Cloudflare 把内部找漏洞的套路开源了：发现漏洞的 agent，不许自己验证结论

vibe-coding 最怕的不是 AI 写错代码，是 AI 写完、自己审完、自己说没问题。Cloudflare 今天冲上 GitHub 日榜第 2 的 security-audit-skill，就是冲着这个毛病来的：今日新增 2,088 个 star，总 star 约 6.6 万。这不是一个扫描器，而是一套“让 coding agent 扮演安全审计员”的工作法，源自 Cloudflare 内部漏洞发现 harness 的单仓起点，MIT 开源。

它的做法分六个阶段。先侦察：画架构、信任边界、输入面，建一份 coverage-ledger 覆盖台账；再覆盖式 hunting：隔离的 hunter 按台账分工找漏洞，另有 coverage critic 专门查漏；然后候选验证：每个候选漏洞交给一个全新的 verifier，它的任务是证伪它；再结构化输出：结论只分三档——confirmed（有完整证据链）、needs_validation（有明确未解事实、不给定级）、rejected（已被证伪）——写进 findings.json 并跑 schema 校验；再独立复核：新 agent 复核最终结论，改动过的内容再换一个 verifier；最后目标中立报告：只从已验证记录生成报告，不写推测。装法是一条命令：npx skills add https://github.com/cloudflare/security-audit-skill，然后对 agent 说一句“security audit this codebase”就行。

我的判断是，这套流程真正值钱的只有一条设计原则，README 里写得明白：检查结论的 agent，永远不能是发现结论的那个 agent。AI 自己写自己审的问题，不在于它不认真，而在于它共享同一份上下文、同一套假设——发现者眼里的“显然没问题”，验证者一眼就能看出来是盲区。把“自查”拆成“他查”，再加 JSON schema 校验兜底，才是“让 AI 自己审自己”唯一站得住的形态。Cloudflare 自己也给了实测数据：单次运行只能找到约一半漏洞，多跑几遍、攒台账才能补全——所以它不是“跑一遍就安心”的工具，而是一个“跑多遍、攒台账”的习惯。

边界也要说清楚：第一，它只审本地源码，不探测已部署的接口，线上跑着的服务它管不着；第二，效果取决于你用的 agent，没有公开的检出率和误报率基准数据，别把它当质量保证；第三，它需要沙箱——没有沙箱控制时，目标代码不会被执行，相关结论只会记成 needs_validation；第四，跑校验器需要 Node.js；第五，本文没经过独立实测，装完之后的效果以你自己跑的结果为准。它替代不了人工渗透测试，但作为 vibe-coding 交付前的一道“他查”工序，比让同一个 agent 自己说“没问题”可靠得多。