vulnhuntr

让LLM自动帮你扫代码找漏洞，零样本开箱即用

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 331 🐛 待处理 18 👀 关注 32

GitHub ↗

GitHub 星标 ★ 2820

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，AGPL-3.0许可，可自行部署使用，无付费版本。

项目预览

项目数据

分类开源模型

开发团队protectai

GitHubhttps://github.com/protectai/vulnhuntr

定价模式🏷️完全免费

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🔧 仅开源项目，无在线服务，需自行部署

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★ 2820

上线时间2024-10-15 00:00:00

代码更新2025-02-06

仓库体积122 KB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数3

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2820

技术标签

ai llm security static-analysis

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

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`