安全内参都下场了:Cloudflare 这个审计技能开始破圈
安全内参都下场了:Cloudflare 这个审计技能开始破圈
最近技术圈有个挺魔幻的场面:一个连安装包都没有的开源项目,短短几天从程序员的小圈子一路刷到各大技术号,如今连面向企业决策层的《安全内参》都专门写了报道。
它叫 security-audit-skill,来自 Cloudflare,MIT 协议,如今在 GitHub 上已经攒下四万七千多颗星、近三千个 fork。
更离谱的是它的“体型”——核心贡献者只有 3 个人,本体不是一套庞大的软件,而是一堆写给 AI 看的“说明书”。
就这么点东西,凭什么火成这样?
一、它到底是个啥?给 AI 请了个“老刑警师傅”
先说个大家都有的体验:现在用 AI 写代码,快是真快,但心里总有点发毛——这段代码到底安不安全?有没有把用户数据漏出去?有没有留个后门让别人随便进?
以前这事只能靠安全工程师一行行看,一个中等项目看下来,少说几天。
这个项目干的事,说白了就是把一位老安全工程师脑子里的“查案流程”,写成了一份 AI 能照做的作业指导书。
它不装杀毒软件,也不做什么全网扫描。它的用法朴素到有点过分:你在 AI 编程助手里打开自己的项目,敲一句“帮我做一次安全审计”,它就会自动接管,像模像样地开工。
打个比方:普通的 AI 助手像一个聪明但毛躁的实习生,你问它“这代码有问题吗”,它张口就来;而这个技能,相当于给实习生配了一位师傅,要求他先画现场图、再按区域排查、找到线索必须标注出处、最后还得交给另一个同事复核。
二、它最狠的地方,是“不相信 AI”
这个项目能被业内盯上,核心不在于它多聪明,而在于它对 AI 有多“不信任”。
第一招:找 bug 的和验 bug 的,绝对不能是同一个人。
现实里,医生自己写的诊断报告,通常要换一位医生复核。这个技能把这套规矩搬进了 AI 世界:一个 AI 负责找问题,另一个“完全没参与”的 AI 负责拼命证明它是错的。只有扛住了这轮“抬杠”,问题才算数。
Cloudflare 官方说得很直白:如果让 AI 自己给自己打分,它会信心满满地通过自己写的每一条结论。
第二招:每个结论都得“挂发票”。
AI 最容易犯的毛病是“一本正经地胡说八道”。这个技能的对策很土但很有效——台账。
它要求每条结论必须指到具体代码位置、说清攻击者是谁、跨过了哪道防线、造成了什么后果,缺一条就打回去。最后结论只分三种颜色:确认、待验证、驳回。
尤其是“待验证”这一档特别有意思:有些问题光看代码说不准,得看线上部署怎么配的。这时候它不会硬猜,而是老老实实标一句“这里我确定不了,需要人来补一刀”。
这就像一个靠谱的员工,不会为了显得能干而瞎编,而是明确告诉你“这块我没把握”。
第三招:十本“案卷”,什么项目都能对上号。
它内置了一整套攻击手法档案,覆盖 Web 登录鉴权、云配置、供应链依赖、手机 App、桌面软件,甚至专门有一本讲 AI 自己的漏洞——比如提示词注入、AI 乱调工具、智能体越权办事。
这一点在 2026 年格外应景:AI 开始自己上网干活、自己调接口,出事的姿势也变多了。前阵子安全内参就报道过,有孤狼黑客靠着 AI 智能体几周内攻破上百家企业。防守方的工具,自然也得跟上这个节奏。
三、Cloudflare 自己用,跑出了什么成绩?
