用途
open·kritt 面向安全研究人员和关注安全的开发者，旨在解决“把整个仓库交给模型并要求找漏洞”这种低效做法。它采用聚焦式方法：将漏洞研究拆解为小型、定义明确的任务，跨 AI 智能体并行运行，再把各智能体的输出合并为可验证、可优先级排序的发现结果。平台让用户掌控自己的提示词、工作流、模型提供商和基础设施。
主要能力
- 构建工作流：把聚焦的提示词串联成可复用的安全研究 playbook。
- 运行扫描：使用 Codex、Claude Code 或 Grok Build 分析远程或本地仓库及其依赖。
- 验证发现：通过事后脚本验证问题、构建概念验证并生成报告。
- 导出扫描结果：将规范化发现、结构化数据、后处理输出、报告和概念验证打包为一个 ZIP 归档，并附带共享安全清单；已完成的扫描产生完整导出，已停止或失败但有发现的扫描产生明确标记的部分导出。受攻击者影响的报告和 PoC 源内容以纯文本保留。
- 优先级排序：应用自定义严重性排序器、统一的发现结构和自动去重。
- 自带模型访问：使用 Codex 登录，或通过 OpenAI、Anthropic、DeepSeek、OpenRouter 或 xAI 接入。
使用方式
开始前需要 Git、Docker 与 Docker Compose、Node.js 20 或更高版本。仓库本地 CLI 没有安装步骤。运行技术栈后，打开 http://localhost:5173。只需一种模型访问方式即可，./kritt setup 会引导完成可用的登录和 API 密钥配置。GITHUB_TOKEN 为可选项，仅在访问私有 GitHub 仓库时需要。
在没有浏览器或桌面的服务器上，可保持技术栈运行并打开另一个 shell 使用无头 CLI。无头 CLI 可导入可移植的工作流、事后脚本、技能和排序器 JSON；创建扫描（与网页表单使用相同的后端验证）；显示扫描状态、阶段和失败原因；编辑非机密运行时设置；导出发现包。它不会在终端显示发现内容。
默认端口绑定到 127.0.0.1，后端不包含应用身份认证，应保持技术栈私有。在 Accounts 中可使用持久化的 Active 开关选择哪些账户可以接收新分配，同时保留其他凭据。
适用场景
适合安全研究人员和关注安全的开发者，用于对代码仓库及其依赖进行聚焦式漏洞挖掘、验证和报告生成。也适合需要自托管、可控制提示词、工作流和模型提供商的安全团队。Kritt 团队以 Blockian 名义在漏洞赏金中累计获得超过 150 万美元，open·kritt 是支撑这些工作的内部项目的开源提炼。
限制与安全注意
启用工具的智能体在一次性作业容器内以 root 运行，具有可写仓库副本和直接互联网访问，以便安装工具、编译目标、运行测试和构建概念验证。因此应在专用的 Docker 主机或虚拟机上运行 open·kritt，并在扫描不可信代码前查阅威胁模型。由于后端不含应用认证且默认端口仅绑定本地，需保持技术栈私有。项目基于 GNU Affero General Public License v3.0 许可。
