让 AI 编程助手写代码已经不稀奇了，让它给代码做安全审计，多数人的第一反应是”不放心”：它一次只能盯着一个假设，读几千行就把上下文窗口塞满，中间还可能把之前发现的线索忘掉，最后交上来的报告里，真问题和幻觉混在一起，分不清。Cloudflare 开源的 security-audit-skill 就是冲着这个不放心来的。它不是一个扫描器，而是一套 Skill——一组写好的提示词和校验脚本，装进你的编程助手之后，助手就按一套固定流程给代码库做审计：先侦察、再围猎、然后互相挑错，最后只交出经过独立验证的结论。这个项目 2026-06-18 才创建，到 2026-11-07 已经有 63,956 star、4,145 fork，当天登上 GitHub Trending 当日榜第 16 位、单日新增 2,548 star，MIT 开源。
它是什么
security-audit-skill 是 Cloudflare 安全 AI 研究团队开源的编码助手 Skill，仓库简介只有一句话：”A coding-agent skill for multi-phase security audits with independently verified, machine-readable findings”。它的来头不小：README 明确写着，这是 Cloudflare 漏洞发现流水线（vulnerability discovery harness）的起点，那套系统后来演变成多阶段、覆盖整个代码库的扫描体系，而这个 Skill 就是它最初的单仓库版本。Cloudflare 官方博客《Build your own vulnerability harness》也讲了这段演变：先是在单个仓库上跑一个约 450 行的 security-audit Skill，调提示词直到挖出真漏洞，再把编排部分抽出来，六周时间做成覆盖 128 个仓库的自动扫描流水线。
仓库本身很小，只有 14 次提交、0 个 Release，核心就是一个 skills/security-audit 目录：一份 SKILL.md 讲安装、核心原则和流程总览，RECONNAISSANCE.md、HUNTING.md、VALIDATION-AND-REPORTING.md 等十几份 Markdown 分别管侦察、围猎、验证和报告，攻击类别按目标类型分文件写好——Web 协议与鉴权、客户端、供应链与发布、云与部署、内存安全与二进制、AI 与 LLM、桌面移动与本地 IPC、资源耗尽与可用性、数据隔离与生命周期等等。另有两个零依赖的 Node.js 校验脚本 validate-findings.cjs 和 validate-coverage-ledger.cjs，负责机械地校验审计结论和覆盖台账的格式。
核心亮点
1. 六阶段流程，每一步都有产出物，不靠助手自由发挥。审计按固定顺序走六个阶段：侦察——画架构、标信任边界和输入面，写进 architecture.md 和 coverage-ledger.json；覆盖驱动的围猎——按台账分派隔离的猎手去试着攻破代码，覆盖率批评者专门找没测到的空子；候选验证——每个疑似问题交给一个全新的验证者，任务就是把它证伪；结构化输出——结论写成 findings.json，分 confirmed、needs_validation、rejected 三档，并用 report-schema.json 做格式校验；独立复核——新的 Agent 再按源码逐条核对最终结论；目标无关的报告——从已验证的记录派生出 REPORT.md、FINDINGS-DETAIL.md 和 NEEDS-VALIDATION.md。流程写死在提示词里，助手想偷懒跳步都难。
2. 对抗验证是核心设计，不是点缀。这个 Skill 最值得抄的设计原则是：发现问题的 Agent 和验证问题的 Agent 永远不是同一个。猎手负责进攻，验证者负责证伪，复核者再独立核对一遍。用 README 的原话说，”The agent that checks a finding is never the agent that found it”。Cloudflare 的经验是，不同模型看同一份代码会发现不同比例的漏洞，换模型交叉验证能把误报压下去。结论也分三档：confirmed 必须有完整源码 trace 和可观测结果；needs_validation 只记录”哪个确切事实还没搞清”，不给严重性评级；rejected 记录被证伪的候选。宁可写”没验证出来”，也不硬编一个结论。
3. 覆盖率有台账，多跑几遍真的能多发现问题。审计过程维护一份 coverage-ledger.json，记录哪些区域、哪些攻击类别已经查过、哪些还是空白，跑完一轮还能接着上一轮的台账继续补空子。README 给了一个很实在的数据：在他们的测试里，单次运行大约只能找到多次运行总共发现的一半漏洞。也就是说这个工具的正确用法是反复跑、增量跑，而不是跑一次就交差。对个人开发者来说，这意味着周末跑一轮、工作日改完再跑一轮，覆盖面是越跑越全的。
4. 严重性看影响，不看清单。Skill 的设计原则写得很明确：严重性等于可能性乘以影响，而不是偏离了哪条检查清单；纵深防御里某一层缺了、但另一层已经挡住了攻击，那只是加固建议，不算漏洞。这套口径对治 AI 审计最常见的毛病很有效：动不动就报几十个”高危”，每个点开看都是”理论上可能”。按这套标准，只有真正能打出边界的问题才会被确认为漏洞。
