用途：对应用进行架构级威胁建模，自动分析代码库并生成可随代码演进的持久化威胁模型，存放于 .appsec/model/。
主要能力：自动发现组件（服务、API、数据存储、外部依赖、后台任务、客户端、基础设施）与信任边界；生成 Level 0 与 Level 1 的 Mermaid 数据流图，并标注协议、认证方式、数据分级与加密状态；对每个组件和数据流执行 STRIDE 分析并输出威胁表（含严重性、缓解措施、状态）；在 deep 及以上深度生成攻击树；识别缓解措施与缺口，对缺口按 findings 规范输出发现项（ID 前缀 TM）。
使用方式：通过标志控制行为。--scope 默认 full；--depth 支持 quick（仅组件清单与信任边界）、standard（完整模型）、deep（增加攻击树、跨组件威胁链、外部依赖威胁）、expert（增加 DREAD 评分、攻击模拟叙述、合规映射）；--severity 过滤输出；--format 默认 md，可选 json；--diff 为增量模式，对比 .appsec/model/current.json 仅分析变更。输出文件包括 current.json、threat-model.md、dfd-level0.mmd、dfd-level1.mmd、attack-trees.md 及 history/<timestamp>.json。
适用场景：需要系统化安全评审的代码库，尤其是希望以增量方式维护威胁模型、跟踪缓解状态与安全缺口的团队。
限制：组件发现为启发式，模型基于代码分析而非权威架构文档；DFD 应实用而非穷尽；若代码库为库而非已部署应用，应针对库的使用者建模；STRIDE 为默认框架，如需 PASTA、LINDDUN 等需改用相应专门技能。具体收费、价格与平台信息暂未提供。