使用 SAST 插件构建多语言代码安全扫描体系：security-scanning/security-sast 实战指南

本文以 plugins/security-scanning/commands/security-sast.md 为主体，结合同插件下的 sast-configuration 技能 与 security-auditor 等仓库资源，系统讲解如何在 Claude Code / Codex / Cursor 等 Agent 工作流中，为 Python、JavaScript/TypeScript、Java、Ruby、Go、Rust 等多语言代码库落地 SAST（静态应用安全测试）：涵盖工具选型、规则配置、漏洞模式修复、统一扫描器实现、CI/CD 集成与最佳实践。

在本仓库的 Agent 插件体系中，security-scanning 插件承载了代码安全扫描、安全加固编排与威胁建模三大能力。其中 security-sast 命令是面向静态代码分析的专门入口，通过 /security-scanning:security-sast 即可直接调用（参见 docs/agents.md 中的命令注册示例）。读完本文，你将能够：按语言挑选并配置 Bandit / ESLint Security / Semgrep 等 SAST 工具，编写组织级自定义规则，识别并修复 SQL 注入、XSS、硬编码密钥等高频漏洞，并将扫描接入 GitHub Actions 与 GitLab CI。

一、SAST 插件能做什么：能力边界与适用场景

security-sast.md 在 Frontmatter 中声明了该命令的适用文件范围（globs）与关键词（keywords），这说明它在 Agent 场景中会被自动匹配到对应的代码扫描任务：当工作区中出现 **/*.py、**/*.js、**/*.ts、**/*.java、**/*.rb、**/*.go、**/*.rs、**/*.php 等文件时，该命令即可被唤起。

其核心能力可分为四层：

• 多语言 SAST 覆盖：Python、JavaScript/TypeScript、Java、Ruby、PHP、Go、Rust；
• 工具生态集成：Bandit、Semgrep、ESLint Security、SonarQube、CodeQL、PMD、SpotBugs、Brakeman、gosec、cargo-clippy；
• 漏洞模式检测：SQL 注入、XSS、硬编码密钥、路径遍历、IDOR、CSRF、不安全反序列化；
• 框架感知分析：Django、Flask、React、Express、Spring Boot、Rails、Laravel。

在“何时使用”上，文档明确了适用场景：代码评审安全分析、注入类漏洞、硬编码密钥、框架特有模式、自定义安全策略强制、上线前校验、遗留代码评估，以及合规审计（OWASP、PCI-DSS、SOC2）。插件还提供了分工明确的配套工具——security-secrets.md 负责进阶凭据扫描、security-owasp.md 负责 Top 10 映射、security-api.md 负责 REST/GraphQL 端点测试（详见下文“协同工具矩阵”一节），避免单个命令职责过载。

二、按语言选择工具：从 Bandit 到 cargo-clippy

文档给出的选型思路是“语言优先”：每种主语言绑定一个最成熟的 SAST 工具，再以 Semgrep 作为跨语言兜底。

Python：Bandit

# 安装与扫描
pip install bandit
bandit -r . -f json -o bandit-report.json
bandit -r . -ll -ii -f json  # 仅 High/Critical

-ll 表示最低严重级别为 HIGH（-lll 为 CRITICAL），-ii 表示最低置信度为 HIGH，二者叠加用于快速聚焦高风险问题；-f json -o 将结果导出为机器可读报告，便于后续接入扫描器统一汇总。

配置文件 .bandit：

exclude_dirs: ["/tests/", "/venv/", "/.tox/", "/build/"]
tests:
  [
    B201, B301, B302, B303, B304, B305, B307, B308, B312,
    B323, B324, B501, B502, B506, B602, B608,
  ]
skips: [B101]

配置要点：exclude_dirs 排除测试目录、虚拟环境与构建产物以提升信噪比；tests 白名单精确圈定要启用的检查器 ID——例如 B608（SQL 注入相关）、B301/B302/B303（Pickle/黑名单反序列化）、B323（不安全随机数）、B506（YAML 不安全加载）、B602（subprocess 与 shell）、B501/B502（requests 证书校验）；skips: [B101] 将 assert 使用（B101）整体放行，避免在测试代码中误报。

JavaScript/TypeScript：ESLint Security

npm install --save-dev eslint @eslint/plugin-security eslint-plugin-no-secrets
eslint . --ext .js,.jsx,.ts,.tsx --format json > eslint-security.json

