使用如下命令启动：（建议）
from PureWaf import purewaf
def main():
purewaf(
webui=True
)
if __name__ == "__main__":
main()然后切换至 AUTO 模式之后进行以下操作：
即可输出结果
我们以 CISCN2026 的 MediaDrive 和 GPT-5.4 为例，带上通用的 CTF Skills，让 Codex 自动获取 FLAG，耗时如下：
模型价格如下：（计费倍率0.4x）
| 模型 | 输入价格 | 输出价格 | 缓存创建价格 | 缓存读取价格 |
|---|---|---|---|---|
| gpt-5.4-high | $1/M | $6/M | $0/M | $0.1/M |
一共 $0.160663 、 430.3 K tokens
然后我们使用 PureWaf 的 Agent 模式，.env 文件为：
API_KEY=your-api-key
BASE_URL=you-base-url-here
MODEL=gpt-5.4之后运行 Agent，可观察到消耗 token 和耗时：
由于只在分析阶段和 review 阶段调用，所以只消耗了 0.015514$ 和 7.35k tokens
相较于前面 LLM 自主分析解题，总体消耗减少约 90%，同时解题速度也大幅提升
（实际会有部分波动，总体在80%~95%）