Collinear Zero

Collinear Zero 是 AI 数据与评测公司 Collinear AI 推出的 开源防御型网络安全智能体（harness），博客发布于 2026 年 10 月 30 日，并于 2026 年 11 月 2 日 在 X 上正式推出。它不替换你的编程智能体，而是 安装进 OpenCode、Claude Code、Codex 等现有工具，在“审计→打补丁”的流程中加入 独立攻击测试、一轮修复和最终复查。

官方称在自家 CWE-bench v1 上，给 OpenCode + Opus 5.5 加上 Zero 后 pass@1 从 67.1% 升到 72.9%；使用 DeepSeek V4.1 Flash 1017 时也能以每次约 0.15–0.21 美元的成本取得提升，因而称之为“帕累托最优”。

工作流程

1. 规则 + 技能：给智能体一套“失败即关闭、任务优先于旧测试、处理所有输入形式、检查后不得削弱”的规则，以及安全补丁技能和 15 份按弱点类别（注入、SSRF、路径处理、加密、反序列化等）编写的指南。
2. 独立测试者攻击补丁：智能体完成后保存检查点，另开一个只看到任务说明和原始仓库的“测试者”会话，通过 diff 找到补丁、尝试各种攻击变体，并报告绕过、回归或无法测试的需求。
3. 简单过滤器：用解析脚本（而不是模型）决定哪些发现转交给智能体——回归必须有仓库内真实存在的测试/文档作为依据，防止“幻觉需求”。
4. 一轮修复 + 复查：智能体按发现修复一次；若复查发现正常功能被破坏，则回滚到检查点。

公布的成绩（自报）

成本约为原生 OpenCode 的 1.5～3.8 倍。CWE-bench v1 含 120 个私有审计+修补任务、覆盖 73 类 CWE。

适用场景

• 安全团队用编程智能体 批量修复漏洞/安全告警，但担心补丁“只堵一个用例”或“误伤正常功能”；
• 想用 便宜的开源模型（如 DeepSeek V4.1 Flash）做安全修补，同时逼近昂贵闭源模型效果；
• 研究 防御型安全智能体 评测与 harness 设计。

上手方式

1. 访问 GitHub collinear-ai/collinear-zero，按说明安装到 OpenCode、Claude Code 或 Codex；
2. 给智能体一个仓库和弱点描述，让它审计并打补丁，Zero 会自动启动独立测试者和复查；
3. 可调整修复轮数（默认 1 轮）；
4. 参考 cwe-bench.com 的排行榜和方法论，评估自家流程。