配置文件 .eslintrc-security.json：

{
  "plugins": ["@eslint/plugin-security", "eslint-plugin-no-secrets"],
  "extends": ["plugin:security/recommended"],
  "rules": {
    "security/detect-object-injection": "error",
    "security/detect-non-literal-fs-filename": "error",
    "security/detect-eval-with-expression": "error",
    "security/detect-pseudo-random-prng": "error",
    "no-secrets/no-secrets": "error"
  }
}

plugin:security/recommended 一键开启安全推荐规则集，再显式强化四条高危规则：对象属性注入（原型污染风险）、非字面量 fs 文件名（路径遍历）、eval 表达式执行、伪随机数 PRNG（安全上下文禁用 Math.random），并以 no-secrets 拦截代码中硬编码的秘密。注意该配置与仓库 tools/validate_generated.py 等生成物校验无关，它是面向 JS/TS 工程的独立规则集。

跨语言兜底：Semgrep

pip install semgrep
semgrep --config=auto --json --output=semgrep-report.json
semgrep --config=p/security-audit --json
semgrep --config=p/owasp-top-ten --json
semgrep ci --config=auto  # CI 模式

Semgrep 基于模式匹配与元变量（metavariable）实现语法级分析，支持 30+ 语言，且同一套 YAML 规则可同时作用于多语言。--config=auto 自动挑选公共规则集；p/security-audit 与 p/owasp-top-ten 是社区维护的专项规则包；semgrep ci 则面向 CI 环境提供去重与增量结果。仓库中的 sast-configuration 技能 进一步给出了 semgrep --config=auto --error（命中即失败）以及 p/pci-dss（PCI-DSS 合规扫描）等用法。

其余语言工具速查

语言	命令	说明
Java	mvn spotbugs:check	SpotBugs 通过 Maven 插件执行字节码级缺陷分析
Ruby	brakeman -o report.json -f json	Rails 专用安全扫描器，输出 JSON 报告
Go	gosec -fmt=json -out=gosec.json ./...	检查 Go 源码的常见安全问题
Rust	cargo clippy -- -W clippy::unwrap_used	以 lint 警告形式暴露 unwrap 等风险模式

三、编写 Semgrep 自定义规则：组织级安全策略落地

security-sast.md 将“自定义规则编写”列为插件核心能力之一。SAST 工具出厂规则覆盖通用漏洞，但每个组织的框架约定、敏感 API、内部组件各不相同，必须通过自定义规则把安全策略固化为代码。配置文件为 .semgrep.yml，文档给出了五个可直接复用的示例规则：

rules:
  - id: sql-injection-format-string
    pattern: cursor.execute("... %s ..." % $VAR)
    message: SQL injection via string formatting
    severity: ERROR
    languages: [python]
    metadata:
      cwe: "CWE-89"
      owasp: "A03:2021-Injection"

  - id: dangerous-innerHTML
    pattern: $ELEM.innerHTML = $VAR
    message: XSS via innerHTML assignment
    severity: ERROR
    languages: [javascript, typescript]
    metadata:
      cwe: "CWE-79"

  - id: hardcoded-aws-credentials
    patterns:
      - pattern: $KEY = "AKIA..."
      - metavariable-regex:
          metavariable: $KEY
          regex: "(aws_access_key_id|AWS_ACCESS_KEY_ID)"
    message: Hardcoded AWS credentials detected
    severity: ERROR
    languages: [python, javascript, java]

  - id: path-traversal-open
    patterns:
      - pattern: open($PATH, ...)
      - pattern-not: open(os.path.join(SAFE_DIR, ...), ...)
      - metavariable-pattern:
          metavariable: $PATH
          patterns:
            - pattern: $REQ.get(...)
    message: Path traversal via user input
    severity: ERROR
    languages: [python]

  - id: command-injection
    patterns:
      - pattern-either:
          - pattern: os.system($CMD)
          - pattern: subprocess.call($CMD, shell=True)
      - metavariable-pattern:
          metavariable: $CMD
          patterns:
            - pattern-either:
                - pattern: $X + $Y
                - pattern: f"...{$VAR}..."
    message: Command injection via shell=True
    severity: ERROR
    languages: [python]

