Cloudflare推出了一款免费开源的技能(skill),可以把Claude Code变成覆盖整个代码仓库的安全审计员。在一个生产环境记账应用上的实测,展示了它在实际中的表现。这个SaaS代码库已经持续开发六个月,并且已有付费用户,审计从中找出26个候选漏洞。独立验证智能体确认其中21个属实,包括一个严重缺陷:新注册并登录的用户可以读取主数据库服务密钥。这些发现随后转化为18张工单,进入一条多智能体自动修复流水线,完成生产发布,再经复审,最终只剩两个低危遗留问题。
为什么此刻这件事格外重要
这次测试的背景,是技术圈所称的"黑色十月":2026年10月下旬,短短48小时内,主流软件栈接连曝出超过27起重大安全事件,受影响的技术都是互联网的基石。
| 技术 | 报告严重程度(CVSS) | 说明 |
|---|---|---|
| PHP | 9.2 | 运行时缺陷,影响支撑80%网站的软件 |
| GitLab | 10.0 | 满分,远程漏洞 |
| Signal | 9.3 | 安全事件 |
| Node.js 22、24、26 | 严重 | 可导致服务器被远程接管 |
| Java、WordPress | 未注明 | 有被攻破的报告 |
CVSS即通用漏洞评分系统,按最高10分衡量漏洞的严重程度,10.0是最糟的评级。
这波激增被归因于自动化的攻击型AI智能体集群,它们既运行在开放权重模型上,也运行在专有前沿模型上。加州大学伯克利分校的CyberGym基准用于衡量AI模型完成网络安全任务的能力,其结果显示这些模型已经相当强:
| 模型 | CyberGym成功率 |
|---|---|
| XeKFung-1.5(Qwen),阿里巴巴安全 | 88.9% |
| Gemini 3.8 Flash Cyber,谷歌 | 86.3% |
| GPT-5.5-Cyber,OpenAI | 85.6% |
| GLM-5.3,智谱AI | 84.5% |
| DeepSeek-V4-Pro | 83.3% |
| Claude Mythos Preview,Anthropic | 83.1% |
| GPT-5.5,OpenAI | 81.8% |
| Grok 4.6,xAI | 79.7% |
值得注意的是,XeKFung-1.5和GLM-5.3等开放权重模型的攻击成功率已经与顶级专有模型持平甚至更高。这似乎大幅降低了大规模自动化攻击的门槛。由此得出的务实结论是采取安全优先的姿态:先修漏洞、轮换已暴露的密钥,再上新功能。Cloudflare在GitHub上的security-audit-skill仓库已获得4.85万星标,成为开发者正在争相采用的工具之一。
Cloudflare这款技能如何运作
该技能通过Skills CLI安装,这是一个面向智能体技能的包管理器,可以全局安装,也可以按项目安装:
npx skills add https://github.com/cloudflare/security-audit-skill --skill security-audit
安装程序会询问作用范围(项目或全局),提供符号链接方式以便后续更新,并让你从79个受支持的编程智能体中选择哪些需要装上这个技能,Claude Code是其中之一。安装过程中,CLI还会建议顺带加装Vercel Labs发布的find-skills工具。
在运行Opus 5.5模型的Claude Code v2.1.310会话中,可以用自然语言"security audit this codebase"发起审计,也可以用斜杠命令/security-audit。
触发之后,Claude Code会在后台启动三个"猎手"智能体,各自负责不同的方向:
- 猎手h1:未授权攻击面
- 猎手h2:机器调用方,即脚本、集成等非人类客户端
- 猎手h3:租户隔离,也就是把一个客户的数据与另一个客户隔开的屏障
猎手们会读取端点配置文件,检查幂等处理(防止重复请求产生重复效果的逻辑),审查路由,并写出一份Markdown格式的漏洞台账。
最具特色的设计是职责分离。Cloudflare的框架要求,评估某项发现的智能体绝不能是发现它的那个智能体。独立的检查子智能体会启动临时测试数据库,针对每个候选漏洞尝试真实的利用验证。只有能够复现,才算一项有效发现。背后的考虑是:让同一个智能体既发现又报告漏洞,往往会得出误导性结果;对抗式的交叉核查可以过滤掉误报和幻觉。

▲ 猎手智能体与独立检查智能体
一个上线六个月的生产应用,审计查出了什么
测试对象是一款记账与收据管理SaaS,可从QuickBooks和Xero导入数据,开发历时六个月,已有真实付费用户。侦察阶段产生26个候选项,验证之后:
| 结果 | 数量 |
