安全工具正在从「人读代码、人写报告」转向「模型跑流程、人做裁决」。0sec Labs 把这一转变做成了一个可自托管的开源项目。
发生了什么
0sec Labs 开源了名为 0 的 AI 安全 harness。按官方描述，它面向四类任务：代码审计、渗透测试、逆向工程，以及漏洞修复。运行形态有三种：本地浏览器控制台、无头 CLI，以及一个 MCP 服务器。模型侧不绑定厂商，由使用者接入自己的模型服务商，全部在本地运行。
「harness」这个词值得注意。它指的不是模型本身，而是包裹在模型外面的那层工程结构：任务编排、工具调用、上下文组织、结果收敛。换句话说，0 卖的不是智能，而是把智能约束进安全作业流程的框架。
为什么重要
过去一年，AI 在安全领域的落地大多停留在两个极端：要么是聊天窗口里贴一段代码让模型找漏洞，要么是厂商打包好的黑盒 SaaS 扫描器。前者缺乏可复现的流程，后者把代码和凭证交到了第三方手里。对安全团队而言，这两点都难以接受。
0 的定位正好卡在中间。本地运行解决了数据出域的问题；CLI 让它可以塞进 CI 和自动化流水线；MCP 服务器则意味着它能作为工具被其他 agent 调用，而不是自成一套封闭生态。三端并存，本质上是承认安全工作的入口本来就是分散的——有人从终端进，有人从浏览器进，有人从别的 agent 进。
另一个信号是「自有模型服务商」。安全场景对模型的选择高度敏感：有的团队要求私有部署，有的要求特定区域，有的干脆用本地小模型处理敏感代码。不锁定模型，是这类工具能被真正采纳的前提。
影响与看点
对开发者来说，最直接的价值是把「AI 辅助安全」从一次性问答变成可重复执行的流程：同一套 harness，同一组工具，换模型只换后端。对安全团队来说，MCP 接口可能是更长远的那一环——当代码审计、资产梳理、漏洞验证各自都有 agent 时，一个能被编排的安全 harness 比一个独立产品更有用。
需要克制看待的是，开源一个 harness 不等于开源了能力。检测质量仍取决于接入的模型、提示与工具设计，以及团队自己的规则沉淀。逆向工程和渗透测试尤其如此，这两类任务的容错率远低于代码审计。
一个独立判断：安全 AI 的竞争重心正在从「谁的模型更聪明」转向「谁的流程更可审计」。0 选择开源 harness 而非开源模型，押的正是后者。
