nealbridges/vulnhunterAgentic AI 安全扫描器，能够像攻击者一样对源代码进行推理，通过可执行的 PoC 确认可利用漏洞，并通过 hunt、fix 和 verify 技能推动测试优先的修复。
[!NOTE] Capital One 的 VulnHunter（Apache-2.0）的一个持续维护的分支——旨在运行于任何 agent harness，而不仅仅是 Claude Code。本分支的重点： harness 可移植性、沙箱化（容器化）漏洞利用验证， 以及可量化影响的 PoC。参见 为何做出这些更改 · 本分支更改了什么 · 数据。
从模式匹配到可证明性。
VulnHunter 是一款开源的、agentic AI 安全工具，直接将主动的、攻击者优先的分析应用于源代码。
与传统的、被动的 SAST 扫描器不同——它们标记可疑模式并常常产生误报——VulnHunter 像对手一样进行推理。它识别哪些缺陷实际上可被利用，绘制潜在的攻路径，并提出有针对性的、有证据支撑的修复方案。
现代软件供应链深度互联。一个广泛使用的开源组件中的单个漏洞，可能同时波及数千家企业。
VulnHunter 在 Capital One 内部开发并向社区开源。本分支延续了这项工作——相同的方法论，经过重构以运行于任何 agent harness，并将沙箱化（容器化）漏洞利用验证和可量化影响的 PoC 作为路线图。参见本分支更改了什么。
两用警告 VulnHunter 执行两用网络安全工作（漏洞发现与 利用）。请预期存在护栏：大多数商用模型都会施加 两用网络防护措施，激进的利用行为可能触发 速率限制或使用标记。VulnHunter 的开发和测试运行于 开放权重、社区提供的模型——去风险化、消融（abliterated）且未经审查的模型——这些模型很可能是未来组织使用中 重要的模型。仅审计你拥有或 以其他方式获得授权审计的代码。
[!IMPORTANT] 先决条件与模型要求 VulnHunter 的方法论构建于开放权重、社区提供的 模型之上——即组织实际可以部署的去风险化、消融、未经审查的模型。需要具备强大推理能力的模型；你的 harness 所提供的最强模型能带来最佳结果，但该方法论并不 依赖于特定供应商的前沿模型。你需要自备模型 访问权限。
| 能力 | 上游（Capital One） | 本分支 | 状态 |
|---|---|---|---|
| Harness 可移植性 | 技能专门调用 Claude Code；安装器目标为 ~/.claude/skills；模型门控硬编码 Opus；harness 固定为 claude-opus-4-8 | 技能为 harness 可移植的提示文件（任何具备技能目录 + 子代理的 harness 均可）；VULNHUNT_SKILLS_DIR / VULNHUNT_AGENTS_DIR / VULNHUNT_BIN_DIR / VULNHUNT_HOST_CMD / VULNHUNT_MODEL 环境契约；模型门控改写为“你的 harness 中最具能力的推理模型” | 已交付 |
| 无猜测安装器 | install.sh 假定 ~/.claude/skills | 显式目录，遵循 GROK_HOME 语义，将 vh 启动器写入 VULNHUNT_BIN_DIR/~/.local/bin，安装 vulnhunter-run 技能 + 代理定义；Windows .cmd 等效文件已更新 | 已交付 |
vulnhunter-run 操作员技能 | —（缺失） | 无人值守操作员：克隆 → 狩猎 → 查找结果 → 编写/验证扫描清单，具有明确的停止规则且不即兴发挥 | 已交付 |
| 基准/评判加固 | 固定模型 + 基本重试 | 通过环境配置模型，重试/退避配置，analyze_misses 流水线损失点追踪，逐发现历史跟踪 | 已交付 |
| Harness 中立报告语言 | 技能中通篇为 Claude 特定表述 | Harness 中立工具语言（Agent → 子代理，Claude CLI → harness 会话） | 已交付 |
| 沙箱优先漏洞利用验证 | 漏洞利用测试可能为静态追踪；运行时选择临时决定 | Docker 优先的运行时配置；每个发现记录运行时；中危及以上必须执行 | 进行中 |
| 可测量影响的 PoC | PoC 为文档；影响为断言 | 可执行 PoC + 发现中的影响数字（暴露行数、请求放大倍数、滞留密钥小时数） | 进行中 |
