OpenAI 开源 Codex Security：给 vibe coding 加上安全防线

为什么这件事值得关注？因为 vibe coding 时代，安全问题正在成为最大盲区：大量非专业开发者用 AI 生成代码、快速上线，而漏洞扫描过去是安全专家的专属工作。Codex Security 把这件事变成了”上线前的例行检查”。 这篇是完整的上手教程。

Codex Security 是什么

Codex Security 是 OpenAI 的 AI 应用安全智能体，最早以 Aardvark 之名在去年开始内部测试，3 月 6 日进入研究预览（面向 ChatGPT Pro/Enterprise/Business/Edu 用户），8 月 6 日把 CLI 和 SDK 开源。

它的工作方式和传统扫描器完全不同：

官方给了一组数据：过去 30 天扫描了超过 120 万次提交，发现 792 个关键漏洞和 10,561 个高危漏洞——关键问题出现在不到 0.1% 的提交里，说明它把”噪音”压得相当低。内测期间误报率降了 50% 以上，严重级别虚报率降了 90% 以上。

为什么现在需要它

vibe coding 的普及带来了一个尴尬局面：代码产量爆炸，安全人手没跟上。

非专业开发者用 AI 助手生成整个应用、直接上线，中间没有安全评审环节。而专业团队里，AI 生成代码的速度也在碾压人工审查的速度——安全评审成了新的瓶颈。

OpenAI 开源这事的另一个信号，是它对开源生态的态度。官方称已经用 Codex Security 扫描自己依赖的开源仓库，向维护者报告了 OpenSSH、GnuTLS、GOGS、libssh、PHP、Chromium 等项目的关键漏洞，其中 14 个已分配 CVE。vLLM 等项目已经把 Codex Security 纳入日常工作流。

维护者告诉我们：挑战不是缺少漏洞报告，而是太多低质量的报告。他们需要更少的误报，以及更可持续地发现真实安全问题的途径。 —— OpenAI

安装与上手

开源的是 CLI 和 SDK（github.com/openai/codex-security），最常用的用法是通过 npx 直接运行，无需安装。

方式一：用 OpenRouter（推荐，无 OpenAI 依赖）

export OPENROUTER_API_KEY="<your-openrouter-api-key>"
npx @openai/codex-security scan . --provider openrouter --model anthropic/claude-sonnet-4.5

方式二：用 Fireworks

export FIREWORKS_API_KEY="<your-fireworks-api-key>"
npx @openai/codex-security scan . --provider fireworks --model accounts/fireworks/models/qwen3-235b-a22b

方式三：用 Amazon Bedrock

export AWS_BEARER_TOKEN_BEDROCK="<your-bedrock-api-key>"
export AWS_REGION="us-east-2"
npx @openai/codex-security scan . --provider amazon-bedrock --model openai.gpt-5.6-luna

方式四：作为 npm 包集成到项目

npm install @openai/codex-security

import { CodexSecurity } from "@openai/codex-security";

const security = new CodexSecurity();
const result = await security.run(".");

// 深度模式：更多 worker、更多轮发现
await security.run(".", {
  mode: "deep",
  workers: 2,
  subagents: 0,
  stopAfterNoNew: 3,
  maxDiscoveryRuns: 10,
});

console.log(result.reportPath);
await security.close();

扫描是只读的——官方明确说”只扫描你拥有或有权限评估的代码”。扫描完成后会生成报告（含发现、证据、修复建议）。

在 Codex 里用插件

如果你用的是 Codex 桌面应用或 Codex CLI，可以安装官方插件，在会话里直接用自然语言触发：

# 在 Codex 会话中触发
Run a Codex Security scan on this repository.
Run a Codex Security diff scan on this PR / commit / branch diff / working-tree patch.
Triage existing security findings against this repository.

插件模式下，扫描产物会写入 <TEMP>/codex-security-scans/<repo>/<commit>_<timestamp>/，包含扫描清单、语义化发现、覆盖率摘要和报告。

核心流程：找 → 验 → 修

Codex Security 的工作分三步，这也是它和”扫描器”最大的区别：

1. 构建上下文：分析仓库的安全相关结构，生成项目专属的威胁模型——系统做什么、信任什么、哪里最暴露。威胁模型可编辑，让智能体始终对齐团队意图
2. 验证：基于威胁模型搜索漏洞，按真实影响排序。能压测的就放到沙箱里验证，区分信号和噪音
3. 修复：给出贴合系统意图的补丁，减少回归风险。你还可以对发现标注严重级别，它会在后续扫描中学习，持续提高精度

适合谁

• vibe coding 个人开发者：上线前跑一遍，心里有底
• 小团队：把扫描接入 CI，作为合并前的例行检查
• 开源维护者：高置信度、低噪音的漏洞报告，正好解决”报告太多、质量太低”的痛点
• 安全团队：把它当成一个 24 小时不休息的初筛助手，人工只处理高置信度发现

结语

Codex Security 开源的意义，不只是多了一个安全工具。它代表了一个趋势：AI 生成代码的问题，正在由 AI 安全智能体来兜底。 就像编译器对代码做语法检查，安全智能体正在成为”上线前的例行检查”。

唯一的提醒：扫描只读，修复要审。 智能体给的补丁再合理，也要过一遍代码评审再合并——毕竟，让 AI 自己审查 AI 写的代码，至少得有个真人当最后一道防线。

参考来源：

• OpenAI《Codex Security: now in research preview》
• GitHub: openai/codex-security
• Codex Security 官方文档
• 数字生命卡兹克《OpenAI 开源 Codex Security》