VulnHunter 是一个开源的智能体AI安全工具，由 Capital One 内部开发并贡献给社区。它采用攻击者优先的主动分析方法，直接对源代码进行安全分析，旨在解决传统静态应用安全测试（SAST）工具误报率高、无法区分可利用漏洞的问题。
与传统的被动式SAST扫描器不同，VulnHunter 模拟攻击者的思维过程，从潜在的攻击入口（如API、网络消息、文件上传）开始正向推理，评估攻击者是否能够真正突破安全防线。这种攻击者优先的路径分析大大减少了误报，只输出高优先级、可操作的漏洞报告。
VulnHunter 的核心创新在于其假证引擎（Falsification Engine）。在发现潜在漏洞后，该引擎会运行一个结构化的推理步骤，专门试图否定自身的发现——寻找有缺陷的假设、逻辑漏洞或可能阻断攻击的安全控制。只有通过这一严格验证的缺陷才会被提交给开发者，确保了报告的质量。
工具以三个可组合的 Claude Code 技能形式交付，形成完整的自动修复循环：
- /vulnhunt（扫描阶段）：映射入口点到危险函数，通过多级假证管道过滤，只输出可执行的利用路径和修复建议。
- /vulnhunter-fix（修复阶段）：开发者主导的测试驱动修复，包括编写利用演示、创建安全测试（RED）、实施代码修复（GREEN），并验证漏洞已被阻断，最终生成可供审查的PR。
- /vulnhunt-fix-verify（验证阶段）：独立的只读代理，独立验证漏洞是否成功修复，给出明确裁决。
此外，还提供了 vulnhunter-agent/ 用于无头运行，支持大规模批量扫描，以及 harness/ 用于开发测试和基准评估。
VulnHunter 专为 Claude Opus 模型优化，运行在 Claude Code 环境中。用户需要自行配置模型访问权限，并确保仅扫描获得授权的代码库。安装简单，通过提供的 install.sh 脚本即可将技能复制到本地技能目录。
项目采用 Apache 2.0 许可证，欢迎社区贡献。Capital One 表示，由于软件供应链安全问题复杂，没有任何组织能独自解决，因此将 VulnHunter 开源，希望集结社区力量共同提升安全水平。