规则结构拆解：

• 基础字段：id 全局唯一标识；message 是命中时向开发者展示的修复提示；severity 支持 ERROR / WARNING / INFO；languages 决定规则生效的语言；metadata.cwe 与 metadata.owasp 将发现映射到 CWE 编号与 OWASP Top 10（如 CWE-89 → A03:2021-Injection），这正是后面统一扫描器里 cwe/owasp 字段的数据来源；
• 组合模式：patterns 内并列条件须同时满足；pattern-either 表示任选其一命中；pattern-not 用于排除安全写法（如路径遍历规则显式豁免 os.path.join(SAFE_DIR, ...) 的白名单模式）；
• 元变量约束：metavariable-regex 用正则约束元变量取值（如 $KEY 必须是 AWS 密钥环境变量名）；metavariable-pattern 则对元变量施加模式约束（如路径遍历规则要求 $PATH 来自 $REQ.get(...) 这一用户输入来源）。

规则编写的关键在于同时声明漏洞形态与数据来源：仅匹配危险 API（如 open()）会产生大量误报，叠加“输入来自用户请求”的条件后，才真正逼近“可被利用”的语义。sast-configuration 技能中同类的 hardcoded-jwt-secret 规则（pattern: jwt.encode($DATA, "...", ...)）也印证了这一套路：先定位高危 API，再约束敏感上下文。

四、七类高频漏洞的检测与修复对照

文档将漏洞模式与修复方案成对呈现，形成“检测 → 修复”闭环。以下逐类说明其检测信号与安全写法。

SQL 注入

风险写法：使用字符串格式化/拼接将用户输入嵌入 SQL 查询。

安全写法：

# 参数化查询
cursor.execute("SELECT * FROM users WHERE id = %s", (user_id,))
User.objects.filter(id=user_id)  # ORM

参数化查询将数据与语句分离，是杜绝注入的根本手段；ORM 查询天然参数化。对应检测规则即上文 sql-injection-format-string。

跨站脚本（XSS）

风险写法：用未经消毒的用户输入直接操作 DOM（innerHTML、outerHTML、document.write）。

安全写法：

// 纯文本使用 textContent
element.textContent = userInput;

// React 默认转义
<div>{userInput}</div>;

// 确实需要 HTML 时先消毒
import DOMPurify from "dompurify";
element.innerHTML = DOMPurify.sanitize(userInput);

优先 textContent；React 等框架默认对插值转义；必须渲染富文本时用 DOMPurify 消毒。仓库中 frontend-security-coder 等前端安全 Agent 的职责（XSS 防护、CSP 实施）与此形成纵深呼应。

硬编码密钥

风险写法：API Key、密码、Token 直接写入源码。

安全写法：

import os
API_KEY = os.environ.get('API_KEY')
PASSWORD = os.getenv('DB_PASSWORD')

密钥一律从环境变量或密钥管理系统读取。该场景与 security-secrets.md（进阶凭据扫描）及 security-hardening.md 中 Step 10 的“Secrets Management”步骤（Vault / AWS Secrets Manager、轮换策略、移除硬编码密钥）衔接紧密。

路径遍历

风险写法：直接使用未经消毒的用户输入打开文件。

安全写法：

import os
ALLOWED_DIR = '/var/www/uploads'
file_name = request.args.get('file')
file_path = os.path.join(ALLOWED_DIR, file_name)
file_path = os.path.realpath(file_path)
if not file_path.startswith(os.path.realpath(ALLOWED_DIR)):
    raise ValueError("Invalid file path")
with open(file_path, 'r') as f:
    content = f.read()

防御要点有三：基于白名单目录 os.path.join 拼接、用 os.path.realpath 解析符号链接与 .. 逃逸、用 startswith 校验规范化后路径仍位于允许目录内。

不安全反序列化

风险写法：对不可信数据使用 pickle.loads()、yaml.load()。

安全写法：

import json
data = json.loads(user_input)  # SECURE
import yaml
config = yaml.safe_load(user_input)  # SECURE

优先使用格式中立且无任意代码执行面的 json.loads；必须用 YAML 时改 yaml.safe_load。对应 Bandit 检查器 B301/B302/B303 与 B506 正是为这些模式设计。

命令注入

风险写法：os.system() 或 subprocess 开启 shell=True 且拼接用户输入。

安全写法：

subprocess.run(['ping', '-c', '4', user_input])  # 数组参数
import shlex
safe_input = shlex.quote(user_input)  # 输入校验

