AegisAI：面向 GitHub PR 的 AI 安全代码审查代理

核心能力与快速开始

★ 0 · Python

能做什么

通过 GitHub App Webhook 接收 PR 事件；使用 Redis 队列与 RQ Worker 异步处理；克隆仓库并提取 base 与 head 之间的 git diff；过滤 lockfile、vendor、压缩文件等噪声；在送入 LLM 前对 diff 进行密钥检测与脱敏；调用 Claude 或 GPT-4o 检测 SQL 注入、命令注入、硬编码密钥、XSS、SSRF、不安全反序列化、路径穿越、认证缺陷、IDOR、不安全 eval/exec、不安全加密、缺失校验等 12+ 类漏洞；幻觉防护校验发现是否引用真实代码；去重避免重复审查；以行内评论形式将结果发布到 PR；提供 HMAC-SHA256 签名校验、Webhook 重试与死信队列、DLQ 管理 API、Prometheus 指标与告警 webhook。

适用场景

在 GitHub pull request 流程中自动进行第一轮安全审查，在代码进入生产前发现常见漏洞并给出可直接在 PR 行内查看的修复提示；适合希望用 AI 作为人工代码审查前置安全过滤层的团队；支持通过 Docker Compose 启动开发或生产栈，并可通过 Makefile 执行构建、测试、日志等操作。

项目形态

可直接使用的工具

部署方式

支持 Docker Compose 部署（开发与生产配置），提供多阶段 Dockerfile、Makefile 命令（make up/down/logs/build/test/lint/health/clean/reset）；也可本地运行：Python 虚拟环境安装依赖，Redis 以 docker run 启动，分别启动 FastAPI 服务与 RQ Worker。需配置 GitHub App 凭据与 LLM API Key。

主要依赖

Python 3.11+、Redis、Docker 与 Docker Compose（推荐）；需 GitHub App ID、PEM 私钥路径、Webhook 密钥，以及 Anthropic 或 OpenAI 的 API Key；部署硬件要求未说明。

使用限制

超大 PR（如框架升级或大规模重构）可能超出 LLM 上下文窗口，或导致跨文件细微漏洞被遗漏；测试文件中有意为之的漏洞代码可能被误判为真实漏洞，需要手动添加 ignore 注释；LLM API 调用成本与限额未说明；路线图中 PostgreSQL 审计存储、Web 仪表盘、自定义规则引擎、Slack/Teams 通知、多语言支持尚未完成。

许可证

MIT

最近推送

2026-09-19 06:40

资料检查：2026-09-19 07:00 · 卡片整理：2026-09-19 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

在 GitHub Pull Request 中自动进行安全代码审查：通过 Webhook 接收 PR 事件，提取 diff，调用 Claude 或 GPT-4o 检测 SQL 注入、XSS、命令注入、硬编码密钥等 12 类以上漏洞，并以行内评论形式回写到 PR，帮助程序员在代码合并前发现安全问题。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证