给编码 agent 装上安全审计员：一条命令，六道工序

让 AI 帮你写代码的代价，是代码库增长的速度超过了人审查的速度。Cloudflare 把自家漏洞挖掘体系最早的"种子"开源了出来：security-audit-skill，一个装进编码 agent 的安全审计技能。它把审计拆成六个阶段，产出的每条漏洞结论都要经过一个"专门试图证伪它"的新 agent 复核，最终报告机器可读、可追溯。项目在 GitHub 上两周涨了 6.5 千星，总量 22.4 千，MIT 协议，一条 npx 命令就能装进 Claude Code、Codex 这类支持子 agent 的工具。

项目简介

这个技能的来头值得说一句：Cloudflare 在官方博客《Build your own vulnerability harness》里披露过自己的漏洞发现体系——一个多阶段、舰队式的系统，而 security-audit-skill 就是这套体系演化起点的单仓库版本。

它的工作方式是"编排一堆互相隔离的 agent"：主 agent 负责调度和汇总，侦察、狩猎、验证各阶段由隔离的子 agent 分头执行，谁也不能既当运动员又当裁判员。内置的攻击面手册覆盖了提示注入、Web 协议与认证、前端原型污染、供应链、云 IAM、租户隔离、内存安全等十几类目标，基本对齐了一家安全团队的排查清单。

六道工序怎么跑

侦察：先画出架构、信任边界、输入面，生成 architecture.md 和一份记账用的 coverage-ledger.json——每个区域查没查过、查到什么程度，全部入账。

按覆盖率狩猎：从账本单元派出相互隔离的 hunter，逐项记录检查动作，还有专门的 critic agent 回头找遗漏。

候选验证：每个疑似漏洞交给一个全新的 verifier，它的任务只有一个——证明这是误报。证伪成功就进 rejected。

结构化输出：结论分成三档写入 findings.json：confirmed（有完整源码链路和有界的实测结果）、needs_validation（写明卡在哪个未决事实，不给严重级别）、rejected，并用 JSON Schema 强校验。

独立复核：再派新 agent 验证最终报告里每一条源码声明；中途有实质性改动的结论，追加一轮独立 verifier。

报告：从已验证记录生成 REPORT.md、FINDINGS-DETAIL.md 和 NEEDS-VALIDATION.md，不给 agent 留"自由发挥"的空间。

两次审计之间是增量式的：旧账本和结论会用来锁定新目标、复验变动的代码，过期的未决项不会被当成已覆盖。

快速上手

用 Skills CLI 安装（加 --global 装成用户级）：

npx skills add https://github.com/cloudflare/security-audit-skill \
  --skill security-audit

然后在编码 agent 里对着代码库说人话即可，技能会按触发词自动激活：

security audit this codebase
find security vulnerabilities in ./src
do a security review, output to ~/audits/my-project

完整的全面审计默认把结果写到 ~/security-audit-skill/<仓库名>/run-<N>，不污染目标仓库。

两个硬性前提：模型要支持工具调用和并行子 agent；跑目标代码的构建、测试和模糊测试必须放在操作系统级沙箱里——禁外网、白名单环境变量、资源限额、只许写指定暂存目录。沙箱不达标时流程不会硬跑，相关结论一律保守地标成 needs_validation，这个降级设计相当克制。

适合谁用

用 agent 写代码的开发者：在提交或发版前跑一轮，把"AI 生成代码没人看"的风险变成一份带证据链的清单。

安全团队：它不是要替代渗透测试，而是把覆盖率记账、结论分级、独立复核这套纪律带给日常巡检，needs_validation 的边界划分让报告可以直接进工单流程。

agent 工程师：六阶段的编排、证伪式验证、零依赖的 JSON 校验器，都是多 agent 系统里"怎么让结论可信"的现成参考实现。

一句话总结：它管住的不是漏洞，而是 agent 审计结果里最容易出事的"幻觉"。