前言

距离我上次发布 Audison(原 TrustEngine)已经过去三天了。这三天我几乎是连轴转,一口气更了三个版本,从 v2.2.0 直接冲到了 v2.3.3。

很多人问我为什么版本号跳得这么快?因为 v2.x 是一个完全不同的产品。v0.x 是 AI 工作流框架,而 v2.x 是一个纯血的 AI 输出审计引擎。我删掉了所有和审计无关的代码,把所有精力都集中在一件事上:让你能放心地用 AI 写代码。

这三天的更新,我把所有开发者提的最迫切的需求都实现了:接入 Cursor 和 Claude Desktop、一键体验不用安装、GitHub Action 自动审计 PR、还有完整的 HTML 报告导出。

下面是完整的更新日志和使用教程。


三日更新总览

表格

版本 日期 核心主题
v2.3.3 5 月 30 日 社区基建 + GitHub Action 发布到 Marketplace
v2.3.2 5 月 29 日 架构整理 Phase A-D + CLI 拆包 + 漏斗引导链路
v2.3.0 5 月 29 日 MCP Server + npx Demo + Playground 双模式
v2.2.0 5 月 28 日 代码审计核心引擎完整落成

重大变更说明:从 v0.1.2 直接跳到 v2.2.0,因为 v2.x 是完整代码审计引擎的重写,和 v0.x 的 AI 工作流框架是完全不同的产品。所有 pyproject.toml 和代码内版本号已全部同步。


核心重大变更

1. audison init 命令完全重写

现在走三步交互对话,新手也能一分钟完成配置:

  1. Provider 菜单选择(OpenAI/Anthropic/Ollama 等)
  2. 输入 API Key(Ollama 用户自动跳过这一步)
  3. 自定义 endpoint(可选)

2. CLI 架构彻底重构

把原来一个 1492 行的巨型cli.py文件,拆成了cli/子包下的 12 个文件,最大的文件也只有 220 行。代码可读性和可维护性大幅提升,以后加新功能会快很多。

3. 打包问题彻底修复

v2.2.0 之前 YAML 配置文件没有打进 wheel 包,导致attackconscience功能会报找不到文件。这个问题已经在 v2.3.0 中完全修复,现在pip install就能直接用所有功能。

4. API Key 管理统一化

新增了APIPoolManager作为唯一的 API Key 来源,cli.pytrust_engine.py都从它查询,不再各自硬编码。现在支持同时配置多个模型提供商的 API Key,自动切换。

5. 完整的 Ollama 本地模式支持

所有代码都在本机运行,不会有任何数据流出,适合隐私敏感场景。


v2.3.3 四大杀手级新功能

1. MCP Server:接入 Cursor/Claude Desktop,AI 生成代码即时审计

这是目前最重磅的功能。现在你可以把 Audison 直接接入 Cursor 和 Claude Desktop,AI 生成的每一行代码都会被自动审计。

只需要在你的 MCP 配置文件里加几行:

{
  "mcpServers": {
    "audison": {
      "command": "python",
      "args": ["-m", "audison.mcp"]
    }
  }
}

重启 Cursor 后,你就可以直接说:"用 Audison 审计一下这段代码有没有安全漏洞",它会自动调用 Audison 进行审查,并给出详细的报告。

2. 三种零门槛体验方式,不用安装就能用

我知道很多人不想在本地装一堆依赖,所以我做了三种零门槛体验方式:

3. GitHub Action:自动审计每一个 PR

现在 Audison 已经正式发布到 GitHub Marketplace 了。你只需要在你的仓库里加一个工作流文件,就能自动审计每一个 PR 的代码,发现漏洞直接在 PR 里评论。

配置只需要三行:

- name: AI Code Audit
  uses: wdnmd1265/audison@v2.3.3
  with:
    files: "src/**/*.py"

4. 完整的 HTML 审计报告导出

现在支持用--html参数导出完整的 HTML 审计报告,是一个自包含的单文件,零外部依赖,可以直接分享给团队。

报告包含:

  • 一目了然的审计概览和置信度评分
  • 按严重程度分级的问题列表
  • 多模型盲审结果和仲裁者投票
  • SHA-256 加密的不可篡改证据链
  • 详细的 API 调用成本明细

报告顶部会直接给出最终结论和置信度评分,同时显示参与审计的模型数量、发现的置信问题、争议问题和盲区数量。

每个问题都会标注严重程度和置信度,同时显示哪些模型达成了共识,哪些模型存在争议。对于有争议的问题,还会展示不同模型的具体分歧点。

你可以清晰地看到每个模型在不同检查项上的表现,以及三个仲裁者各自的投票结果和发现的问题。

报告底部包含完整的加密证据链,确保审计结果不可篡改。同时还会显示详细的 API 调用成本,以及跨家族路由带来的成本节省(本次审计节省了约 35% 的费用)。


30 秒快速上手

标准安装

pip install audison[html]

配置 API Key

audison init

审计一个 Python 文件并生成 HTML 报告

audison audit login.py -r "检查SQL注入和认证绕过漏洞" --html -o report.html

Python SDK 三行集成

from audison import TrustEngine

engine = TrustEngine()
report = engine.audit(
    requirement="实现一个安全的用户登录接口",
    ai_output=ai_generated_code,
)

print(report.summary())  # "REJECT (32/100): 3 findings, 2 uncertain"

TrustReport 输出结构

  • verdict:PASS/REVIEW/REJECT 三档结论
  • confidence:0-100 分的置信度评分
  • findings:详细的问题列表,包含严重程度、描述和建议
  • evidence_chain:SHA-256 哈希加密的证据链
  • timestamp:UTC 时间戳,可审计可追溯

未来规划

接下来我会重点做这几件事:

  1. 支持更多的模型提供商(豆包、通义千问、智谱 GLM 等)
  2. 上线规则市场,让大家可以分享和下载自定义审计规则
  3. 开发 Web UI 界面,更方便地管理审计任务
  4. 集成静态代码分析工具,和 AI 审计形成互补

写在最后

这三天的更新,让 Audison 从一个 "能用" 的工具,变成了一个 "好用" 的工具。现在它已经可以无缝融入你的开发流程,在你写代码、提交 PR、部署上线的每一个环节,帮你把好安全关。

我始终相信,解决 AI 幻觉的唯一方法,就是让它透明化。而 Audison 就是我为这个目标交出的答卷。

项目完全开源免费,Apache 2.0 协议。如果你也认同这个理念,欢迎去 GitHub 给我点个 Star,也欢迎提交 PR 和 Issue,一起把这个项目做得更好。

项目地址https://github.com/wdnmd1265/Audison
在线 Playgroundhttps://wdnmd1265.github.io/Audison/playground.html

Logo

汇聚全球AI编程工具,助力开发者即刻编程。

更多推荐