审计

CyClaw：面向本地文档的安全离线优先 RAG 智能体

cgfixit/CyClaw · CyClaw is a secure, offline-first local AI agent built on three invariants: RAG-first retrieval, LangGraph topology as security policy - https://bit.ly/CyClaw-Demo

CyClaw 是基于 Python 的离线优先本地 AI 智能体，核心是在自有硬件上对 Markdown 与 .txt 文档进行检索增强生成。它以 12 节点 LangGraph 构建检索优先流程，所有路径最终汇入审计日志；本地嵌入、BM25 与交叉编码器在 CPU 上运行，仅在选择付费 Grok 或 Claude 回退且用户逐次确认时才发起外部调用。项目提供 FastAPI 网关（绑定 127.0.0.1:8787）、soul 治理、审计与花费台账、可选的按用户认证、记忆、NeMo 护栏、连接器与 Telegram/X 通道等分层能力，并声明其适用场景为一个受信运营者或互信小组，不提供租户隔离。

OpenClaw Enterprise：面向现代智能体工作负载的企业级控制平面

openclaw/openclaw-enterprise · The Enterprise-grade Control Plane for modern agentic workloads

OpenClaw Enterprise（OCE）是一个开源、厂商中立的智能体管理平台，被描述为“智能体领域的 Kubernetes”。它包含 OpenClaw Control Plane（OCC），用于部署和管理 Agent 及其修订版本，支持本地环境与已有 Kubernetes 集群两种安装方式，提供 CLI、HTTP API、浏览器控制台、IAM 权限、审计事件等能力，并附带 Agent Presets 等配置复用机制。

Ortim：多智能体 AI 软件工厂，将简要需求转化为可审查、可审计的代码

orhanurullah/ortim · Disciplined multi-agent AI software factory: brief → PRD → RFC → task DAG → reviewed code. Human approval gates, hash-chained audit log, deterministic architecture selection.

Ortim 是一个基于 Python 的命令行工具，将一段简要需求（brief）通过多智能体流水线转化为可运行、经审查并带审计追踪的代码。流水线包含 Babel 意图解析、PRD/RFC 生成、任务 DAG 编排、Worker 执行与 Reviewer 链审查，并设置两个强制人工审批门（PRD、RFC）与多个条件门。架构选型由确定性评分器完成（LLM 不参与选择层级），所有 LLM 调用、状态转换与门决策写入哈希链式 JSONL 审计日志，支持漂移检查与防篡改验证。支持 DeepSeek、Anthropic、Ollama 等多种提供者按角色路由。

Awesome Agent Skills：面向 AI 编程 Agent 的代码审查与工程实践技能合集

khasky/awesome-agent-skills · Skills for AI coding agents: code review, debugging, security audits, refactoring, cleaning up AI-written code and text, and more.

该项目收录了一套遵循 Agent Skills 标准格式（每个技能为一个包含 SKILL.md 的文件夹）的技能集合，覆盖代码审查、测试编写、设计文档、调试、安全审计、重构以及清理 AI 生成代码与文本等任务。技能从公开合集和大型开源项目实践提炼而来，声明兼容 Claude Code、Claude.ai、OpenAI Codex、Gemini CLI、Cursor、GitHub Copilot、opencode、Amp、Windsurf、Antigravity 等支持该标准的 Agent，并给出各 Agent 的安装路径与安装方式。

在（足够好的）AI 时代进行审计

一家安全审计公司接到了一个叫 Miden 的零知识虚拟机项目的安全审查任务，这个项目用一种自创的汇编语言 MASM 写加密代码，几乎没有现成的开发工具，代码读起来非常费劲。他们的做法不是直接让 AI 去读代码找漏洞，而是先花六个月时间让 AI 代理从零搭建了一整套工具：代码编辑器插件、反编译器、静态分析引擎，还有一个用 Lean 写的虚拟机执行模型。这些工具帮他们发现了一个真实的安全漏洞——一个没有校验的输入，恶意证明者可以利用它伪造 Falcon 签名并偷走 Miden 账户里的资金；Lean 模型还产出了 95 条机器验证的正确性证明。对于读者来说，这说明 AI 在代码审计中的价值不只是在审代码本身，还可以先帮你造出审代码所需的工具，尤其适合那些缺少工具链的全新项目。目前该案例属于已完成的审计工作，但文中未说明这些工具是否对外开源、能否被其他人直接使用。