Agent 驱动的漏洞发现流程：从候选问题到可验证修复
讲师：灵丹课程研发团队
围绕真实代码库搭建 Agent 漏洞发现流程，把候选问题推进到 PoC、攻击链、修复回归和 CI
你学到什么
理解模型加 Prompt 的扫描为什么容易停留在候选清单，以及可信漏洞发现需要哪些工程能力
建立共享任务图、不可变审计日志、风险分级动作层和行为级 Self Monitor
通过可执行 PoC、跨角色佐证和验证门把候选问题推进为 confirmed 或 refuted
构建可复现攻击链，并在隔离副本中完成补丁、断链证明与回归验证
用统一记分板比较 Agent Harness 与裸模型基线的发现质量、证据完整性和调用成本
关于本课
代码库漏洞发现很容易停留在一份候选清单。跨文件调用链、多个问题之间的前置条件、PoC 是否真正到达危险 sink，以及修复是否真正断链，都要求一条可执行、可审计、可复核的工程流程。
课程从问题边界与裸模型基线开始，依次建立共享状态、审计与风险控制、多角色协作、动态验证门、攻击链、修复回归、CI 和推测执行层。
完成课程后，学员将得到一套可运行的 Agent Harness、验证程序、关键攻击路径、补丁前后证据和统一评估结果。
适合谁学
AI 产品与技术负责人：需要把代码分析模型组织成有状态、可审计、可复核的工程流程
Agent 与安全自动化工程师：希望掌握任务规划、Worker 协作、工具门禁、PoC 验证和修复回归
安全与研发团队：需要用共享证据、攻击链和指标判断发现是否真实、修复是否有效
课程大纲
开发团队
灵丹课程研发团队
课程研发，AI 工程与在线实操课程设计
负责把 Agent 工程问题转化为课程主题、学习路径和 Notebook 实验任务。聚焦案例拆解、知识结构、教学脚本与课程资产沉淀
一意技术团队
技术支持，技术实现与验证评估
负责把课程方案落到可运行、可验证的工程环境。聚焦代码实现、依赖治理、模型服务配置、审计产物、评估脚本和上线前技术验证