Flounder 安全审计系统
将编码模型组织成可执行验证的白帽安全审计工作流。
- Star 数
- ★ 522
- 最近更新
- 13 天前
- License
- AGPL-3.0
- 主语言
- TypeScript
- FA 评分
- 69/100 · 存在缺口
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台Codex · Claude Code
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 协议或合约团队可对公开源码或获授权代码运行盲审计,并以执行证据检查发现。
- 不适合
- 需要无需配置即可直接审计的团队
- 要求只在单机上保留代码和凭据、且不使用远程模型服务的团队
- 源码审查
- 69/100 · 存在缺口
这个 Agent 能做什么,适合哪些场景?
Flounder 是围绕现代编码代理构建的端到端安全审计系统,提供 CLI、React 仪表盘、REST API、pi 扩展和执行守护进程。它可从仓库、源码、软件包、项目链接、交易或地址准备审计材料,随后映射范围、深入审计、组合跨范围候选问题,并通过本地执行验证。模型生成的代码、PoC、依赖安装和测试在复制的工作区中运行;默认 OCI 沙箱会限制权限并可对审计命令禁用网络。系统跟踪范围、证据、发现和报告,并可在确认阶段针对真实目标复现问题。Flounder 面向公开源码或获授权目标;项目源码和提供方凭据保留在执行守护进程所在机器,但所用模型提供方可能需要认证。
运行 flounder run <clue> 时,Flounder 可准备目标源码与材料,再执行 map、dig、synthesize、verify、confirm 和 report 工作流;也可用 --source 直接审计已暂存的代码。模型读取源码及可选的项目文档、规格和历史材料,生成范围清单,并在隔离工作区编写和运行 PoC、测试或 harness。发现需要引用通过的本地命令证据;确认阶段可针对真实目标或本地 fork 复现。CLI、仪表盘和 REST API 会呈现运行状态、范围、发现、执行证据和 Markdown 报告。
- 协议或合约团队可对公开源码或获授权代码运行盲审计,并以执行证据检查发现。
- 漏洞赏金研究人员可让 Prepare 收集公开项目资料、部署和范围信息,再评估发现是否满足项目要求。
- 事件响应人员可从可疑交易、地址或事件链接开始调查,并验证根因能否在本地真实环境中复现。
- 审计人员可导入已有主张或指定文件、区域、范围,用
verify或audit --scope运行针对性验证。 - Flounder 维护者可显式启用维护者模式,通过 Evaluation 失败开展受约束的候选实验。
如何安装或部署这个 Agent?
需要 Node.js 24 LTS。源码安装步骤如下:
nvm use
npm install
npm run build
npm run sandbox:build也可以把 Flounder 技能安装到 Codex 或 Claude Code:
npx skills add adshao/flounder --skill flounder -g -a codex -a claude-code审计运行需要可用的沙箱运行时:默认 Docker 后端需要 Docker 或兼容运行时;Apple silicon macOS 上也可用 Apple container 运行时。所选模型提供方需要在执行守护进程上完成认证。
如何使用这个 Agent?
启动控制平面和仪表盘:
node dist/cli.js ui给执行守护进程登录并检查提供方:
flounder daemon provider login openai-codex
flounder daemon provider check openai-codex然后在仪表盘创建项目,填写审计任务或线索,选择执行守护进程和提供方配置,并启动运行。要从线索开始完整工作流:
flounder run <tx-or-address-or-project-or-repo-or-link>要直接审计本地源码:
flounder run --target my-target --source ./src --build-root . --corpus ./docsopenai-codex 使用 pi 订阅/OAuth 认证;其他提供方需按模型设置指南在执行守护进程配置 OAuth 或 API 密钥。
这个 Agent 有哪些优点和局限?
