一句话看懂：GitHub 安全团队用自研开源 AI 安全 Agent 的任务流（Taskflow）审查 Android 应用代码，累计发现并报告 24 个漏洞，说明”把提示词拆成可复用工作流”正在成为 AI 辅助安全审计的落地方式。
事件核心：发生了什么
2026 年 9 月 28 日，GitHub 安全实验室成员 Kevin Stubbings 在 GitHub Blog 发文，介绍团队开源的 GitHub Security Lab Taskflow Agent。作者为 Android 应用专门构建了审计任务流，并报告了 20 多个漏洞，官方口径的累计数字为 24 个，涉及 OsmAnd 等下载量超千万的应用，类型包括恶意应用可借导出 Activity 追踪设备位置等问题。
任务流需要 GitHub Copilot 授权，会消耗高级模型请求和大量 token，官方提供脚本 run_mobile.sh，在中等规模仓库上运行约需一到两小时，结果以 SQLite 表形式输出。
为什么重要
大模型本身在理解代码上持续进步，但通用提示词对复杂漏洞的覆盖并不稳定。GitHub 的做法是把研究过程拆成增量步骤：先用 gather_mobile_entry_point_info.yaml 区分移动端与非移动端入口点，再通过 classify_application_local.yaml 按组件类型强制检查特定漏洞类别，例如 intent 相关的 confused deputy 或不安全广播。严格提示词配合多轮重复运行，确保明显漏洞不被漏掉，宽泛提示词则保留模型的联想能力。这条”提示词工程走向工程化、可分享、可复现”的路线，对安全工具、代码审计和 AI 应用形态都有参考价值。
对用户/开发者/创作者的影响
对开发者，这意味着可以低成本复用一套开源审计工作流，对自家 Android 仓库做前置自查，而不必从零写提示词；代价是算力与 token 消耗，且目前公开信息显示仍依赖 Copilot 商业授权，并非零门槛。对安全研究者，价值在于把个人经验沉淀为可版本管理的 YAML 资产。对移动应用团队，导出组件、intent extras 这类容易被忽视的攻击面会更快暴露。普通用户短期感知有限，但漏洞披露节奏可能加快。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是看这套任务流能否从 Android 扩展到 Web、桌面等更多应用类型；二是关注 token 成本与运行时长是否优化，决定它能否进入常规 CI 流程；三是看其他安全厂商和开源社区是否跟进类似”可分享审计工作流”的标准与生态。
来源：GitHub Blog