VulnHunter 的方法论本质上是与宿主无关的：它是提示流程，而非工具绑定。上游项目在 Claude Code 内部成长起来——这是一个连贯的选择，也是正确的第一个家。但代理 harness 的格局已经拓宽，而一个只能安装到其中之一的安防方法论，就不再是审计能力，而开始变成厂商特性。本分支做出四项更改，每项都有其理由。
这里的每个技能都是可移植的提示文件，具有显式环境契约（VULNHUNT_SKILLS_DIR、VULNHUNT_AGENTS_DIR、VULNHUNT_MODEL、VULNHUNT_HOST_CMD），模型门控现在要求的是你的 harness 中最具能力的推理模型，而非特定产品。更好的含义是： 同一方法论可安装到你团队已在运行的任何 harness 中——并在基准运行中变得跨 harness 可比，这正是本分支的开发方式。
上游安装器无条件地将技能复制到 ~/.claude/skills。在运行两个 harness 的机器上——或 home 目录被重定位的 harness 上——这种猜测会静默地安装到错误位置。本分支的安装器会询问，或接受环境变量，并在答案缺失时以确切指令大声失败。更好的含义是： 在多 harness 机器上安全，在重定位 home 下正确，配置错误时大声报错而非静默。
原始设计已经要求进行证伪和漏洞利用测试。它没有明确的是要付出多大努力来实际执行这些测试：静态追踪、模拟测试，还是真实的容器化服务器。在一次针对单个提交的六轮基准测试中，这种自由裁量权产生了从 3 到 42 个不等的发现——而且对同一个 sink 得出了相反的结论，一个通过模拟验证，另一个则通过对真实服务器的测试被排除。这个 fork 增加了一套运行时供给流程（Docker 优先，按发现记录）以及一种 PoC 纪律，其中影响是被测量的——泄露的行数、×-放大倍数、滞留的密钥小时数——而不是被叙述的。**更好的含义是：**一个发现的有效性不再取决于哪个模型有直觉去启动一个容器。（进行中——构建计划在公开路线图上；请在 issues 中询问或关注仓库的 Discussions。）
此 fork 新增：vulnhunter-run，一个无人值守的操作员，它克隆、搜寻、定位结果，并编写和验证扫描清单，带有明确的停止规则。基准测试工具获得了通过环境变量进行模型配置、重试/退避调节旋钮，以及针对遗漏发现的损失点分析。**更好的含义是：**一个你用来演示的工具和一个你用来调度的工具之间的区别。
我们将 VulnHunter 与自身进行基准测试：对一个真实生产 Go 服务进行六次完整扫描——相同的提交，五种 harness/模型栈。以下数字来自这些运行，它们正是这个 fork 存在的原因。
| 14× | 同一提交在不同运行之间确认发现数量的差异。测量自身的流程本身就是第一个漏洞——弥合这一差距正是此 fork 的构建计划。 |
| 42/42 | 确认的发现都带有可执行的漏洞利用测试——每一个都 PASS，每一个都有自己的 PoC。没有任何发现是凭直觉交付的。 |
| 55% | 的候选发现在到达你之前被对抗性验证环节消除或降级。其他工具只做扫描。VulnHunter 会进行诉讼。 |
| 315 | 单次扫描中清点的攻击者控制输入——每一个都被追踪，每一个处置结果都被记录。完整性是一种纪律，而不是一种愿望。 |
| 20/20 | 在一次运行中对实时服务器执行的对抗性载荷——结果经过测量，而非断言。 |
六次完整的 VulnHunter 扫描针对同一生产 Go 服务的同一个提交运行， 跨越五种 harness/模型栈，历时约三周。上述每一个数字都可追溯到保留的扫描产物——逐输入处置表、对抗性裁决表、PoC 以及已执行的漏洞利用测试。原始输出由维护者保留；请询问，或自行重新运行。
VulnHunter 以三个可组合的 agent 技能形式发布，它们构成一个完整、自动化的修复循环：
| 技能 | 阶段 | 核心职责 |
|---|---|---|
/vulnhunt | 狩猎 | 将入口点映射到危险的汇点。通过多阶段证伪流水线（侦察 → 并行狩猎 → 对抗性证伪 → 能力过滤）筛选发现。仅输出经过验证的问题，附带可执行的利用代码和建议的修复方案。 |
/vulnhunter-fix | 修复 | 开发者主导、测试驱动的修复。它编写利用演示，创建一个失败的安全测试（RED），实现代码修复（GREEN），验证利用被阻止且无回归，并提交一个可审查的 PR。 |
