夯爆了！腾讯朱雀又开源了一个超硬核 AI 工具
原创
丛林
丛林
极客之家
2026年8月21日 12:09
山西
在小说阅读器读本章
去阅读
现在装 AI 相关的东西越来越容易了，Ollama、vLLM、ComfyUI，再加上各种 MCP Server 和 Agent Skill，基本上下载下来跑起来就开始用了，很少有人会多看一眼安全问题。我前两天翻到腾讯朱雀实验室开源的 A.I.G，就是做 AI 安全自查的，装了一套试了试，这篇一起分享一下。
这是什么
A.I.G 全名 AI-Infra-Guard，腾讯朱雀实验室做的，Apache 2.0 协议，免费用，目前 GitHub 上有4k Star。
它能干的事概括起来就一类，检查 AI 相关组件安不安全。大模型推理框架有没有已知漏洞、从网上下的 MCP Server 和 Skill 有没有问题、模型会不会被越狱攻击绕过去，这些它都能扫。
功能详情
AI 基础设施漏洞扫描
部署在本机或者内网的 AI 服务，比如 Ollama、vLLM、ComfyUI、n8n 这类，把地址填进去就能扫。它会先认出跑的是什么组件、什么版本，然后拿着这些信息去漏洞库里对一遍。
漏洞库里现在收了一百三十多个组件、两千多条规则。扫完会出一份报告，中了哪些漏洞、严重程度多高、修复建议是什么，都列出来了。
MCP Server 和 Skill 扫描
我们用 MCP 和 Skill 基本都是从网上随手下的，里面写了什么很少有人细看。这个功能支持扫本地源码，也可以直接填远程仓库地址，指令劫持、恶意代码、工具伪装这些风险都能查，一共覆盖九大类。不想装整套平台的话，它还有单独的命令行版本，pip 装一下就能用，挂在 CI 流程里也可以。
Agent 扫描
Dify、Coze 这类平台上跑的 Agent 工作流，它可以做安全评估。主要看工作流有没有失控的地方，比如权限被越过去、数据被带走这类问题。
任务完成后，报告页会展示完整的扫描结果与安全分析。
越狱评估
用现成的测试集去打我们自己部署的模型，看它会不会被诱导说出不该说的内容。单轮、多轮的攻击手法都有，几个模型的结果也可以放在一起对比。模型上线之前自己先测一遍，总比上线之后被用户发现问题强。
模型和 API 检测
现在很多人买的是模型调用服务，卖家说背后是某个大模型，实际跑的是什么没人知道。这个功能可以做模型指纹识别，帮我们看看我们实际用的底层模型到底是不是它声称的那个。
快速开始
机器要求不高，Docker 20.10 以上，4G 内存、10G 磁盘就够了，普通开发机都能跑。
我装的时候用的 Docker，先把仓库拉下来，然后一条命令把服务起起来：
git clone https://github.com/Tencent/AI-Infra-Guard.git
cd AI-Infra-Guard
# 从 Docker Hub 拉预构建好的镜像，比较快
docker-compose -f docker-compose.images.yml up -d
如果机器上连 Docker 都没装，官方还有一个一键脚本，会自动装好 Docker 再把服务启动：
curl https://raw.githubusercontent.com/Tencent/AI-Infra-Guard/refs/heads/main/docker.sh | bash
想从源码构建的话，把上面第二条命令换成 docker-compose up -d 就行，会在本地构建镜像。另外注意一下，新版 Docker 的 compose 命令是 docker compose，中间没有短横线。
服务起来以后，浏览器打开 http://localhost:8088 就能看到界面了。
接下来就是新建任务、选扫描类型、填目标地址。这里有个容易搞错的地方，AI 基础设施扫描那里填的是正在运行的服务的地址，不是 GitHub 链接。
比如我本地起了个 vLLM，就填 http://127.0.0.1:8000；要扫内网的 Ollama，就填类似 http://192.168.1.100:11434 这样的地址。它还支持填网段，像 192.168.1.0/24 或者 10.0.0.1-10.0.0.20，可以一次扫一批机器。
MCP 和 Skill 扫描正好反过来，不用服务在跑，直接填 GitHub 仓库地址，或者把源码打包上传上去就行。
要做越狱评估的话，先在「设置 → 模型配置」里把目标模型的 API 地址和 Key 填好，然后选一个评估数据集就可以开始了。
有一点要专门说一下，官方明确写了这个平台目前没有鉴权机制，定位就是企业内部或者个人内部使用，所以咱们部署完别直接暴露到公网，扫描也只扫自己的服务。
使用场景
我自己觉得下面几种情况可以用上：
- • 服务器上跑着 Ollama、vLLM、ComfyUI 这类服务，想知道有没有已知漏洞
- • 从社区下载了别人写的 MCP Server 或者 Skill，用之前先过一遍
- • 模型上线之前做一次越狱评估
- • 团队在用 Dify、Coze 搭 Agent 工作流，上线之前检查一下
- • 买了 API 服务，想验证一下模型是不是真的
我的看法
说实话，以前安全扫描这块基本是大厂自己在做，普通开发者想给自己的 AI 服务检查一下，要么买商业产品，要么就算了。A.I.G 这种开源项目把门槛拉低了不少，装个 Docker 就能跑，出来的报告也写得清楚，大概能看出问题在哪、该怎么修。
它也有局限，扫 MCP 和 Skill 的时候要配模型的 API，识别效果跟用的模型能力有关系。没有鉴权这一点，也就只适合放在内网用，这一点官方自己也说明了。
我的建议是，手里跑着 AI 服务的，或者从社区下过 MCP、Skill 的，可以抽空扫一遍，花不了多少时间。反正装一次也就一条命令的事，扫完心里有个数。
开源地址
https://github.com/Tencent/AI-Infra-Guard
*点击下方卡片，关注极客之家***
这个公众号长期分享实用开源项目。如果你不想逐篇翻阅历史文章，可以直接关注微信公众号“极客之家”，通过后台留言与我们互动交流。
版权声明
本站仅做备份收录，仅供研究与教学参考之用。
读者将信息用于其他用途的，全部法律及连带责任由读者自行承担，本站不承担任何责任。
评论