deep-eye

多模型编排自动生成载荷，一键扫漏洞出合规报告

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署评测安全 🍴 复刻 426 🐛 待处理 13 👀 关注 24

GitHub ↗

GitHub 星标 ★ 2360

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源免费，需自备各AI提供商API密钥

项目预览

项目数据

分类评测安全

开发团队zakirkun

GitHubhttps://github.com/zakirkun/deep-eye

定价模式🏷️完全免费

价格说明开源免费，需自备各AI提供商API密钥

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NOASSERTION

主要语言Python

GitHub 星标★ 2360

上线时间2025-10-15 00:00:00

代码更新2026-10-06

仓库体积2.1 MB

本站数据更新2026-10-29

维护状态较活跃

收录时间2026-10-29

浏览次数0

项目介绍

Deep Eye 是一个用 Python 编写的开源安全评测编排工具，核心思路是把多家大模型服务统一接入，用于自动化漏洞扫描与安全评估。它可对接 OpenAI、Claude、Grok、Gemini、OLLAMA、Groq、Mistral、OpenRouter、LiteLLM、LM Studio 等提供方，由模型辅助生成测试载荷，再对目标执行覆盖 45 种以上漏洞类型的检测，最终输出带合规映射的专业报告。项目面向安全测试与评测场景，解决人工编写测试用例耗时、多模型能力难以统一调度、扫描结果难以整理成合规文档等问题。其价值在于把模型调用、载荷生成、扫描执行和报告产出串成一条流水线，适合做安全基线检查、漏洞面梳理与合规自查。使用时需注意仅对自有或获授权的目标开展测试。

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 2026-10-29 · 当前星标 ★ 2360

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：进阶约 15 分钟部署方式：本地安装 6 步

环境要求

Windows 环境（README 仅提供 PowerShell 安装脚本）
已安装 Python 环境，可从命令行运行 python
至少一个受支持的 AI 提供方账号及其 API Key
待扫描目标须为已获授权的资产

安装与启动步骤

1克隆项目仓库

从 GitHub 拉取 deep-eye 源码到本地，命令在目标目录下执行。
```
git clone https://github.com/zakirkun/deep-eye.git
```
2进入项目目录

切换到仓库根目录，后续安装与运行都在此目录下进行。
```
cd deep-eye
```
3运行安装脚本

README 给出的 Windows 安装入口，在 PowerShell 中于仓库根目录执行，完成依赖准备。
```
.scriptsinstall.ps1
```
4生成配置文件

仓库自带 config/config.example.yaml 示例，复制为 config/config.yaml 后再修改。
```
Copy-Item config/config.example.yaml config/config.yaml
```
5填写提供方与密钥

参照 docs/CONFIGURATION.md 填写 AI 提供方、API Key 与扫描目标等参数，字段以示例文件为准。
6执行扫描任务

用指定配置文件启动主程序，按配置完成载荷生成、漏洞检测与报告输出。
```
python deep_eye.py -c config/config.yaml
```

关键配置

配置项	必填	说明	示例
`config/config.yaml`	是	主配置文件，程序全部行为由此文件控制，需先由示例文件复制生成。	`config/config.yaml`
`AI Provider API Key`	是	至少配置一个受支持提供方的密钥，用于生成测试载荷；具体字段名见示例文件。	`sk-xxxxxxxx`