1. 项目定位与用途
DeepAudit 是一个基于多智能体架构的 AI 驱动自动化代码安全审计平台，定位为"人人拥有的 AI 黑客战队"。其核心用途是通过 LLM 作为决策大脑，协调多个专业 Agent 完成自主化的代码安全审计，覆盖从项目 reconnaissance、漏洞分析到沙箱验证的完整流程。系统旨在降低专业安全审计的技术与成本门槛，使中小团队和个人开发者也能负担起专业级的代码安全检测。
项目档案应用项目
DeepAudit 开源多智能体 AI 代码安全审计系统 - 一键部署自动漏洞挖掘与报告生成
lintsinghua/DeepAudit：DeepAudit 是基于多智能体架构的 AI 驱动自动化代码安全审计系统，通过 LLM 中心化决策与自主协作实现漏洞挖掘，支持 Ollama 本页整理它解决什么问题、适用场景、安装方式和使用方法。
AI 总结
DeepAudit 是基于多智能体架构的 AI 驱动自动化代码安全审计系统，通过 LLM 中心化决策与自主协作实现漏洞挖掘，支持 Ollama 私有部署和一键报告生成，让专业级安全审计触手可及。
中文项目介绍
DeepAudit 是国内首个开源的代码漏洞挖掘多智能体系统，旨在让每个人都能拥有专业的 AI 安全审计能力。系统基于 LLM 中心化决策架构，通过 Orchestrator 协调 Recon、Analysis、Verification 等专业 Agent，实现从代码侦察、漏洞分析到沙箱验证的完整自动化审计流程。
系统采用 ReAct 模式实现思考-行动-观察循环，集成 Semgrep、Bandit、Gitleaks 等 20+ 专业安全工具，并结合 RAG 知识库增强代码语义理解与 CWE/CVE 漏洞知识匹配。已成功发现 49 个 CVE 编号和 6 个 GHSA 安全公告，涉及 17 个知名开源项目。
支持 Ollama 私有部署，提供 Web 界面进行 Multi-Agent 深度审计，可导入 GitHub/GitLab/Gitea 项目，支持粘贴代码或上传文件即时分析，实时查看 Agent 思考过程，并一键导出 PDF/Markdown/JSON 格式专业报告。通过 Docker 一键部署，大幅降低安全审计门槛和成本。
详细信息与使用说明
2. 解决的问题
传统代码审计高度依赖安全专家人工分析，存在效率低、成本高、周期长、专家资源稀缺等痛点。DeepAudit 通过多智能体协作自动化解决这些问题：LLM 自主决策动态调整审计策略，ReAct 模式实现闭环优化，集成专业工具链提升扫描覆盖率，沙箱环境自动验证漏洞真实性以减少误报。最终实现审计流程的标准化、自动化与可规模化，让安全不再昂贵，让审计不再复杂。
3. 适用场景
主要适用于：1) 开源项目代码安全审计，帮助维护者发现潜在漏洞；2) 企业内部代码库自动化漏洞扫描，集成到 CI/CD 流程；3) 软件开发周期的代码审查环节，作为人工审计的补充；4) 安全团队大规模漏洞挖掘与研究；5) 个人开发者代码安全检查与学习。支持 GitHub/GitLab/Gitea 项目导入，也支持单文件/代码片段即时分析，场景覆盖全面。
4. 安装方式
DeepAudit 提供多种安装方式：1) Docker 一键部署：使用 docker-compose 或提供的 Dockerfile 快速启动；2) 本地开发部署：通过 backend/start.sh 脚本启动后端服务；3) 生产环境部署：参考 docs/DEPLOYMENT.md 进行配置。关键依赖包括 Python 3.11+、PostgreSQL、Redis 等。需配置 LLM 服务（支持 OpenAI、Azure、Anthropic 或 Ollama 私有部署），并运行 alembic 数据库迁移。环境配置模板见 backend/env.example 和 frontend/.env.example。
5. 使用方式
