAM kullanıyor, paylaşmaktansa CPU'da Whisper koşturmak daha sağlıklı.
- Daha hızlı istiyorsan: `VOICE_MODEL=base`. Daha doğru: `medium` (CPU'da yavaşlar ~2x).
### İlk çalıştırma: model indirme
İlk `:v`'de (veya `VOICE_PREWARM=true` ile agent başlangıcında) faster-whisper modeli HuggingFace Hub'dan indirilir. Boyutlar (yaklaşık):
| Model | İndirme | Bellek |
|-------|---------|--------|
| `tiny` | 75 MB | ~150 MB |
| `base` | 150 MB | ~300 MB |
| `small` | 466 MB | ~700 MB |
| `medium` | 1.5 GB | ~2.5 GB |
| `large-v3` | 2.9 GB | ~5 GB |
İndirilen dosyalar `C:\Users\<sen>\.cache\huggingface\hub\` altında saklanır.
**HF rate limit / hız:** anonim indirme yavaş olabilir. Hızlandırmak için bir HuggingFace token üret ([huggingface.co/settings/tokens](https://huggingface.co/settings/tokens)) ve PowerShell'de:
```powershell
$env:HF_TOKEN = "hf_xxxxxxxxxxxxxxxxxx"
python agent.py
```
Ya da `.env` dosyasına `HF_TOKEN=hf_...` ekle (python-dotenv zaten yükler).
### Mikrofon ayarı: konuşmama tetiklenmiyor / kayıt durmuyor
Recording sonu basılan `[voice] kayit bitti: 9.7s, rms=0.011 (esik=0.012)` satırı en kritik tanı çıktısı:
- **`rms < esik`** ise kayıt boyunca eşiğin altındasın; transkript boş gelebilir. Çözüm: mikrofona daha yakın konuş, ya da `VOICE_SILENCE_THRESHOLD`'u düşür (örn. `0.005`).
- **Kayıt hiç durmuyor** (sürekli `#`): arka plan gürültüsü yüksek; eşiği yükselt (`0.020`+) ya da `VOICE_MAX_SECONDS`'i kısalt.
---
## Konfigürasyon Referansı
### Ollama
| Değişken | Açıklama |
|---------|----------|
| `OLLAMA_HOST` | `http://127.0.0.1:11434` |
| `OLLAMA_MODEL` | `Modelfile`'dan ürettiğin isim |
| `OLLAMA_NUM_GPU` | GPU katmanı sayısı. CUDA OOM alırsan düşür |
| `OLLAMA_NUM_CTX` | Bağlam penceresi (token). 4096 tipik nmap çıktıları için yeterli |
| `OLLAMA_TEMPERATURE` | Pentest komutları için 0.3-0.5 öneririm |
| `OLLAMA_KEEP_ALIVE` | **Birim zorunlu**. `30m`, `1h`, `0` (anında unload), `-1` (sonsuz). Birimsiz sayı yazarsan `config.py` otomatik dakikaya çevirir |
### SSH
| Değişken | Açıklama |
|----------|----------|
| `KALI_HOST` / `KALI_PORT` / `KALI_USER` | Kali VM bağlantısı |
| `KALI_SSH_KEY` | Private key tam yolu |
| `KALI_SSH_KEY_PASSPHRASE` | Boş bırak ya da parola |
| `KALI_SSH_PASSWORD` | Public key oturana kadar fallback |
| `SSH_COMMAND_TIMEOUT` | Saniye. nmap full scan için 600+ tut |
### Safety
| Değişken | Açıklama |
|----------|----------|
| `SAFETY_MODE` | `enforce` (varsayılan; `block` kuralları durdurur) / `audit` (her şey geçer, sadece loglanır) |
`safety.py` içinde tanımlı kurallar (özet):
- `rm -rf /`, `rm -rf ~`, kritik `/etc` üzerine yazma
- `mkfs`, `dd of=/dev/sd*`, `wipefs`
- Fork bomb (`:(){ :|:& };:`)
- `shutdown` / `reboot` / `systemctl poweroff`
- `~/.ssh` veya `authorized_keys` silme; `sshd` durdurma
- `userdel root/kali`
- `curl ... | bash` (warn)
Kuralları elle test:
```powershell
python safety.py "rm -rf /"
python safety.py "nmap -sV 192.168.1.10"
```
---
## Loglar
Her oturum yeni bir JSONL dosyası: `logs/session-YYYYMMDD-HHMMSS.jsonl`. Olay tipleri:
- `session_start` / `session_end`
- `info` / `warn` / `error`
- `model` — modelden dönen metin (thought/response)
- `tool_call` — ajanın istediği tool ve argümanlar
- `command` — Kali'de çalışan komutun stdout/stderr/exit_code
- `safety_match` — kuralla eşleşen komutlar
- `voice_*` — voice yaşam döngüsü (`voice_record_start`, `voice_transcript`, `voice_cancelled`, ...)
