Ship Safe：给 AI Agent 时代的一站式安全扫描平台

场景切入：一个聪明越界的 AI Agent

你写了一段提示词，让 AI 助手帮你自动整理项目文件。它做得很好——然后你发现它把 .env 文件也「整理」到了公开仓库里。

这只是冰山一角。当 AI Agent 开始拥有执行权限、调用外部工具、读写文件系统时，传统的安全边界正在被重新定义。API Key 泄漏、Prompt 注入、工具注册表投毒、Agent 权限漂移……这些在 AI 1.0 时代闻所未闻的攻击向量，正在成为 Agentic AI 时代的标配威胁。

Ship Safe（npm 包名 ship-safe）正是为这个新世界而生的安全扫描平台——24 个并行安全 Agent，覆盖 80+ 攻击类别，从硬编码密钥检测到 OWASP Agentic AI Top 10，从 CI/CD 流水线审计到 MCP 工具注册表投毒，全部一站搞定。

Ship Safe REPL 交互界面 图1：Ship Safe 交互式 REPL，支持 /scan /agent /findings 等命令，可中途切换 LLM 提供商

背景：DevSecOps 与 AI Agent 的交汇点

Ship Safe 由独立开发者 asamassekou10 创建，2026 年 2 月上线 GitHub，MIT 协议完全开源。项目脱胎于一个朴素的诉求：市面上的安全扫描工具对 AI Agent 场景几乎是盲区——它们能检测 SQL 注入，但不懂什么叫「工具注册表投毒」。

作者从 OWASP LLM Top 10 入手，逐步扩展到 OWASP Agentic AI Top 10、MCP 安全规范、Claude/DeepSeek Agent 配置审计，最终形成了今天这个涵盖 24 个专项 Agent 的矩阵式安全平台。项目主页为 shipsafecli.com，配套有完整的文档站和博客。

核心功能：24 个并行 Agent 的矩阵式扫描

Ship Safe 的核心架构是一组并行运行的安全检测 Agent，每个 Agent 专注一个垂直领域，扫描过程互不干扰，最大化利用多核 CPU。

AI/LLM 安全 Agent（占大多数）：

Agent	检测范围
LLMRedTeam	OWASP LLM Top 10：提示词注入、过度授权、系统提示词泄漏
MCPSecurityAgent	MCP 服务器滥用、工具投毒、typosquatting、未验证输入
AgenticSecurityAgent	OWASP Agentic AI Top 10：Agent 劫持、权限提升
RAGSecurityAgent	上下文注入、文档投毒、向量数据库访问控制
MemoryPoisoningAgent	Agent 记忆文件中的指令注入、隐藏 Unicode 载荷（ASI-01/05）
HermesSecurityAgent	工具注册表投毒、函数调用注入、Skill 权限漂移（ASI-01/10）
ManagedAgentScanner	Claude Managed Agent 错误配置：always_allow 策略、不受限网络访问（ASI-03/07）
AgentAttestationAgent	未固定版本、缺少完整性哈希、未签名清单（ASI-10/SLSA L0）
AgenticSupplyChainAgent	AI CI 动作过度授权、OAuth 范围蔓延、未签名 AI webhook 接收器（ASI-02/06）
AgentConfigScanner	.cursorrules、CLAUDE.md 中的提示词注入，恶意 Claude Code hooks

传统安全 Agent：

Agent	检测范围
InjectionTester	SQL/NoSQL 注入、命令注入、XSS、路径遍历、XXE、ReDoS、原型污染
AuthBypassAgent	JWT 缺陷（alg:none、弱密钥）、CSRF、OAuth 错误配置、BOLA/IDOR
SSRFProber	fetch/axios 中的用户输入传入点、云元数据端点、内部 IP
SupplyChainAudit	typosquatting、通配符版本、可疑安装脚本、依赖混淆攻击
ConfigAuditor	Docker（root 用户、:latest 标签）、Terraform、Kubernetes、CORS、CSP
CICDScanner	流水线投毒、未固定 Action、Secret 日志记录（OWASP CI/CD Top 10）
GitHistoryScanner	Git 历史中泄漏的密钥
APIFuzzer	无认证路由、批量赋值、GraphQL 内省、调试端点
MobileScanner	OWASP Mobile Top 10 2024：不安全存储、WebView 注入、调试模式
PIIComplianceAgent	代码中的 SSN、信用卡号、邮箱、电话号码

