Google 的安全 Agent 不靠自审：漏洞发现要经过几道闸门？

Google Threat Intelligence 在 2026 年 8 月 18 日公开了 Agentic Vulnerability Discovery Harness（AVDH）的架构与实践：这套多 Agent 流水线用于从代码库中发现漏洞，但它没有把最终判断交给模型自审，而是把威胁建模、上下文补全、假设验证、人工复现和基准回归串成一条有闸门的循环。1

Google Threat Intelligence 称，AVDH 在一次被盗企业代码仓库的事件响应中，两天发现了超过一百个真实的严重漏洞；在十个月的使用中，它分析过数千万行代码，产生过数万个发现，并推动了十二个已分配的 CVE。以上数字来自发布方自己的实践披露，不是独立基准测试，因此本期重点放在架构机制和验证边界，而不是把它们当成普遍性能承诺。1

AVDH 值得关注的地方，不是「让更多 Agent 一起找漏洞」，而是把不同性质的工作拆开：前面的 Agent 负责扩大候选范围，中间的 Agent 负责补足控制流和数据流，后面的 Agent 负责互相质疑，最后由安全专家动态复现并决定是否进入披露流程。Google 的官方 ADK 文档也把顺序、循环、并行、多 Agent 工作流，以及观测和评估列为独立的工程构件。2

这给团队一个很具体的启示：先定义不可跳过的证据闸门，再决定要不要增加 Agent。一个可以落地的最小版本，至少要有威胁模型确认、探索与验证分离、对高风险结果的人工复现，以及一套不会被公开训练数据污染的回归基准。

节目里还会解释为什么「模型自己给自己打分」不够可靠，以及如何把专家经验写成可维护的规则，而不是散落在提示词里的隐性知识。