用户通过 Web 界面使用 DeepAudit：1) Multi-Agent 深度审计：导入代码仓库（GitHub/GitLab/Gitea）后启动全流程审计，实时查看 Agent 思考过程与审计流日志；2) 即时分析：粘贴代码片段或上传文件即可快速扫描；3) 项目管理：多项目协同管理，通过仪表盘掌握安全态势；4) 报告导出：审计完成后一键生成 PDF/Markdown/JSON 格式专业报告，包含漏洞详情、风险等级、修复建议及安全评分。所有操作均提供可视化界面，无需命令行 expertise。
6. 实现特点与成果
核心实现特点包括：LLM 中心化决策而非规则驱动；动态构建层级化 Agent 树；ReAct 循环实现自主迭代；事件驱动架构通过 SSE 实时推送；RAG 知识库融合 CWE/CVE 数据；Docker 沙箱自动执行 PoC 验证。系统已取得实际安全成果：累计发现 49 个 CVE 编号和 6 个 GHSA 安全公告，涉及 17 个知名开源项目，其中对 OpenClaw 的审计发现 6 个被官方确认的安全漏洞，涵盖命令注入、签名验证绕过、远程代码执行等高危类型。
思维导图
DeepAudit
核心架构
LLM 中心化决策
Multi-Agent 协作
ReAct 模式
事件驱动（SSE）
Agent 层级
Orchestrator（编排决策）
Recon Agent（信息收集）
Analysis Agent（漏洞分析）
Verification Agent（漏洞验证）
技术栈
后端：Python 3.11+, FastAPI
前端：React 18, TypeScript
数据库：PostgreSQL
工具链：Semgrep, Bandit, Gitleaks
核心功能
RAG 知识库增强
沙箱 PoC 验证
多格式报告生成
实时审计流日志
部署与配置
Docker 一键部署
Ollama 私有部署
环境变量配置
数据库迁移
安全成果
49 个 CVE 编号
6 个 GHSA 公告
17 个知名项目
OpenClaw 6 个漏洞
常见问题
DeepAudit 是什么？能做什么？
DeepAudit 是一个基于多智能体架构的 AI 驱动自动化代码安全审计系统，能够自主协作完成代码侦察、漏洞分析、沙箱验证等全流程，并生成专业报告。系统通过 LLM 作为决策大脑协调多个专业 Agent，实现从项目导入到漏洞确认的完整自动化审计，让专业级安全审计变得简单可及。
如何部署 DeepAudit？
支持 Docker 一键部署，提供 docker-compose 配置；也可通过 backend/start.sh 脚本本地启动。需配置 LLM 服务（支持 OpenAI、Azure、Anthropic 或 Ollama 私有部署），并运行 alembic 数据库迁移。生产环境部署请参考 docs/DEPLOYMENT.md，环境变量模板见 backend/env.example。
支持哪些代码审计方式？
支持三种主要方式：1) Multi-Agent 深度审计：导入 GitHub/GitLab/Gitea 项目后启动全流程自动化审计；2) 即时分析：粘贴代码片段或上传文件快速扫描；3) 快速模式：基础规则扫描。所有方式均实时显示 Agent 思考过程与审计流日志，并提供专业报告。
审计结果如何呈现和导出？
审计完成后自动生成专业报告，支持 PDF、Markdown、JSON 三种格式一键导出。报告包含漏洞详情、CWE/CVE 分类、风险等级、置信度评估、修复建议及项目整体安全评分。同时提供智能仪表盘，可视化展示项目安全态势、漏洞分布统计和多项目对比分析。
是否支持完全私有化部署？
完全支持。可通过配置 Ollama 或兼容 OpenAI 格式的本地 LLM 服务实现 LLM 私有化；数据库可部署在私有 PostgreSQL；所有代码分析在本地或私有云环境执行，确保代码数据不出内网，满足企业安全合规要求。系统还支持 API 中转站配置以适应复杂网络环境。