Ham logları görmek için:
```powershell
Get-Content .\logs\session-*.jsonl -Tail 30 | ConvertFrom-Json | Format-Table ts,type,message
```
---
## Sorun Giderme
| Belirti | Sebep / Çözüm |
|---------|---------------|
| `time: missing unit in duration "1"` | `OLLAMA_KEEP_ALIVE` birim içermiyor. `30m`, `1h`, `-1` yaz. (`config.py` artık otomatik düzeltir) |
| `Ollama'ya ulasilamadi` | `ollama serve` çalışmıyor veya `OLLAMA_HOST` yanlış |
| `Ollama'da '<model>' modeli yok` | `ollama create <ad> -f Modelfile` çalıştır |
| `Kimlik dogrulama basarisiz: kali@...` | Public key Kali'deki `~/.ssh/authorized_keys`'te değil; ya da KALI_SSH_KEY private değil |
| `Komut zaman asimina ugradi` | `SSH_COMMAND_TIMEOUT`'u artır |
| `[voice kapali] sounddevice yuklu degil` | `pip install sounddevice` |
| `Mikrofon akisi acilamadi` | `python -m voice devices` ile mevcut cihazları gör; uygun olanı `VOICE_INPUT_DEVICE`'a yaz |
| Konuşunca hiçbir şey kaydedilmiyor (`...........`) | `VOICE_SILENCE_THRESHOLD` çok yüksek; `0.005` deneyebilirsin |
| Sürekli `#` çıkıyor, kayıt durmuyor | Mikrofon arka plan gürültüsü yüksek; eşiği yükselt veya VOICE_MAX_SECONDS düşür |
| `:v` sonrası uzun süre tepkisiz | Model indiriyor (ilk seferde 466 MB / `small`). `VOICE_PREWARM=true` ile bunu agent başlangıcına taşı; veya `HF_TOKEN` set et |
| `unauthenticated requests to the HF Hub` uyarısı | Anonim indirme; `HF_TOKEN` set edilirse kaybolur ve indirme hızlanır |
| CUDA OOM | `OLLAMA_NUM_GPU`'yu düşür; voice'u CPU'da bırak (`VOICE_DEVICE=cpu`) |
---
## Geliştirici Notları
### Kod stili
- Python 3.12+ syntax (`X | Y`, `dict[str, Y]`)
- Tüm fonksiyon imzalarında tip ipucu
- Yan etki içeren her modül `if __name__ == "__main__":` self-test'iyle gelir:
```powershell
python tool_call.py # ReAct parser testi
python safety.py # safety kural testi
python -m voice listen # STT entegrasyon testi
python test_ssh.py # SSH end-to-end
```
### Yeni tool eklemek
`tool_call.py` içinde `ToolDispatcher.register("benim_tool", fn)` ile dinamik kayıt:
```python
def my_tool(args: dict[str, str]) -> str:
return f"Observation gibi geri dönecek string"
dispatcher.register("my_tool", my_tool)
```
Modelin bu tool'u tetiklemesi için `Modelfile`'daki sistem promptuna kullanım örneği eklemen gerekir.
### Yol haritası
- [ ] TTS (sesli yanıt) — modelin Final Answer'ını sesli okusun
- [ ] Wake-word (her zaman dinle, "Kali" deyince devreye gir)
- [ ] Çoklu tool (`run_python`, `read_file`, `download`)
- [ ] Web dashboard (logs/`*.jsonl` üzerinden canlı izleme)
---
## Lisans
Kişisel/eğitim amaçlı. Bağımlı oldukları kütüphanelerin lisansları geçerlidir (paramiko BSD, ollama-python MIT, faster-whisper MIT, sounddevice MIT).
|