/vulnhunt-fix-verify | 验证 | 一个完全独立、只读的 agent，独立验证某个发现是否已成功修复。它会为每个发现输出一个判定，因此修复是被证明的，而不是被盲目相信的。 |
注意： 若要以无人值守方式大规模运行此循环，
vulnhunter-agent/将扫描器封装在一个无头运行时中，而harness/则驱动它在多个仓库中批量运行。
关于命名： 该套件名为 VulnHunter，但核心扫描器命令是
/vulnhunt（以及验证器/vulnhunt-fix-verify）——较短的形式是有意为之，并非拼写错误。/vulnhunter-fix修复技能和vulnhunter-agent/运行时保留完整拼写。
每个组件都被组织为一个自包含的子树：
| 路径 | 描述 |
|---|---|
vulnhunt/ | 核心 /vulnhunt 扫描器技能（仅提示词：SKILL.md + 各阶段）。参见 vulnhunt/README.md。 |
vulnhunter-fix/ | /vulnhunter-fix 技能、其配套的 Python 辅助包以及测试。参见 vulnhunter-fix/README.md。 |
vulnhunt-fix-verify/ | /vulnhunt-fix-verify 独立验证技能（仅提示词）。参见 vulnhunt-fix-verify/README.md。 |
vulnhunter-agent/ | 配置驱动的无头运行时封装器，用于运行扫描并提交 GitHub issue。参见 vulnhunter-agent/README.md。 |
harness/ | 用于运行大规模批量扫描并对检测准确率进行基准测试的开发者工具。参见 harness/README.md。 |
vh/ | 用于单次扫描的确定性操作员 CLI：克隆、查找结果目录、写入并校验扫描清单，以及启动宿主机的无头命令。不依赖模型 SDK。 |
# Clone the repository
git clone https://github.com/nealbridges/VulnHunter.git
cd VulnHunter
# Skills and agents directories are required. This script does not guess.
# If GROK_HOME is set, use that home. Do not use ~/.grok when GROK_HOME
# points somewhere else, and do not use ~/.claude/skills unless this
# process is Claude Code.
# VULNHUNT_SKILLS_DIR="$GROK_HOME/skills" \
# VULNHUNT_AGENTS_DIR="$GROK_HOME/agents" \
# ./install.sh
./install.sh
在 Windows 上，请在 cmd.exe 或 PowerShell 提示符下使用对应的 .cmd 版本：
git clone https://github.com/nealbridges/VulnHunter.git
cd VulnHunter
REM Set VULNHUNT_SKILLS_DIR to this harness's skills directory first.
.\install.cmd
REM (Optional) To clean up or remove installed skills
REM .\uninstall.cmd
[!NOTE]
install.sh/install.cmd直接复制文件（而非创建符号链接），因为符号链接可能会破坏子代理内部的find/glob功能。拉取更新后请重新运行安装脚本以刷新本地环境。任意 harness： 这些技能都是纯提示词文件。
install.sh会将它们复制到VULNHUNT_SKILLS_DIR，当设置了VULNHUNT_AGENTS_DIR时，将agents/vulnhunter.md复制到VULNHUNT_AGENTS_DIR，并将vh启动器写入VULNHUNT_BIN_DIR或~/.local/bin。~/.local/bin必须位于PATH中。 模型若安装到其正在运行的 harness 中，当设置了GROK_HOME时会使用$GROK_HOME/skills和$GROK_HOME/agents。