后置处理器： ScoringEngine（综合评分）+ VerifierAgent（密钥存活验证）+ DeepAnalyzer（LLM 污染分析）。

交互式修复循环

与其他安全工具「只扫不出手」不同，Ship Safe 提供了一个交互式修复循环（Fix Loop）：

# 启动 REPL
npx ship-safe

# 扫描发现问题
shipsafe > /scan

# 对某个问题生成修复计划（不写入）
shipsafe > /plan 3

# 执行修复（Agent 会展示 diff，用户确认后才写入）
shipsafe > /agent .

# 如果修复有问题，撤销
shipsafe > /undo

支持 --branch --pr 参数，自动在独立分支上修复并发起 Pull Request，全程不离终端。每个修复都会验证是否真正解决问题，失败了自动回滚——这是区别于传统 SAST 工具的关键特性。

技术架构：ESM + 多 Provider + GitHub Actions

主技术栈：Node.js 18+ / ESM 模块 / JavaScript，CLI 部分代码位于 cli/ 目录，架构清晰：

cli/
  agents/       # 24 个安全 Agent 实现
  bin/          # CLI 入口 (ship-safe)
  commands/     # 子命令 (scan, agent, ci, undo 等)
  data/         # 检测规则数据
  hooks/        # Claude Code hooks 集成
  providers/    # LLM Provider 适配器
  utils/        # 公共工具

LLM Provider 灵活性：Ship Safe 不绑定任何特定 LLM，支持 Anthropic、OpenAI、Google、DeepSeek、Groq、Together、Mistral、xAI、Perplexity、Ollama、LM Studio 以及任何 OpenAI 兼容端点。环境变量自动检测，也可 --provider 参数手动指定。扫描本身不需要 API Key，AI 修复功能是可选的。

CI/CD 集成：action.yml 支持 GitHub Actions 原生集成，可生成 SARIF 报告并上传到 GitHub Code Scanning，扫描分数低于阈值时阻断合并。

Web 应用：配套有 Next.js 15 + React 19 + TypeScript Web UI（webapp/），使用 NextAuth 做认证、Prisma + PostgreSQL 做数据持久化、Stripe 做订阅、Vercel 做部署。这个 Web 层提供可视化扫描报告、团队协作和公开分享功能（7 天有效期 URL）。

AI 安全专项能力

Ship Safe 在 AI 安全领域最有价值的内容集中在 ai-defense/ 目录，包含四个专项文档：

system-prompt-armor.md（~10KB）：系统提示词加固指南，涵盖指令分离、角色边界、注入检测正则、未授权指令拒绝机制，是目前最全面的系统提示词防御实战手册。
prompt-injection-patterns.js（~8KB）：提示词注入攻击模式库，包含直接注入、间接注入（通过 RAG/记忆）、编码混淆、上下文窗口溢出等数十种攻击模式及其检测规则。
llm-security-checklist.md（~7.6KB）：基于 OWASP LLM Top 10 2025 的安全检查清单，包含代码级修复示例（好/坏对比），可直接作为团队安全规范文档使用。
cost-protection.md（~7KB）：AI Agent 成本保护指南，检测异常 Token 消耗、无限循环调用、未授权的文件系统写入等可能导致天价账单的场景。

这些文件不只是 Ship Safe 的内部数据——它们本身就是目前 AI Agent 安全领域最实用的开源参考资源之一。

Ship Safe Agent 修复流程 图2：Ship Safe Agent 模式执行修复，展示 Diff 并等待用户确认后写入

上手门槛与适用场景

上手极简：npx ship-safe 即可启动 REPL，无需注册账号、无需配置 API Key（纯扫描部分）。AI 修复功能需要配置 LLM API Key（可选）。

适用场景：

开发阶段：本地 ship-safe 扫描，发现问题立即修复
CI/CD 阶段：GitHub Actions 自动门禁，分数低于阈值阻断合并
AI Agent 项目：专门针对 MCP、Claude Code、DeepSeek Agent、OpenClaw 场景的安全审计
合规检查：代码中 PII 检测、许可证合规性

部署难度中等：CLI 工具本身通过 npm 一键安装（npx ship-safe），5 分钟可用。但配套 Web UI 依赖 Vercel + Prisma + Stripe 基础设施，不提供 Docker/docker-compose，不适合纯容器化部署。

