用过 Claude Code 的人大概率见过这一幕:让它查一处可疑代码,它翻两个文件就回你「这里没有安全问题」;你再追问,它换个说法,结论还是没问题。
安全这件事不能靠猜。可真请人做一次代码审计,报价动辄几万起步,小团队根本排不上。
有个 4,023 Star 的开源项目想换掉这个「猜」字:让模型只负责提假设,判决权交给工具。奇怪的是,它的作者一再劝你别用最新代码。
一、RAPTOR 到底是个什么东西
一句话:它把「AI 帮你查漏洞」这件事拆成几道工序——先机械扫描,再逐一验证告警真假,最后给出可复现的攻击样例和补丁草稿。
名字是「递归自主渗透测试与观察机器人」的缩写,作者们自己也承认,取这个名字纯粹是因为听着带劲。
它的作者名单本身就是一层背书:Gadi Evron、Daniel Cuthbert、Thomas Dullien(安全圈更熟的名字是 Halvar Flake)、Michael Bargury、John Cartwright。这几位在攻防研究里属于「名字印在教材致谢页」的那一类人。
最值得注意的是它对自己血统的坦白。仓库首页原话大意是:这套东西大部分由 AI 写出来,人负责定方向、审输出、做设计决策,靠测试和静态分析把质量线钉住。
二、关键设计:谁提假设,谁下判决
多数「AI 查漏洞」工具有同一种毛病:模型看一眼代码,说这里危险,谁也没法证伪。
RAPTOR 反过来分工。模型读完上下文只能提出猜测,比如「这个入口的输入可能直接拼进数据库查询」;接着它必须调用真正的分析工具去验证——把代码路径追下去、把数据流画出来,拿到工具的判定结果才算数。模型不能自己给代码下「有漏洞」的结论。
这套规矩带来一个副作用:它对环境极其挑剔。
| 能力 | 依赖的外部工具 | 我这台机器上的状态 |
|---|---|---|
| 源码扫描 | Semgrep 或 CodeQL | 缺失 |
| 模糊测试(拿随机输入把程序撞崩) | AFL++ | 缺失 |
| 跨函数追踪污点数据 | Joern | 缺失 |
| 二进制逆向 | radare2 | 缺失 |
| 数学可行性验证 | Z3 求解器 | 缺失 |
| 崩溃根因定位 | gdb、rr | 缺失 |
跑它自带的体检命令,结果是 0 项失败、7 项通过、13 条警告。逐条看这 13 条:1 条只是「某个环境变量没设」的提示,剩下 12 条里 10 条是「某件外部工具没装」(包括上表没列出的补丁校验器、动态插桩工具和它的追踪工具),还有 1 条是「某个可选语法组件没装」、1 条是「某朵云没配好」。也就是说,「失败为零」完全不等于能用,这 12 条能力缺口才是它真正需要的东西。
作者给的最省事路线是用官方准备好的容器镜像,把工具链一次性装齐;手工安装则要自己凑齐上面这张表。
三、我把代码拉下来实测了什么
规模是真的,而且大头在测试上。 仓库 9,316 个 Python 文件、278 万行代码。拆开看:产品代码 109.6 万行、2,252 个文件;测试代码 169.1 万行、7,064 个文件,测试占 60.7%。一般开源项目里测试代码往往少于产品代码,它是反过来的 1.5 倍。
测试不是凑数。6,709 个测试文件里,只有 42 个短于 20 行(0.6%),绝大多数是真写了一堆断言。
但文件拆分吓人。 单一个审计调度文件就有 38,704 行、518 个函数,其中最长的单个函数 3,508 行,后面还有 2,498 行、2,150 行、2,033 行的。这很像 AI 生成代码的典型形态:机器不怕长,人不忍拆。
最实用的坑:文档和主干差两个月。 最新正式版本发布于 9 月 7 日,而主干分支已经领先 9,181 个提交。首页上「用稳定版」的劝告是真的——你照着最新文档敲命令,碰到的可能是两个月后的代码。这不是新鲜度的优点,而是实打实的使用门槛。
唯一不靠模型也能跑的部分,我跑通了。 依赖与供应链检查不需要任何模型接口:
| 实测项 | 结果 | 意味着什么 |
|---|---|---|
| 耗时 | 1.1 秒 | 可以塞进每次提交的自动检查 |
| 解析依赖 | 145 个 | 连工作流里引用的第三方动作都算进去了 |
| 生成的物料清单 | 106 个包 | 这是回答「你的软件到底装了什么」的凭据 |
| 检出条目 | 167 条(许可证 97、卫生 62、供应链 5) | 注意是「待处理项」不是「漏洞」 |
| 已知漏洞 | 0 个 | 但见下一行 |
| 漏洞库查询 | 86 次全部失败 | 我那台机器出网受限,它如实报「查询不可用」 |
最后一行是我最认可的一处设计:它没有把「查不到」悄悄算成「没漏洞」,而是明确标出本次覆盖不完整、这些依赖的安全公告可能缺失。安全工具最怕的就是这种沉默。
许可证要留个心眼。 仓库里的许可证原文是标准 MIT,但代码托管平台的自动识别标成了「未识别」,因为它捆绑了一份公有后缀列表(那部分适用另一份开源协议),还挂了一个子模块(第三套协议)。要商用的话,得先读它的第三方声明文件。
自己也要花点钱。 用模型做分析时,单个源码扫描任务默认给了 5 美元的消费上限,全自动流程默认 10 美元——这个设计挺务实,但意味着它不是一个「免费跑」的工具。
四、谁该用,谁别碰
同类里可以对照两个方向:偏「技能包」的轻量安全审计(把规则和提示词打包,装进助手就能跑),和商业化的代码审计平台(按项目收费,结论有人签字)。RAPTOR 站在中间:比重型平台便宜,比轻量技能包重得多,成本主要花在装工具链上。
适合:手上有代码要过一遍、愿意花半天配环境的安全工程师;想给自家产品做上线前自查、并且只把报告当参考线索的小团队;想学「模型+工具」怎么分工的开发者——它的仓库本身就是一份可读的工程范本。
别指望:装完就出结论。它的报告是线索,不是结论,更不是「这份代码安全」的证明,作者把这句话写在了首页。
对非技术读者,它给不了一条「装上就能赚钱」的捷径。真正值钱的部分不是这套代码,而是它示范的那套分工:让擅长说的去说,让擅长证的去证。
五、我的判断
值得放进观察清单,但别急着上手。
它最像的不是一个产品,而是一份公开的工程笔记:几位资深攻防研究者花一年时间,演示了「AI 写代码、人定方向、测试守底线」能走到哪一步。这套分工值得每个正在用 AI 写生产代码的人抄回去。
真要用来干活,建议等它的容器镜像和文档追平主干——现在这个版本,差着九千多个提交。
关注 AI 商业快讯,每天一篇 AI 热点深度解读。