传统的安全扫描工具有个老问题：报告一长串，真正能被利用的漏洞没几个，开发者要花大量时间逐条判断是不是误报。人工渗透测试结论可靠，但周期长、成本高，没法每次提交代码都做一遍。

Strix（usestrix/strix，Apache-2.0 协议，GitHub 上超过 7 万 Star）的思路是让一组 AI agent 像黑客一样实际去攻击你的应用：动态运行代码、找漏洞，再用概念验证（PoC）确认漏洞真的能被利用。它的 README 把这一点概括为"真实的 PoC，而不是误报"。

这篇按实际使用顺序来讲：它能做什么、怎么安装、怎么配置模型、怎么跑第一次扫描，以及怎么接进 GitHub Actions，在每个 Pull Request 上自动跑。

安全提醒：Strix 会对目标发起真实的攻击测试。只扫描你自己拥有、或者已经获得授权测试的应用和环境。

Strix 能做什么

按官方 README 的介绍，Strix 的 agent 自带一整套黑客工具：

HTTP 代理：拦截、修改、重放请求，基于 Caido 实现；
浏览器自动化：多标签页浏览器，用来测试 XSS、CSRF 和认证流程；
终端环境：交互式 shell，执行命令并测试；
Python 运行环境：编写和验证漏洞利用代码；
侦察与代码分析：自动做 OSINT 和攻击面梳理，结合静态和动态分析。

能发现的漏洞类型包括访问控制（IDOR、越权）、注入（SQL、命令、模板注入）、服务端漏洞（SSRF、XXE）、客户端漏洞（XSS、原型链污染）、业务逻辑问题（竞态条件、流程绕过）、认证问题（JWT、会话管理）以及 API 安全问题。发现的问题会附带 CVSS 评分、OWASP 分类和修复建议。

多个 agent 会分工协作：有的负责侦察，有的负责具体攻击，互相共享发现，可以并行测试不同的攻击面。

第一步：准备环境并安装

Strix 的扫描跑在 Docker 沙箱里，所以开始前要准备两样东西：

Docker，并且已经启动。第一次扫描时 Strix 会自动拉取沙箱镜像。
一个大模型 API Key。Strix 支持 OpenAI、Anthropic、Google 等多家模型服务。

官方提供脚本安装和 pipx 安装两种方式，这里用 pipx：

pipx install strix-agent

装好后，终端里就有 strix 命令了。以后升级用 pipx upgrade strix-agent。

第二步：配置模型

Strix 通过两个环境变量读取模型配置：STRIX_LLM 指定用哪个模型，LLM_API_KEY 填对应的 Key。官方快速开始推荐通过 Vercel AI Gateway 或 OpenRouter 使用 GLM-5.3：

export STRIX_LLM="vercel_ai_gateway/zai/glm-5.3"
export LLM_API_KEY="your-api-key"

几个配置细节：

用本地模型或自建兼容接口时，可以再设置 LLM_API_BASE 指定接口地址；
如果有 ChatGPT 订阅，也可以运行 strix auth login chatgpt 登录，再把 STRIX_LLM 设为官方文档给出的 chatgpt 开头的模型名；
配置会自动保存到 ~/.strix/cli-config.json，下次运行不用重新设置。

第三步：跑第一次扫描

最简单的用法是扫描本地代码目录：

strix --target ./your-app

--target（简写 -t）支持多种目标：本地目录、GitHub 仓库地址、线上网站、OpenAPI/Swagger 文件、Postman 集合。还可以一次传多个目标，比如把代码仓库和测试环境网址一起交给它做白盒测试：

strix -t https://github.com/org/app -t https://staging.example.com

目标多的话，可以写进一个文本文件，用 --target-list 读取。

需要登录才能测的功能，可以用 --instruction 把测试账号和重点交代清楚：

strix --target https://app.com --instruction "Focus on IDOR and auth bypass"

扫描深度用 --scan-mode 控制，有 quick、standard、deep 三档，默认是 deep。想控制花费，可以用 --max-budget 和 --max-turns 给成本和每个 agent 的轮数设上限。

扫描结果保存在当前目录的 strix_runs/<运行名称> 下。想在浏览器里翻看历史扫描，可以运行 strix view 打开本地查看器。

第四步：接入 GitHub Actions

Strix 的无界面模式（-n 或 --non-interactive）是为 CI 准备的：不显示终端界面，只输出结果；发现漏洞时以非零退出码结束，CI 就能据此拦下有问题的 PR。官方 CLI 文档给的 CI 用法：

strix -n --target ./ --scan-mode quick

如果只想在发现高危或严重漏洞时才让流水线失败，加 --fail-on high。低于这个级别的发现仍会写进报告。

一个最小的 GitHub Actions 工作流如下：

name: strix-penetration-test

on:
  pull_request:

jobs:
  security-scan:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
        with:
          fetch-depth: 0

      - name: Install Strix
        run: pipx install strix-agent

      - name: Run Strix
        run: strix -n -t ./ --scan-mode quick

这里有两点要注意：

API Key 放进仓库 Secrets。在仓库的 Settings → Secrets and variables → Actions 里添加 STRIX_LLM 和 LLM_API_KEY，再在 Run Strix 这一步的 env 中把它们映射成同名环境变量（写法参照 GitHub Actions 引用 secrets 的标准语法）。不要把 Key 直接写进工作流文件。
保留 fetch-depth: 0。在 PR 里运行时，Strix 默认只扫描这次改动的文件（diff-scope），需要完整的 Git 历史来计算改动范围。想强制全量扫描，可以加 --scope-mode full。

不想自己管 Docker 和 Key？

如果不想在本地装 Docker、自己准备模型 Key，Strix 还有托管平台 app.strix.ai，可以用 strix cloud 命令在终端里发起云端扫描。开源版完全免费，本地运行，用的是你自己的模型 Key。

什么时候适合用 Strix

上线前做一次深度扫描：用 deep 模式，把代码仓库和测试环境一起交给它；
每个 PR 自动跑：在 CI 里用 quick 模式加 diff-scope，只看这次改动；
AI 写的代码做一道安全复查：AI 编程助手生成代码很快，安全问题也可能跟着进来，Strix 能补上验证这一环。

AI 写代码时的安全边界还可以参考 AI 编程沙箱安全怎么做；想让 AI 在 GitHub 上做代码审查，可以看 Codex GitHub 代码审查工作流。

如果你也在用 AI 编程助手写代码，可以在 AIGoCode 接入 Claude Code、Codex 等工具，再用 Strix 这类工具给生成的代码做安全把关。

参考链接

Strix GitHub：https://github.com/usestrix/strix
Strix 文档：https://docs.strix.ai