经历过“古法挖洞”时代的老白帽应该都清楚，传统%20CVE%20挖掘流程极其繁琐且耗时。

筛选适合审计的开源项目，配置并运行%20SAST%20工具，完成第一轮漏洞扫描并过滤大量误报。 → %20从%20Sink%20点追溯%20Source%20点，分析数据流、调用链和过滤逻辑，并编写%20PoC%20验证漏洞。%20 → %20整理英文漏洞报告、CVE%20描述、影响范围、修复建议、PoC%20和复现过程。

随着模型能力持续提升，AI%20对代码的理解也越来越深入，“古法挖洞”正逐渐沦为非遗。越来越多的安全研究人员开始使用%20AI%20挖掘漏洞，各类智能审计项目与安全%20Skill%20也层出不穷。

然而，工具越多，用户的筛选和验证成本反而越高。几乎每个项目都宣称能够挖掘%20CVE，但实际效果仍需要用户亲自寻找项目并反复测试：有些工具在靶场中表现不错，面对真实项目时却效果有限；连续审计多个项目没有发现漏洞时，也很难判断究竟是工具能力不足，还是项目筛选不当；即使发现了大量问题，其中真正符合%20CVE%20申报条件的高价值漏洞也可能寥寥无几。

目前，仍缺少一个专门针对%20CVE%20挖掘场景进行优化，并真正打通落地“最后一公里”的项目。

因此，我开发了%20AutoCVE，将这一系列流程全部交给%20Agent%20自动化完成：

01｜自动筛选项目%20→%2002｜自动导入仓库%20→%2003｜自动创建任务%20→%2004｜多%20Agent%20协同审计%20→%2005｜自动验证漏洞%20→%2006｜自动生成报告

用户只需输入期望挖掘的%20CVE%20数量，等待任务执行完成，最后复制生成的报告内容并提交即可。