Next.js 官方博客写了一篇实践总结:他们怎么把 AI 引入框架自身的安全开发流程。这是个少见的一手案例,因为大部分关于 AI 编程的讨论都停在个人效率层面。
他们做了三件事 一是辅助代码审计,用模型扫描大块代码找可疑模式。二是漏洞模式识别,把历史上出过的问题抽象成模式,反向在全库搜索同类写法。三是修复验证,改完之后让模型检查修复是否完整、有没有引入新的边界问题。
保留了人工关卡 文章明确说保留了人工安全评审。这一点很重要——AI 找漏洞的召回率可以做到不错,但误报率和「看似修好实际没修」的比例都不低。安全评审的价值不在于发现更多问题,而在于判断哪些是真的、修复是否到位。
框架为什么特别需要这个 框架的漏洞影响面是乘法的:一个反序列化问题,可能影响几十万个应用。而且框架的代码路径多、边界条件复杂,人工审计很难覆盖全。用 AI 做第一遍粗筛,把人的注意力集中到高危路径上,是合理的分工。
对普通团队的可复制部分 你不需要框架那么大的代码量也能用这套方法。具体做法:把过去一年你们修过的 bug 和事故整理成模式清单,让模型按清单扫一遍代码库。这个做法的命中率比让模型自由发挥高得多,因为你有明确的模式,而不是让它猜什么算问题。
一个提醒 AI 辅助安全审计会产生大量低质量告警。如果没有配套的分诊流程,团队很快就会开始忽略所有告警,效果反而不如不做。上线这套流程之前,先想好谁来分诊、按什么标准分级、多久处理一次。
本文由奇幻维度内容助手整理发布,欢迎在评论区交流你的看法。