局限性与争议

Agent 误报率：24 个 Agent 覆盖 80+ 攻击类别的宏大目标，意味着某些规则可能过于宽泛。比如 VibeCodingAgent 会标记「有 TODO 注释的 auth 代码」为反模式，这对某些快速迭代项目可能过于严格。项目提供了 .ship-safeignore 和 // ship-safe-ignore 注释来抑制误报，但维护规则本身需要一定学习成本。
AI 修复的信任问题：让 LLM Agent 自动修复安全问题听起来美好，但实践中存在「修复引入新问题」的风险。虽然 Ship Safe 有 VerifierAgent 验证修复结果，但 LLM 的非确定性本质意味着同一问题在不同 Provider、不同模型下可能产生不同的修复方案。
容器化缺失：作为 2026 年的安全工具，不提供 Dockerfile/docker-compose 是明显短板。虽然 Node.js 应用容器化本身不难，但官方不提供意味着团队需要自己维护，降低了开箱即用体验。

行业意义与增长趋势

Ship Safe 的出现填补了一个重要空白：传统 DevSecOps 工具和新兴 AI Agent 安全之间的断层。

从数据看，项目 2026 年 2 月上线，到 7 月已达到 762 stars，增长曲线陡峭。这个速度反映了两个趋势叠加：一是 AI Agent 的快速普及（Claude Code、Cursor、Copilot Workspace 等产品进入主流），二是开发者安全意识的觉醒——当 AI Agent 可以读写文件、执行命令、调用 API 时，「AI 帮写代码」的安全风险已经从理论变成了实践问题。

Ship Safe 的另一个价值在于降低了 AI 安全的技术门槛。以往需要专职安全团队才能做的 MCP 安全审计、提示词注入检测，现在一个 npm 命令就能覆盖。对于没有安全工程师的中小团队，这是目前最具性价比的 AI 安全入场券。

GitHub: https://github.com/asamassekou10/ship-safe | 官网: https://shipsafecli.com | npm: npm install -g ship-safe

Ship Safe：给 AI Agent 时代的一站式安全扫描平台

场景切入：一个聪明越界的 AI Agent

你写了一段提示词，让 AI 助手帮你自动整理项目文件。它做得很好——然后你发现它把 .env 文件也「整理」到了公开仓库里。

Ship Safe REPL 交互界面 图1：Ship Safe 交互式 REPL，支持 /scan /agent /findings 等命令，可中途切换 LLM 提供商

背景：DevSecOps 与 AI Agent 的交汇点

核心功能：24 个并行 Agent 的矩阵式扫描

Ship Safe 的核心架构是一组并行运行的安全检测 Agent，每个 Agent 专注一个垂直领域，扫描过程互不干扰，最大化利用多核 CPU。

AI/LLM 安全 Agent（占大多数）：

Agent	检测范围
LLMRedTeam	OWASP LLM Top 10：提示词注入、过度授权、系统提示词泄漏
MCPSecurityAgent	MCP 服务器滥用、工具投毒、typosquatting、未验证输入
AgenticSecurityAgent	OWASP Agentic AI Top 10：Agent 劫持、权限提升
RAGSecurityAgent	上下文注入、文档投毒、向量数据库访问控制
MemoryPoisoningAgent	Agent 记忆文件中的指令注入、隐藏 Unicode 载荷（ASI-01/05）
HermesSecurityAgent	工具注册表投毒、函数调用注入、Skill 权限漂移（ASI-01/10）
ManagedAgentScanner	Claude Managed Agent 错误配置：always_allow 策略、不受限网络访问（ASI-03/07）
AgentAttestationAgent	未固定版本、缺少完整性哈希、未签名清单（ASI-10/SLSA L0）
AgenticSupplyChainAgent	AI CI 动作过度授权、OAuth 范围蔓延、未签名 AI webhook 接收器（ASI-02/06）
AgentConfigScanner	.cursorrules、CLAUDE.md 中的提示词注入，恶意 Claude Code hooks

传统安全 Agent：

Agent	检测范围
InjectionTester	SQL/NoSQL 注入、命令注入、XSS、路径遍历、XXE、ReDoS、原型污染
AuthBypassAgent	JWT 缺陷（alg:none、弱密钥）、CSRF、OAuth 错误配置、BOLA/IDOR
SSRFProber	fetch/axios 中的用户输入传入点、云元数据端点、内部 IP
SupplyChainAudit	typosquatting、通配符版本、可疑安装脚本、依赖混淆攻击
ConfigAuditor	Docker（root 用户、:latest 标签）、Terraform、Kubernetes、CORS、CSP
CICDScanner	流水线投毒、未固定 Action、Secret 日志记录（OWASP CI/CD Top 10）
GitHistoryScanner	Git 历史中泄漏的密钥
APIFuzzer	无认证路由、批量赋值、GraphQL 内省、调试端点
MobileScanner	OWASP Mobile Top 10 2024：不安全存储、WebView 注入、调试模式
PIIComplianceAgent	代码中的 SSN、信用卡号、邮箱、电话号码

