用途：帮助为集成到 OSS-Fuzz 的开源 Python 项目编写、构建和验证模糊测试目标（fuzz target）。Python 模糊测试基于 Atheris，它封装 libFuzzer 并对 Python 字节码做覆盖率引导插桩。
主要能力与要点： 基础镜像须使用 FROM gcr.io/oss-fuzz-base/base-builder-python，并在 project.yaml 中设置 language: python。 Harness 为 .py 文件（约定命名 fuzz_<target>.py），包含 TestOneInput(data) 与 main()，main 中调用 atheris.instrument_all()、atheris.Setup(sys.argv, TestOneInput, enable_python_coverage=True) 和 atheris.Fuzz()。 插桩方式：instrument_all() 简单但可能过宽；可用 with atheris.instrument_imports(): 选择性导入被测模块。 FuzzedDataProvider 将原始字节拆成类型化值，方法包括 ConsumeBytes、ConsumeByteList、ConsumeString、ConsumeUnicode、ConsumeUnicodeNoSurrogates、ConsumeInt、ConsumeIntInRange、ConsumeFloat、ConsumeBool、ConsumeIntList、PickValueInList、ConsumeRemainingBytes。 构建：build.sh 中 pip3 install . 安装被测包，并用 compile_python_fuzzer 将每个 fuzz_*.py 编译为 $OUT 下的可执行文件。 种子语料放 $OUT/<fuzzer_name>_seed_corpus/ 或打包为同名 .zip；字典放 $OUT/<fuzzer_name>.dict，对 JSON、XML、YAML、CSV 等文本格式解析器尤其有用。结构化格式建议用脚本生成种子。
良好 harness 特征：插桩正确模块；面向解析器、模板引擎、序列化（pickle、JSON、YAML、XML）、网络协议处理等接受不可信字符串或字节的 API；捕获目标在坏输入下会抛出的预期异常；用 FuzzedDataProvider 提供结构化输入；被测模块导入放在模块级而非 TestOneInput 内；避免文件 I/O、网络、子进程；避免随机、datetime.now()、os.urandom() 等非确定性；启用 enable_python_coverage=True。
可发现的问题：未处理异常（ValueError、RecursionError、MemoryError、UnicodeDecodeError 等）、AssertionError、挂起或死循环、C 扩展中的崩溃、逻辑错误。
操作与验证：使用 python3 infra/helper.py build_fuzzers <project>、check_build <project>、run_fuzzer <project> <fuzzer_name> -- -max_total_time=30 验证。可先用 python3 fuzz_target.py <seed_file> 本地单输入调试；本地 pip3 install . 快速迭代；本地迭代时可将 Dockerfile 的 RUN git clone 改为 COPY 避免网络往返。应记录每个入口点的选择理由及可能发现的缺陷类别。
限制：资料未提供收费、价格、平台支持范围等额外信息。