- 以本地可执行命令证据作为确认发现的依据,并提供差异确认、反驳和 PoC 检查流程。
- 默认在复制工作区内执行模型生成的代码和测试,OCI 沙箱支持限制能力、只读根文件系统和网络隔离。
- 除 CLI 外还提供仪表盘、可自描述的 REST API、pi 扩展和守护进程执行面。
- 提供 Solidity/EVM 与 ZK 审计示例,但审计策略由模型决定,不限定这些技术栈。
- 需要 Node.js 24 LTS,并需构建项目和沙箱镜像,部署涉及多个步骤。
- 审计依赖执行守护进程上已认证的模型提供方;凭据和模型服务费用取决于所选提供方,仓库未说明定价。
- 沙箱基线不保证包含目标所需的全部编译器、证明系统或链工具,特殊目标可能需要自行提供镜像。
- 除特定 Apple silicon macOS 路径外,文档描述的默认 OCI 沙箱依赖 Docker 或兼容运行时;没有就绪沙箱时会失败关闭。
这个 Agent 与同类方案有什么区别?
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Flounder 安全审计系统 当前 | 69 · 存在缺口 | 命令行工具 | ★ 522 | 13 天前 | TypeScript | Codex · Claude Code |
| PentesterFlow | 73 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 1.4k | 1 个月前 | TypeScript | OpenAI API |
| AutoCVE 漏洞审计平台 | 44 · 缺口较多 | 自托管服务免费 + 模型费 | ★ 1.2k | 1 个月前 | Python | — |
| HexStrike AI MCP | 22 · 缺口较多 | MCP 服务器免费 | ★ 13k | 2 个月前 | Python | Claude.ai |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
材料描述了复制工作区、默认沙箱、能力受限的网络访问、凭据留在执行机、主机执行逃生口和私密披露规则,因此最小权限与外部影响控制较充分但仍主要是文档声明;CLI 示例有目标选择和只读/本地 fork 边界,但没有普遍的逐操作确认流程。敏感数据检查命令和凭据本地存储有说明,依赖安全只要求发布前运行 npm audit,未提供审计结果或锁文件证据。清理先 dry-run 且保留数据库记录,但没有明确恢复机制。README、包元数据及仓库地址支持来源归属,发布者身份仍未知。
README、包脚本和 CI 对 Node 24、构建、测试及契约检查大体一致,且 sandbox 无引擎时失败关闭;失败信息、重试和恢复行为在所给材料中描述有限。依赖有明确 Node 版本和安装说明,但材料没有锁文件内容或依赖可用性证据。
文档细分盲审、事件调查、公开源审计、赏金、定向跟进和披露场景,并清楚区分发现、验证、确认的能力边界;技能触发条件有列举但仍较宽泛。支持多种代码栈、Provider、daemon、沙箱后端与定制镜像,Node 版本和 OCI/Apple 沙箱前提也有说明。
README 按场景、模式、准备路径、自动化、快速开始和沙箱组织,提供丰富命令、使用文档指引及限制说明;安装和 AGPL-3.0-only 许可清晰。包版本为 0.4.0,但给定材料没有变更日志;贡献入口存在,维护责任或明确负责人未见。命令与 Flounder 名称整体稳定,但包名 flounders 与产品名 Flounder 不一致,故未给满分。
产物目标是带执行证据的发现、跟踪状态和 Markdown 报告,便于后续验证与披露;把准备、审计、验证和报告串成一个工作流,对安全研究有明显增量价值。成本方面提供本地 mock 路径和预算/沙箱配置提示,但完整使用仍需要模型 Provider、运行时及目标专用工具链,成本收益并非对所有项目都成立。
README 的关键安全与工作流主张在 SECURITY.md、package.json 和 CI 配置中有部分相互印证;但静态材料不能验证实现行为,且没有本次审阅可用的执行结果。文档通常把功能描述与安全边界分开,也提醒不能把源代码执行称为真实部署复现;若干能力仍属于作者陈述,故不作更高判断。
- 这是基于所给静态文件的低置信度审阅;未执行代码、测试或依赖审计。
- 仅在获授权的目标上使用;遵守 SECURITY.md 对 live 系统、网络广播和私密披露的限制。
- 主机执行逃生口明确不提供内核级隔离;不应与不可信依赖或真实模型生成的 exploit 代码配合使用。
常见问题
审计是否需要提供方账号或 API 密钥?
openai-codex 使用 pi 订阅/OAuth;其他模型可按提供方设置指南配置 OAuth 或 API 密钥。