后置处理器： ScoringEngine（综合评分）+ VerifierAgent（密钥存活验证）+ DeepAnalyzer（LLM 污染分析）。

交互式修复循环

与其他安全工具「只扫不出手」不同，Ship Safe 提供了一个交互式修复循环（Fix Loop）：

# 启动 REPL
npx ship-safe

# 扫描发现问题
shipsafe > /scan

# 对某个问题生成修复计划（不写入）
shipsafe > /plan 3

# 执行修复（Agent 会展示 diff，用户确认后才写入）
shipsafe > /agent .

# 如果修复有问题，撤销
shipsafe > /undo

技术架构：ESM + 多 Provider + GitHub Actions

主技术栈：Node.js 18+ / ESM 模块 / JavaScript，CLI 部分代码位于 cli/ 目录，架构清晰：

cli/
  agents/       # 24 个安全 Agent 实现
  bin/          # CLI 入口 (ship-safe)
  commands/     # 子命令 (scan, agent, ci, undo 等)
  data/         # 检测规则数据
  hooks/        # Claude Code hooks 集成
  providers/    # LLM Provider 适配器
  utils/        # 公共工具

CI/CD 集成：action.yml 支持 GitHub Actions 原生集成，可生成 SARIF 报告并上传到 GitHub Code Scanning，扫描分数低于阈值时阻断合并。

AI 安全专项能力

Ship Safe 在 AI 安全领域最有价值的内容集中在 ai-defense/ 目录，包含四个专项文档：

system-prompt-armor.md（~10KB）：系统提示词加固指南，涵盖指令分离、角色边界、注入检测正则、未授权指令拒绝机制，是目前最全面的系统提示词防御实战手册。
prompt-injection-patterns.js（~8KB）：提示词注入攻击模式库，包含直接注入、间接注入（通过 RAG/记忆）、编码混淆、上下文窗口溢出等数十种攻击模式及其检测规则。
llm-security-checklist.md（~7.6KB）：基于 OWASP LLM Top 10 2025 的安全检查清单，包含代码级修复示例（好/坏对比），可直接作为团队安全规范文档使用。
cost-protection.md（~7KB）：AI Agent 成本保护指南，检测异常 Token 消耗、无限循环调用、未授权的文件系统写入等可能导致天价账单的场景。

这些文件不只是 Ship Safe 的内部数据——它们本身就是目前 AI Agent 安全领域最实用的开源参考资源之一。

Ship Safe Agent 修复流程 图2：Ship Safe Agent 模式执行修复，展示 Diff 并等待用户确认后写入

上手门槛与适用场景

上手极简：npx ship-safe 即可启动 REPL，无需注册账号、无需配置 API Key（纯扫描部分）。AI 修复功能需要配置 LLM API Key（可选）。

适用场景：

开发阶段：本地 ship-safe 扫描，发现问题立即修复
CI/CD 阶段：GitHub Actions 自动门禁，分数低于阈值阻断合并
AI Agent 项目：专门针对 MCP、Claude Code、DeepSeek Agent、OpenClaw 场景的安全审计
合规检查：代码中 PII 检测、许可证合规性

局限性与争议

Agent 误报率：24 个 Agent 覆盖 80+ 攻击类别的宏大目标，意味着某些规则可能过于宽泛。比如 VibeCodingAgent 会标记「有 TODO 注释的 auth 代码」为反模式，这对某些快速迭代项目可能过于严格。项目提供了 .ship-safeignore 和 // ship-safe-ignore 注释来抑制误报，但维护规则本身需要一定学习成本。
AI 修复的信任问题：让 LLM Agent 自动修复安全问题听起来美好，但实践中存在「修复引入新问题」的风险。虽然 Ship Safe 有 VerifierAgent 验证修复结果，但 LLM 的非确定性本质意味着同一问题在不同 Provider、不同模型下可能产生不同的修复方案。
容器化缺失：作为 2026 年的安全工具，不提供 Dockerfile/docker-compose 是明显短板。虽然 Node.js 应用容器化本身不难，但官方不提供意味着团队需要自己维护，降低了开箱即用体验。

行业意义与增长趋势

Ship Safe 的出现填补了一个重要空白：传统 DevSecOps 工具和新兴 AI Agent 安全之间的断层。

GitHub: https://github.com/asamassekou10/ship-safe | 官网: https://shipsafecli.com | npm: npm install -g ship-safe