5. 门槛写在明处，不粉饰。README 的 Requirements 一节直接列了三条硬要求：一个支持工具调用和并行子 Agent 的编程助手；Node.js，用来跑两个零依赖校验脚本；一个操作系统级沙箱，用来跑目标代码控制的构建、测试、浏览器和模糊测试，必须禁用外部网络、使用净化过的白名单环境、限制资源、只允许写指定的临时路径。没有这些控制，流程会把负责人保持为 needs_validation，而不是冒险执行目标代码。诚实写出门槛，比让人在没有沙箱的情况下直接跑要负责任得多。
截图导览
先认认这个项目长什么样，再决定要不要装。这里要先诚实说明一点：README 正文里没有产品演示截图或界面 GIF，仓库里也没有截图文件，所以本文只用下面两张官方图，不放无关图、不伪造界面。
图 1：GitHub 仓库主页卡片。项目名、简介 “A coding-agent skill for multi-phase security audits with independently verified, machine-readable findings” 和 star 数都在卡片上，一眼能确认找对了仓库。
图 2：Cloudflare 官方博客《Build your own vulnerability harness》的题图。这篇博客讲的正是 security-audit-skill 如何演变成覆盖整个代码库的漏洞发现流水线，想理解这个 Skill 的来龙去脉，读它比只读 README 更完整。
快速上手
安装用 Skills CLI，一条命令：
npx skills add https://github.com/cloudflare/security-audit-skill
--skill security-audit想装到用户级而不是当前项目，加 --global 参数。npx skills --help 可以看 Agent 选择和非交互选项。用之前先确认三件事：你的编程助手支持工具调用和并行子 Agent；机器上有 Node.js；准备好一个符合要求的沙箱环境——README 明确说了，没有沙箱就别让流程执行目标代码。
用法本身很简单。在要审计的代码库里启动编程助手，直接说一句话就行：
security audit this codebase也可以指定范围或输出位置，比如 find security vulnerabilities in ./src，或者 do a security review, output to ~/audits/my-project。Skill 会在请求匹配触发词（security audit、find vulnerabilities、pen-test the code 等）时自动激活：直接的代码库审计或渗透测试请求走完整审计模式，安全问题咨询或聚焦的漏洞排查走指导模式，除非你明确要求产出报告。完整模式下不指定输出目录时，默认写到 ~/security-audit-skill/<repo-name>/run-<N>。流程只在你明确选了一个版本控制忽略的目录时，才会在目标仓库内写文件。
上手建议分三步：第一步，先在自己的小项目或一个熟悉的开源仓库上跑一轮完整审计，看看 REPORT.md 和 findings.json 长什么样，顺手核对一两个 confirmed 结论是不是真问题；第二步，把跑出来的 needs_validation 一项项过掉，能确认的确认、确认不了的保持原样，别急着清零；第三步，隔一段时间再跑一轮，新的台账会接着上一轮的空白处继续补，覆盖率就是这样一点点涨上去的。
我的建议
这个项目最适合三类人。第一类是独立开发者和小团队：代码是你自己写的、马上要上线或开源，跑一轮审计相当于请了个不知疲倦的外部审计员，成本只是一次模型调用。第二类是已经在用 Claude Code、Cursor 这类编程助手的人：Skill 的形态就是为他们准备的，装上就能用，不用换工具链。第三类是对安全审计方法论本身感兴趣的工程师：这份 Skill 的提示词是公开的，十几种攻击类别的猎手提示词和验证规则写得非常具体，照着读一遍，等于上了一堂 Cloudflare 安全团队的实战课。
不适合谁呢？首先是不写代码、只想”一键扫描出报告”的人：这个 Skill 的产出质量高度依赖你的助手模型和沙箱配置，它不是杀毒软件那种开箱即用的扫描器。其次是把它当成合规背书的人：AI 审计的结论再漂亮，也不能替代正式的安全审计和渗透测试，尤其是有合规要求的场景。最后要提醒一句，README 的数据也说了，单次运行只能找到约一半的问题——如果你只打算跑一次就安心上线，那还不如不跑。
值不值得试？值得，但要按正确姿势试：把它当成开发流程里的一道常规检查，而不是一次性的安全体检。6.4 万 star 背后是 Cloudflare 真实生产系统的背书，MIT 协议随便用，安装只有一条命令。先拿一个自己的小仓库跑一轮，看看它报出来的问题有几成是真问题，你心里就有数了。
GitHub 仓库：https://github.com/cloudflare/security-audit-skill
延伸阅读：一个 App 里养一群 AI 助手：LM Station 自定义 Agent 与多 Agent 群聊玩法；手机 AI 能陪我练英语口语吗？用 LM Station 语音对话练口语的方法；给 AI Agent 配一双能点网页的手：Vercel 开源 agent-browser，4.5 万 star 的浏览器自动化 CLI；别让 AI 编程助手瞎写代码：31 万 star 的 mattpocock/skills，把资深工程师的工作法变成可复用技能。
