open·kritt 是一个开源、可自托管的安全研究平台，它不靠“大模型扫全库”这种粗放方式找漏洞，而是把复杂的代码审计任务拆解成多个精细子任务，交由多个AI智能体协同执行——就像组建一支懂编程、会推理、能验证的AI红队。它专为解决当前AI安全工具普遍存在的“幻觉多、误报高、难复现、不闭环”四大痛点而生，最终输出的是经过去重、排序、验证和上下文增强的真实漏洞线索，而非一堆无法落地的猜测。
核心功能
- 任务化AI编排：支持可视化拖拽构建安全分析工作流（如“提取敏感函数→静态数据流追踪→生成PoC草案→本地环境验证”），每个节点可指定不同模型、提示词与执行策略
- 多智能体协同分析：同一代码片段可并行触发多个AI代理（如“SQLi专家”“XSS语义分析器”“权限绕过推理器”），结果自动聚合、交叉验证，显著降低漏报与误报
- 可配置的漏洞验证引擎：内置轻量级沙箱与代码执行模块，支持一键对AI提出的漏洞假设进行自动化或半自动验证（如构造测试用例、运行单元校验、捕获异常行为）
- 智能去重与优先级排序：基于语义相似度与影响路径深度对重复发现自动聚类，并按CVSS启发式评分、业务上下文权重（如是否在认证模块）、修复难度等维度动态排序
- 完全可控的提示工程：所有AI交互环节均开放Prompt模板编辑，支持注入自定义规则（如“仅报告未被WAF规则覆盖的注入点”）、安全上下文（如框架版本、已知补丁列表）和业务约束
- 本地化与合规友好：全部计算在私有环境中完成，代码、模型调用日志、分析结果零上传；原生支持接入本地部署的大模型（Ollama/LMStudio）及企业级API网关
适合哪些人用
这款工具特别适合三类人群：一线安全研究员（尤其是参与SRC、众测或内部渗透的工程师），需要快速从千行代码中定位高价值漏洞；DevSecOps工程师，希望将AI能力无缝嵌入CI/CD流水线，在PR阶段主动拦截风险；以及高校与独立安全研究者，重视方法论可复现性、过程透明度与学术可验证性——open·kritt 提供完整的分析链路追溯与中间产物导出，让每一条漏洞建议都有据可查。
快速上手
只需三步即可启动：1）克隆仓库并安装依赖：git clone https://github.com/Kritt-ai/open-kritt && cd open-kritt && npm install；2）配置你的AI后端（支持OpenAI兼容API、Ollama、Claude等），修改.env中的LLM_PROVIDER与密钥；3）运行npm run dev，访问http://localhost:3000进入Web控制台，导入目标代码仓库或直接粘贴代码片段，选择预置模板（如“Web应用逻辑漏洞扫描”）即可开始分析。首次使用推荐参考官方《[5分钟上手指南](https://docs.kritt.ai/getting-started/installation-and-setup)》与交互式教程。
项目信息
JavaScript | 395 Star | AGPL-3.0 开源协议 | GitHub 项目地址
如果你厌倦了AI安全工具输出的“看起来很美却无法复现”的漏洞报告，open·kritt 就是那个把AI真正变成你手中一把可信赖、可调试、可验证的代码审计利器。