优先传参数数组（不经过 shell，无解析注入面）；确需 shell 时用 shlex.quote 转义。对应上文 command-injection 自定义规则。

不安全随机数

风险写法：将 random 模块用于安全关键操作（会话 ID、Token 生成）。

安全写法：

import secrets
token = secrets.token_hex(16)
session_id = secrets.token_urlsafe(32)

random 是伪随机且可预测，安全场景必须改用 CSPRNG 的 secrets 模块。ESLint 的 security/detect-pseudo-random-prng 规则即针对 JS 侧同类问题。

五、框架级安全配置模板

SAST 不只盯单条语句，还要识别框架层面的错误配置。文档给出三大主流框架的“危险配置 → 安全基线”。

Django

危险信号：@csrf_exempt、DEBUG=True、弱 SECRET_KEY、缺少安全中间件。

安全基线（settings.py）：

DEBUG = False
SECRET_KEY = os.environ.get('DJANGO_SECRET_KEY')

MIDDLEWARE = [
    'django.middleware.security.SecurityMiddleware',
    'django.middleware.csrf.CsrfViewMiddleware',
    'django.middleware.clickjacking.XFrameOptionsMiddleware',
]

SECURE_SSL_REDIRECT = True
SESSION_COOKIE_SECURE = True
CSRF_COOKIE_SECURE = True
X_FRAME_OPTIONS = 'DENY'

要点：生产环境关闭 DEBUG（避免调试信息泄露与敏感路径暴露）；SECRET_KEY 从环境注入；启用安全/CSRF/点击劫持三道中间件；强制 HTTPS 跳转、Cookie 加 Secure 标记、X-Frame-Options: DENY 防点击劫持。

Flask

危险信号：debug=True、弱 secret_key、CORS 通配。

安全基线：

import os
from flask_talisman import Talisman

app.secret_key = os.environ.get('FLASK_SECRET_KEY')
Talisman(app, force_https=True)
CORS(app, origins=['https://example.com'])

Talisman 统一设置安全响应头并强制 HTTPS；CORS 明确白名单来源而非 *。

Express.js

危险信号：缺少 helmet、CORS 通配、无速率限制。

安全基线：

const helmet = require("helmet");
const rateLimit = require("express-rate-limit");

app.use(helmet());
app.use(cors({ origin: "https://example.com" }));
app.use(rateLimit({ windowMs: 15 * 60 * 1000, max: 100 }));

helmet() 一键设置安全响应头；cors 限定来源；rate-limit 以 15 分钟窗口 100 次请求的阈值缓解暴力破解与滥用。这些模板与仓库 backend-api-security 插件的“安全后端编码、API 安全实现”职责同属一个安全编码体系。

六、统一多语言扫描器实现（源码级解读）

security-sast.md 附带了一个完整的 MultiLanguageSASTScanner 参考实现，用于把多个工具的输出统一成结构化发现（finding）。这与插件体系的设计哲学一致：安全 Auditor Agent 在扫描时正是“Execute SAST analysis (Semgrep/SonarQube patterns)”的角色（见 security-auditor.md 的审计工作流）。

核心数据结构：SASTFinding

@dataclass
class SASTFinding:
    tool: str
    severity: str
    category: str
    title: str
    description: str
    file_path: str
    line_number: int
    cwe: str
    owasp: str
    confidence: str

该结构统一了跨工具的字段口径：tool 记录来源（semgrep / bandit / eslint-security），severity 归一化为 CRITICAL/HIGH/MEDIUM/LOW，cwe 与 owasp 直接对应自定义规则中的 metadata 字段，为后续风险评分与合规映射提供数据底座。

语言自动探测

def detect_languages(self) -> List[str]:
    indicators = {
        'python': ['*.py', 'requirements.txt'],
        'javascript': ['*.js', 'package.json'],
        'typescript': ['*.ts', 'tsconfig.json'],
        'java': ['*.java', 'pom.xml'],
        'ruby': ['*.rb', 'Gemfile'],
        'go': ['*.go', 'go.mod'],
        'rust': ['*.rs', 'Cargo.toml'],
    }
    for lang, patterns in indicators.items():
        for pattern in patterns:
            if list(self.project_path.glob(f'**/{pattern}')):
                languages.append(lang)
                break
    return languages

