信息卡

一句话定位

腾讯朱雀实验室开源的 AI 安全风险自查平台：从 Agent 工作流、MCP/Skill、推理框架指纹到大模型越狱评估，一条龙覆盖 AI 栈的红队测试。

增速解读：为什么涨这么快

总星 5975、月增 1613，增速比约 37%，在五千量级的项目里这个斜率相当亮眼。驱动因素有三层：安全合规是当前企业 AI 落地的最大阻力点，而"红队自查"恰好提供了一份可操作的答卷；腾讯朱雀实验室的品牌为技术公信力背书，且 v4.5.0 已把前端完全开源、CLI 拆分为独立工具，工程诚意可见；更关键的是它抓准了 2026 年的新风险面——OpenClaw 生态和 Agent Skills 正成为供应链攻击新入口，ClawScan 与 SkillTrustBench T01–T09 九类风险检测（指令劫持、记忆投毒、远程载荷执行等）切中了几乎无人系统化覆盖的空白，F1 最高 0.9848 的数据也足够有说服力。

核心功能拆解

• ClawScan：一键评估 OpenClaw 安全风险——不安全配置、Skill 风险、CVE 与隐私泄露。
• Agent Scan：独立多智能体自动化扫描框架，覆盖 Dify、Coze 平台上的 Agent 工作流。
• MCP Server & Agent Skills 扫描：14 大类安全风险，支持源码目录与远程 URL 双输入。
• AI 基础设施漏洞扫描：指纹识别 Ollama、ComfyUI、vLLM、n8n、Triton 等 100+ 组件，匹配 2000+ CVE 规则。
• 越狱评估：精选数据集 + 多攻击方法测试 Prompt 安全性，支持跨模型横向对比。
• 模型/API 中转检查器：模型指纹识别、Claude Signature 验证与中转黑盒审计。
• OpenClaw 集成：clawhub 安装 aig-scanner 技能即插即用。
• 规则全部外置开放 PR：data/fingerprints、data/vuln、data/mcp、data/eval 目录均为 YAML 规则集。

架构与技术栈浅析

可扩展插件框架为核心，规则与引擎分离便于社区共建；后端 CLI 用 Go 编译（cmd/cli），api-checker 为独立 Python 服务经 AIG_API_CHECKER_PYTHON 关联，v4.5.0 起 skill-scan/mcp-scan/agent-scan 拆成独立 CLI。前端已完全开源，Swagger 文档内置于 /docs/index.html。这种"平台 + 边缘小工具"的松耦合设计让 CI 流水线也能直接挂载扫描能力。

安装与环境要求

Docker ≥ 20.10、内存 4GB+、磁盘 10GB+。仅 skill 扫描 CLI 可用 pip 独立安装并需 LLM_API_KEY。注意项目缺少认证机制，只应部署在企业或个人内网，禁止暴露公网。

快速上手示例

git clone https://github.com/Tencent/AI-Infra-Guard.git && cd AI-Infra-Guard
docker-compose -f docker-compose.images.yml up -d   # 访问 http://localhost:8088
pip install aig-skill-scan                          # Skill 扫描 CLI
aig-skill-scan --repo /path/to/skill -m deepseek-v4-flash --language en -o result.json

Web 界面选 "AI Infra Scan" 填入 http://127.0.0.1:8000 即扫本地 vLLM，也支持 CIDR 段扫描。

进阶使用要点

• 中转审计走 `./ai-infra-guard api-checker audit`，对应 POST /api/v1/relay/check/stream 接口。
• 从源码构建用 `docker-compose up -d` 或 `go build -o ai-infra-guard ./cmd/cli/main.go`。
• 贡献新指纹/CVE 只需向对应 data 目录提 YAML PR，学习成本低。
• Claude Signature 验证可用于鉴别声称的模型真伪，适合中转服务商核查。
• 学术引用须注明来源并附仓库链接（许可证附加条款）。

典型应用场景

• 企业 AI 平台上线前的内部渗透式自查报告。
• 开源 MCP/Skill 发布者的供应链安全体检。
• 大模型服务选购时的跨模型越狱抗性横评。
• 安全团队资产测绘：摸清内网隐藏的推理框架暴露面。

同类生态位对比

对比 NVIDIA garak（专注 Prompt 越狱）、mcp-scan 单工具、传统漏洞扫描器：AI-Infra-Guard 是少数把"基础设施指纹+Agent 工作流+Skill 供应链+LLM 行为"装进一个平台的整合者，广度取胜；深度单点能力各专项工具仍可互补使用。

资源导航

官方文档：https://tencent.github.io/AI-Infra-Guard ；仓库含 docker.sh 一键脚本与 api-checker Swagger；社区通过 GitHub Issues 反馈。