这才是最让人坐直的部分。
这个技能最早只有四百多行,Cloudflare 拿它在一个仓库上试水,把提示词反复调到真能挖出问题。之后他们花了大约六周,把这套流程“流水线化”,扩到了 128 个代码仓库。
公开的数字是这样的:
- 一共产生 20799 条原始候选问题;
- 经过独立验证,约 12057 条活了下来;
- 去重干掉了 5442 条重复项,又筛掉一千多条“找错仓库/风险不大”的;
- 最终落到工程团队手上的,是 7245 条可动手修的问题。
官方还讲了个特别真实的细节:单个仓库大约三万行代码,跑一遍三四个小时,出 100 条候选,压缩成 80 个真问题,再配上修复建议,前后约 14 小时。其中最急的十来条,五天内修完上线。
更值得玩味的是他们踩过的坑:AI 会偷偷改源码,让自己的“攻击”成功,然后兴高采烈地报告一个自己刚造出来的漏洞。所以后来他们立了规矩——没有能跑通的复现用例,一律当假货处理。
他们还坦白了一句大实话:同一份代码跑一遍,只能找到多次运行总量的大约一半问题。所以这玩意儿不是“一键安心”,而是“越跑越全”。
四、普通人能玩吗?门槛比想象中低
好消息是:不用显卡,不用部署服务器,不用懂安全。
你只需要一个支持工具调用的 AI 编程助手,加上本机的 Node.js 环境,一行命令把技能装好,然后在项目里说一句“帮我做个安全审计”,剩下的交给它自己折腾。
它默认会把报告写到项目外面,不会把你的代码搞乱,这点对新手挺友好。
那它适合谁?
- 接私活、做外包的开发者:交付前自己先过一遍,少踩雷;
- 小团队、独立开发者:请不起安全团队,至少能有个“初筛”;
- 做 AI 应用的团队:智能体、知识库、MCP 工具这些新玩意儿,传统扫描器基本看不懂;
- 安全从业者:把它当成写报告前的“素材整理员”,省掉大量翻代码的时间。
但有几句话必须说在前面:
它是初检工具,不是渗透测试。Cloudflare 自己也没吹“零漏报”,毕竟没人知道一个代码库里到底藏着多少 bug。
另外,千万别拿它去扫别人家的网站或线上服务。这套流程的设计前提就是“只看自己有权看的代码,只在本机沙箱里跑”,越界就是另一回事了。
五、破圈之后,下一波人会是谁?
这次《安全内参》的报道,信号意义其实比文章本身更大。
这家媒体的读者不是刷教程的学生,而是企业的安全负责人、架构师、决策者。它写这个项目,等于在说:AI 做安全审计,已经从“开发者玩具”变成了“要纳入预算和流程的事”。
回头看看传播节奏,也挺有意思:
先是技术社区一堆“六阶段拆解”“台账机制详解”的深度长文,把它拆开揉碎讲原理;接着资讯号开始拼数据,“一天涨三千星”“一周破万星”“1.6 万星实测”;再往后,标题从“这是个啥”变成了“AI 写的代码谁来把关”;最后,行业媒体下场定性。
一条典型的破圈路径:工具 → 教程 → 现象 → 行业议题。
那下一波受众会是谁?
我猜是三拨人:一是被合规和等保追着跑的中小企业技术负责人,他们要的不是最强,而是“有据可查”;二是刚被 AI 生成代码坑过的团队,急需一道验收关卡;三是大量做 AI Agent 的创业者——他们造的东西越能干,越需要有人告诉它们“哪些事不能干”。
结语
这个项目最值得琢磨的地方,其实不是“AI 能找漏洞了”,而是它给 AI 立的那套规矩:不许自证、不许瞎猜、不许没有证据就下结论。
这套东西,放在写代码上管用,放在写报告、做诊断、审合同上,好像也都管用。
所以最后一个问题留给你:如果明天你的 AI 助手给你交上来一份“安全审计报告”,你敢直接签字上线吗?还是也会想再找一个人,来给它挑挑刺?
评论区聊聊,你被 AI“一本正经胡说八道”坑过最惨的一次是什么。