以“扩展名 + 生态标志文件”双重信号判定语言，例如存在 *.py 或 requirements.txt 即视为 Python 项目。该思路与同插件 security-dependencies.md 中的 detect_ecosystems（通过 package.json、pyproject.toml、go.mod、Cargo.toml 识别 npm/pip/go/cargo 生态）完全同构，说明“按清单文件自动发现技术栈”是本插件族的通用模式。

编排与结果归一化

def run_comprehensive_sast(self) -> Dict[str, Any]:
    languages = self.detect_languages()
    scan_results = {
        'timestamp': datetime.now().isoformat(),
        'languages': languages,
        'tools_executed': [],
        'findings': []
    }
    self.run_semgrep_scan()                      # 始终执行（跨语言兜底）
    scan_results['tools_executed'].append('semgrep')
    if 'python' in languages:
        self.run_bandit_scan()                   # Python 专属
        scan_results['tools_executed'].append('bandit')
    if 'javascript' in languages or 'typescript' in languages:
        self.run_eslint_security_scan()          # JS/TS 专属
        scan_results['tools_executed'].append('eslint-security')
    scan_results['findings'] = [vars(f) for f in self.findings]
    scan_results['summary'] = self.generate_summary()
    return scan_results

编排策略是“Semgrep 无条件执行 + 按语言追加专属工具”，形成纵深覆盖。run_semgrep_scan 内部对 ['auto', 'p/security-audit', 'p/owasp-top-ten'] 三个规则集逐一执行，并解析 JSON 输出填充 SASTFinding，单条工具失败只打印告警、不中断整体扫描（except Exception as e: print(...)），体现“扫描工具应具备容错性”的工程取舍。

风险评分模型

def calculate_risk_score(self, severity_counts: Dict[str, int]) -> int:
    weights = {'CRITICAL': 10, 'HIGH': 7, 'MEDIUM': 4, 'LOW': 1}
    total = sum(weights[s] * c for s, c in severity_counts.items())
    return min(100, int((total / 50) * 100))

采用加权线性评分并钳制在 0–100：CRITICAL=10、HIGH=7、MEDIUM=4、LOW=1，total/50*100 的含义是“每 50 个加权分折算 100 分”，得分可作为质量门禁的数值依据。类似思路也出现在 security-dependencies.md 的 VulnerabilityPrioritizer（cvss*0.4 + exploitability*2.0 + fix_available*1.0 的优先级评分），可见“数值化排序发现”是该插件族的标准化产出。

七、CI/CD 集成：把 SAST 固化进流水线

文档提供了 GitHub Actions 与 GitLab CI 两套最小可运行配置，符合 “Run early and often”（尽早、频繁运行）的最佳实践。

GitHub Actions

name: SAST Scan
on:
  pull_request:
    branches: [main]

jobs:
  sast:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v3
      - uses: actions/setup-python@v4
        with:
          python-version: "3.11"

      - name: Install tools
        run: |
          pip install bandit semgrep
          npm install -g eslint @eslint/plugin-security

      - name: Run scans
        run: |
          bandit -r . -f json -o bandit.json || true
          semgrep --config=auto --json --output=semgrep.json || true

      - name: Upload reports
        uses: actions/upload-artifact@v4
        with:
          name: sast-reports
          path: |
            bandit.json
            semgrep.json

关键设计：on.pull_request 使扫描成为合入前置门禁；|| true 保证扫描命令非零退出不中断流水线（报告上传后人工或门禁工具再判定）；upload-artifact 将 JSON 报告作为构建产物留存。若希望“命中即失败”，可参照 sast-configuration 技能改用 semgrep --config=auto --error 或在后续步骤解析 JSON 检查 CRITICAL 计数。

GitLab CI

sast:
  stage: test
  image: python:3.11
  script:
    - pip install bandit semgrep
    - bandit -r . -f json -o bandit.json || true
    - semgrep --config=auto --json --output=semgrep.json || true
  artifacts:
    reports:
      sast: bandit.json

GitLab 侧利用原生 artifacts.reports.sast 字段将 Bandit JSON 直接注册为 SAST 安全报告，可在 MR 界面原生查看；stage: test 将其纳入既有测试阶段顺序。

