探索最佳AI工具

使用模型輔助上下文、程式審查和發現分流的研究原型 Python 掃描器。偏重 C/C++ 記憶體安全，需要模型存取和人工驗證，不保證發現新漏洞。

供授權評估使用、帶掃描器、儀表板和 Docker 部署的自行託管安全測試平台。需要設定服務和模型；AI 結果可能誤報或漏報。

面向授權 AI 代理評測的對抗測試引擎、SDK 和命令列，提供本機及託管模式。需要設定模型後端；生成的防護規則需複核，不保證保護效果。

結合端點識別和安全檢查、面向授權目標的 AI 基礎設施盤點評估工具。探索功能使用 Shodan API 金鑰和外部掃描元件；結果需要人工複核。

透過提供的模型回呼對 LLM 應用進行對抗評測的框架。需要設定生成和評估模型；發現依賴測試涵蓋範圍，不構成系統安全認證。

基於 Claude Code 協調程式分析、發現紀錄和審核流程的安全研究框架，用於授權評估。需要宿主代理和外部工具；依賴授權及模型費用需分別核對。

透過語意檢索、結構化查詢和圖連結探索 MITRE ATLAS 的 Langflow 助手。需要設定支援工具呼叫的模型；回答依賴隨附資料版本，仍需核對來源。

透過政策檢查和稽核紀錄審查代理操作的 Agent Control Standard 參考實作。需要宿主整合；預設在決策失敗時允許繼續，規範仍處於早期階段。

面向支援的監督式學習模型和資料集提供技術評估的 AI 治理測試工具。結果僅涵蓋設定的測試；工具不定義倫理標準，也不保證沒有偏差、風險或失效。

刻意保留漏洞的 LLM 安全訓練平台。Play 模式採用腳本化練習，Live 模式需要真實本機模型；通過腳本實驗不代表已驗證部署模型的安全性。

用於研究提示注入行為的 LangChain ReAct 聊天機器人實驗環境。需要設定本機或遠端模型，模型行為存在差異；應用刻意脆弱，面向受控訓練而非正式使用。

提供可執行實驗伺服器、展示 MCP 整合失效模式的安全訓練專案。實作刻意保留漏洞，需要隔離且可捨棄的環境，不應使用真實金鑰或個人資料。

用 Go 實作、包含角色練習的刻意脆弱客服 MCP 應用，用於安全訓練。僅適合使用測試資料的隔離實驗環境，不是正式客服服務。

透過逐層 Jev Choice 遍歷分類樹、處理大量選項的分類庫。需要 Node 22+ 和 Vercel AI Gateway 憑證；深度與呼叫次數受限，多層增加費用，失敗回傳 unavailable。

由 Jev 決策、agent-browser 執行動作的瀏覽器 CLI/MCP。僅輸入預先提供的文字，不生成文字或輸入 URL；頁面和輸入內容，包括密碼，會傳送至 TypeSafe，需要外部 API。

透過輔助使用樹檢查與操作桌面介面的 Rust 命令列及 FFI。目前實作的平台支援為 macOS，Windows/Linux 仍在規劃；需要相應輔助使用和螢幕權限。

由 Jev 選擇操作和目標、另用文字模型撰寫輸入的瀏覽器代理程式庫。需要 TypeSafe、文字模型憑證及瀏覽器執行環境；公開的示範耗時不代表通用速度保證。

涵蓋桌面自動化、雲端桌面、本機虛擬機和電腦操作評測的工具套件。雲端資源及模型存取另計；Lume 本機虛擬化面向 Apple Silicon，各元件和平台能力不同。

結合結構檢查與 Jev 語意判斷的 Alpha 版 OpenAPI 相容性檢查器。預設建議模式，真實語意檢查需要 API 金鑰；dry-run 只規劃檢查，不執行模型評估。

透過 Jev 刪除或截斷工具訊息、保留選中原始文字的程式庫與掛鉤。會將對話狀態傳送至遠端，可能多次請求；壓縮可能遺失有用資訊。

除範本外，還提供安裝命令列、對話分析、聊天監控和健康檢查的 Claude Code 設定管理工具。需要 Claude Code，外部整合可能需要額外服務權限。

將語意判斷和選擇綁定到欄位、驗證及批次檢查的 Ruby/Rails 整合。需要遠端 API 和閾值設定；低信心結果可回傳 nil，信心分數並非所選項目的機率。

透過元件目錄和動作約束介面的生成式 UI 框架。Jev 範例在有限候選中選擇並組裝程式碼；範例業務資料為合成資料，示範表單不執行真實驗證。

基於 Pi 衍生的程式代理，提供編輯、除錯及開發工具整合。需要設定模型服務商和相應開發環境；作為獨立專案維護，並非 Pi 的單獨功能項目。