vulnhuntr

让LLM自动帮你扫代码找漏洞，零样本开箱即用

vulnhuntr 是一个利用大型语言模型进行零样本漏洞发现的开源工具。它解决的是传统静态分析工具依赖规则和模式匹配、难以发现未知漏洞的问题。核心能力是直接对代码仓库进行语义理解，通过LLM的推理能力识别潜在的漏洞模式，如SQL注入、命令注入、路径遍历等。它支持多种语言（如Python、JavaScript等），并提供命令行接口，可集成到CI/CD流程中。项目处于成长阶段，星标数增长迅速，表明社区关注度高。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2778

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队protectai

所属国家

官网地址

GitHubhttps://github.com/protectai/vulnhuntr

定价模式free

价格说明开源项目，AGPL-3.0许可，可自行部署使用，无付费版本。

访问状态

是否开源是

开源协议AGPL-3.0

主要语言Python

技术栈/模型ai,llm,security,static-analysis,vulnerability-detection

GitHub 星标★ 2778

30天Star增速

HF 下载量

上线时间2024-10-15 00:00:00

最近更新2026-09-23 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

难度：入门约 10 分钟部署方式：命令行工具 6 步

环境要求

Python 3.10（严格必须，其他版本会因 Jedi 的 bug 而不可靠）
pipx、Docker 或 poetry 三者之一用于安装
LLM 服务的 API Key（用于调用大模型分析代码）
待扫描 GitHub 仓库的本地路径

安装与启动步骤

1确认 Python 版本

安装前先确认本机有 Python 3.10，README 明确要求只用 3.10，其他版本会因 Jedi 解析问题不稳定。
```
python3.10 --version
```
2Docker 方式构建

直接从 GitHub 仓库构建镜像，适合不想改本地 Python 环境的用户。
```
docker build -t vulnhuntr https://github.com/protectai/vulnhuntr.git#main
```
3pipx 方式安装

README 推荐的轻量安装方式，通过 --python 参数强制绑定 Python 3.10。
```
pipx install git+https://github.com/protectai/vulnhuntr.git --python python3.10
```
4源码 poetry 安装

先克隆仓库，再在仓库目录内用 poetry 安装依赖，适合需要改代码调试的用户。
```
git clone https://github.com/protectai/vulnhuntr
cd vulnhuntr && poetry install
```
5准备 API Key

运行前必须提供 LLM 服务商的 API Key，README 未给出具体变量名，请按官方最新说明设置。
6准备目标仓库路径

把要检测的 GitHub 仓库克隆到本地，运行时需要传入该仓库的本地路径。

关键配置

配置项	必填	说明	示例
`LLM API Key`	是	调用大模型服务所需的密钥，README 要求运行时必须提供	`sk-xxxxxxxx`
`自定义 LLM endpoint`	否	可选，用于指定自定义的 LLM 服务地址	`https://api.anthropic.com`

如何确认成功

README 未给出运行命令与成功提示；安装过程无报错即表示环境就绪，Docker 方式可用 docker images 看到 vulnhuntr 镜像。

常见问题

Q：为什么必须锁定 Python 3.10？

A：README 明确说明工具依赖 Jedi 解析 Python 代码，而 Jedi 存在多个 bug，用其他 Python 版本会导致运行不可靠。

Q：推荐用哪个大模型？

A：README 建议使用 Claude，官方测试中其效果优于 GPT。

Q：扫描成本会很高吗？

A：会。工具会尽可能把代码塞进上下文窗口，可能产生高额账单，务必设置支出上限并密切关注费用。

Q：三种安装方式怎么选？

A：README 推荐 pipx 或 Docker；需要修改源码时可选 git clone 后 poetry install。

注意事项

必须使用 Python 3.10，其他版本无法可靠运行
务必为 LLM 服务商设置消费上限，避免扫描产生高额费用
README 未给出具体运行命令与参数，实际执行请以官方仓库最新文档为准
建议优先使用 Claude 模型以获得更好的检测效果

核心亮点

利用LLM语义理解，能发现传统规则引擎漏掉的复杂逻辑漏洞
零样本设计，无需预定义漏洞规则库，适应新代码库能力强
支持多种编程语言，易于集成到现有开发流程

不足之处

依赖LLM推理，可能产生误报或漏报，需人工复核
文档/社区待观察

适用场景

安全团队快速审计第三方开源代码库
开发者在CI/CD中自动扫描新提交代码
安全研究人员批量分析多个项目寻找潜在漏洞

替代项目

Semgrep、CodeQL、gosec

项目介绍

vulnhuntr 是评测安全领域的开源项目，由 protectai 开发，2024 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（2,778）位列前 30%，在评测安全分类的 466 个项目里位列前 11%。

近 42 天，它的 GitHub 星标从 2,730 增加到 2,778，净增 48。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-23。AGPL-3.0许可，可自行部署使用，无付费版本。

它主要面向的使用场景是：安全团队快速审计第三方开源代码库。同类可对比的替代方案包括 Semgrep、CodeQL、gosec。

上一篇：OSWorld

下一篇：evaluation-guidebook