此外，sast-configuration 技能补充了两类轻量接入：pre-commit 钩子（.pre-commit-config.yaml 中注册 semgrep hook，参数 ['--config=auto', '--error']）与 GitHub Actions 的 Semgrep 官方 action（returntocorp/semgrep-action@v1，可同时传入 p/security-audit 与 p/owasp-top-ten 多规则集）。

八、最佳实践十条与落地建议

文档在收尾处给出十条实践准则，可归纳为四个实施阶段：

1. 扫描频率：pre-commit 钩子 + CI/CD 双通道，尽早频繁运行（#1）；
2. 工具策略：多工具组合，不同工具覆盖不同漏洞面（#2）；使用框架专属规则集（#5）；自定义组织级规则（#6）；定期更新工具（#10）；
3. 结果治理：调优误报——配置排除项与阈值（#3）；按 CRITICAL/HIGH 优先排序修复（#4）；建立基线管理已知问题（#9）；
4. 团队机制：开发者安全编码培训（#7）；增量式修复而非一次性大改（#8）。

仓库中的 sast-configuration 技能 对这些准则给出了更细的操作指引，可重点关注：

• 基线先行：首次扫描建立安全基线，优先处理 CRITICAL/HIGH，输出修复路线图；
• 渐进采用：先启用纯安全规则，再逐步叠加代码质量规则，仅在关键问题上设置阻断门禁；
• 误报管理：记录合理的抑制项、为已知安全模式建立白名单、定期复审被抑制的发现；
• 性能优化：排除测试与生成代码、大库启用增量扫描、CI 中缓存扫描结果；
• 团队赋能：提供安全培训、沉淀内部安全模式文档、建立安全 Champion 计划。

技能中还给出了工具选型对照表，可作为 SAST 平台级决策参考：

工具	最佳场景	语言支持	成本	集成
Semgrep	自定义规则、快速扫描	30+ 语言	Free/Enterprise	极佳
SonarQube	代码质量 + 安全	25+ 语言	Free/Commercial	良好
CodeQL	深度分析、安全研究	10+ 语言	Free (OSS)	GitHub 原生

九、协同工具矩阵与插件内分工

security-sast.md 明确将自己定位为 SAST 专项入口，并与同插件其他命令、Agent 构成完整的安全扫描体系：

• security-secrets.md：进阶凭据扫描，专注密钥/Token 的深度检测（SAST 中的硬编码密钥规则是其轻量子集）；
• security-owasp.md：OWASP Top 10 映射，将发现对齐到 A01–A10 分类（对应 metadata.owasp 字段）；
• security-api.md：REST/GraphQL 端点安全测试；
• security-scan.md：综合安全扫描编排，聚合 SAST/DAST/依赖等结果；
• security-dependencies.md：依赖漏洞扫描 + SBOM 生成，覆盖 npm audit / safety / govulncheck / cargo audit；
• security-hardening.md：四阶段安全加固编排（评估 → 修复 → 控制 → 验证），其 Step 1 明确要求 Agent “Execute SAST analysis (Semgrep/SonarQube patterns)”，Step 4 要求“Fix SQL injections with parameterized queries / Fix XSS with output encoding”——正是本文漏洞修复章节的工程化落地；
• security-auditor Agent（security-auditor.md）与 threat-modeling-expert Agent（threat-modeling-expert.md）：前者负责执行扫描与修复，后者以 STRIDE/攻击树方法做威胁建模，SAST 发现是其输入。

在 Agent 使用方式上，docs/agents.md 中的斜杠命令示例 #L369-L371 展示了 /security-scanning:security-sast 的直接调用形式；同时 security-auditor 被分配 model: opus（复杂安全审计任务），若需在流水线中自动触发，可由 orchestrator 按任务复杂度在 Sonnet（执行扫描）与 Opus（深度审计）之间编排。

结语

从工具选型、规则编写到统一扫描器与 CI/CD 落地，security-sast 命令为多语言代码库提供了一条可复制、可量化的 SAST 实施路径：以 Bandit/ESLint Security/gosec 等语言级工具覆盖各技术栈，以 Semgrep 自定义规则承载组织级安全策略，以 SASTFinding 统一数据结构收敛多工具输出，再通过风险评分与流水线门禁形成闭环。对于准备在 Claude Code、Codex、Cursor 或 Copilot 等 harness 中建立 DevSecOps 基线的团队，可从本文的配置模板与示例规则直接起步，并结合 security-hardening.md 的加固编排将扫描结果转化为系统性修复行动。