|---|---|
| 确认为真实漏洞 | 21 |
| 判定为非问题而排除 | 3 |
| 标记为需管理员人工复核 | 2 |
报告表格按从"最糟"到"高"的等级排列,已确认的发现中包括几个严重漏洞:
- 主密钥泄露:新注册并登录的用户可以读取应用设置表中存储的服务角色主数据库密钥。
- 免费额度利用:未经身份验证的访客可以查看并篡改促销免费额度台账,其中包含790个客户邮箱。
- 任务劫持:一个租户隔离缺陷让用户可以认领并查看其他客户的QuickBooks或Xero导入任务。
- 计费漏洞:充值到用户余额的额度,在退款或拒付之后没有被收回。
这些正是团队把精力放在面向用户的功能上时,日积月累形成的那类缺陷。由此直接引出一条运维规则:只要审计显示数据库环境变量或主密钥曾可被未授权方读取,就应立即轮换这些凭据,无论代码修复多快上线。
从报告到工单,再到合并修复
审计报告只有在修复真正上线后才有价值。该技能会把结果写入REPORT.md文件,另一款由独立开发者编写的第三方技能Wayfinder会解析该文件,把每个可处理的漏洞变成项目GitHub看板上的跟踪卡片。在本案例中,18张结构化工单按严重程度排序,落入"Ready"列。
随后,一条内部自动化流水线接手了看板。由于当时Claude API的速率限额所剩不多,执行主要依靠无头模式的OpenAI Codex和GPT模型驱动并行工作。多个专职角色跨线程协作:
- 构建智能体实现每一项修复。
- QA验证智能体生成并运行单元测试。
- 代码审查智能体在合并前检查改动。
这些智能体关闭了全部16张主工单和2张相关子工单,将所有改动合并进第1174号拉取请求,并把3.55.2版本部署到生产环境,"Ready"、"Building"、"QA"和"Review"四列全部清空。

▲ 审计、工单、修复到复审的循环
最后一步是闭环。再次运行/security-audit并指示审计整个仓库,共执行19项完整性检查:14项立即通过,另外3项后台验证测试随后也成功完成。所有严重级别漏洞均已解决,只剩两个低评级的小问题,都与用户界面中的只读权限检查有关。
由此形成的生命周期描述起来很简单:审计,开工单,AI智能体执行,合并并部署,再复审。相关说法是,这把修复周期从数周压缩到了几分钟。不过这个数字来自一个应用的一次运行,应视为示例而非保证。
Cloudflare的审计与Anthropic的claude-code-security-review
Anthropic也发布了自己的工具claude-code-security-review,两者并非替代关系,而是工作在不同层面。
| Cloudflare security-audit-skill | Anthropic claude-code-security-review | |
|---|---|---|
| 范围 | 整个代码仓库 | 单个拉取请求的代码差异及其上下文行 |
| 方法 | 对数据访问路径做架构级映射,在隔离沙箱中尝试利用验证 | 检查改动代码中的问题,如缺少输入净化、没有速率限制 |
| 成本特征 | 计算时间长,Token消耗大 | 轻量,适合逐次提交检查 |
| 建议频率 | 每月一次,或每个两周冲刺结束时 | 每个拉取请求,通过GitHub Actions等持续集成运行 |
考虑到Token用量、API成本和运行时间,在每个拉取请求上都跑一遍深度全仓库审计并不现实。而只做差异审查,又会漏掉上文提到的租户隔离、密钥泄露这类架构性缺陷,因为它们并不存在于任何一行被改动的代码里。推荐的做法是两者并用:Anthropic的审查作为每个拉取请求的持续门禁,Cloudflare的审计作为定期的全面体检。
要点与下一步
一款免费技能加上一个主流编程智能体,就足以在生产应用中发现并验证21个真实漏洞,其中包括暴露的主数据库密钥。发现与验证由不同智能体分担、并在一次性数据库中做真实利用尝试,这样的验证设计正是一份可用报告与一堆猜测之间的分野。
如果你维护着一个Web应用,合理的计划大致如下:
- 用
npx skills add安装Cloudflare技能,在Claude Code中对整个仓库运行/security-audit。 - 审计显示可被未授权用户读取的任何密钥或凭据,优先于一切轮换。
- 把报告转成工单,无论借助Wayfinder还是手工,按严重程度依次修复。
- 部署后复审,确认修复有效且没有引入回归。
- 把Anthropic的claude-code-security-review加入拉取请求流程,并将Cloudflare审计安排为每月或每个冲刺一次。
鉴于自动化攻击智能体已经如此强大,功能开发与安全工作之间的平衡似乎正在改变。这类工具让天平上安全这一侧的负担变得轻得多。


