1. 引言：当 AI 工具在企业中悄然蔓延

想象这样一个场景：你的团队表面上只用公司批准的 AI 编程助手，但私底下——

• 后端同学在用 Claude Code 调试接口；
• 前端同学装了 Cline + Continue 双插件；
• 数据组的同事桌面跑着 Kimi 和豆包；
• 实习生偷偷试用了 Manus 浏览器 Agent……

如果你是一名安全工程师、IT 管理员或技术 Leader，你真的清楚团队电脑上跑了多少 AI Agent 吗？

这就是 “影子 AI”（Shadow AI） 问题——员工在未经审批或报备的情况下使用各种 AI 工具，带来数据泄露、合规风险和安全盲区。

AI Asset Discovery 正是为解决这一难题而生：一款轻量级、跨平台的 AI 智能体资产清点工具，只需一条命令，即可扫描出系统中潜藏的 AI 编程助手、IDE 扩展、桌面 AI 应用、Agent 框架及 LLM SDK。

2. 核心能力一览

AI Asset Discovery 不止是一个简单的"进程列表查看器"，它采用 四维扫描 策略，从多个维度交叉验证 AI Agent 的存在：

扫描维度	检测方式	能发现什么
🔍 进程指纹	遍历运行中进程，匹配已知 Agent 特征	Claude Code、Codex、Aider 等 CLI Agent 进程
📁 文件系统	扫描配置目录、缓存、日志等痕迹	~/.claude、~/.continue 等配置目录
🧩 IDE 扩展	检测 VS Code / JetBrains 等 IDE 插件	GitHub Copilot、Cline、Tabnine、Continue
📋 技能文件	自动发现 Agent Skills 并提取元信息	Skill 名称、关联工具、参数、提示模板

每次扫描后，AI Asset Discovery 会给出三级置信度判定：

级别	含义	典型场景
✅ confirmed	多重证据交叉验证确认	进程运行中 + 配置文件存在 + 版本可探测
⚠️ possible	存在部分痕迹但无法完全确认	发现配置目录但进程未运行
👻 ghost	仅残留历史痕迹	曾安装过但已卸载，遗留配置文件

更重要的是，它内置了零误报设计——自动过滤自身扫描进程、Shell 包装器等干扰项，确保结果干净可信。

3. 一分钟快速上手

AI Asset Discovery 使用 Go 语言编写，编译产物为单二进制文件，无需运行时依赖。

3.1 编译

# 要求 Go 1.26.1+
git clone https://github.com/your-org/ai-asset-discovery.git
cd ai-asset-discovery
CGO_ENABLED=0 go build -o discovery ./cmd/discovery/

3.2 运行

# 使用默认规则扫描并输出 JSON 结果
./discovery --rules rules/ --pretty=false

# 输出到文件
./discovery --rules rules/ --output result.json

# 带格式化输出（默认）
./discovery --rules rules/

就这么简单，几秒钟内你就能拿到一份完整的 AI 资产清单。

4. 输出示例：一图胜千言

扫描完成后，输出为结构化 JSON，包含摘要统计和每款 Agent 的详细信息：

{
  "summary": {
    "total_agents": 5,
    "confirmed_agents": 1,
    "possible_agents": 3,
    "ghost_agents": 1,
    "total_skills": 12,
    "by_type": {
      "process": 2,
      "ide_extension": 1,
      "file": 1,
      "package": 1,
      "binary": 1,
      "probe": 1
    }
  },
  "agents": [...]
}

每个 Agent 条目不仅包含基本身份信息，还能自动提取其 Skills（技能）——工具列表、参数定义、提示模板等，帮你深入理解每款 AI 工具的"能力边界"。

5. 覆盖范围：从 CLI 到浏览器的全场景检测

AI Asset Discovery 的检测覆盖面相当广泛，目前内置 50+ Agent 规则，覆盖以下类别：

类别	代表工具
🖥️ CLI Agent	Claude Code、Gemini CLI、Aider、Codex
🧩 IDE 扩展	GitHub Copilot、Cline、Continue、Tabnine
💻 桌面应用	ChatGPT Desktop、Windsurf
🤖 桌面助手	WorkBuddy、Kimi、豆包
🌐 浏览器 Agent	Manus、Fellou、Genspark
☁️ Web 工具	Bolt.new、Replit Agent
🏗️ Agent 框架	LangChain、AutoGen、CrewAI、Dify、Coze
📦 LLM SDK	通用 LLM SDK 依赖检测

而且，这些规则完全由 YAML 驱动，你可以轻松扩展自己的检测规则。

6. 规则系统：让检测能力无限扩展

AI Asset Discovery 的强大之处在于它的规则引擎。每条检测规则就是一个 YAML 文件，定义了某个 AI Agent 的"指纹特征"。来看一个规则示例：

- name: claude-code
  display_name: "Claude Code"
  category: "cli_agent"
  min_confidence: possible
  paths:
    - path: ~/.claude-code
    - path: ~/.claude
  features:
    processes:
      - claude-code
    binaries:
      - claude
    packages:
      - "@anthropic-ai/claude-code"
    version_regex: "([0-9]+\\.[0-9]+\\.[0-9]+)"
  probe:
    command: claude
    args: ["--version"]
    version_regex: "([0-9]+\\.[0-9]+\\.[0-9]+)"
  skills:
    enabled: true
    scan_paths:
      - ~/.claude/skills
      - ~/.claude-code/skills
    keywords:
      - skill
      - tool
    auto_discover: true

规则定义了 路径特征、进程名、二进制名、包名、版本探测命令、Skills 扫描路径 六个维度的指纹信息。AI Asset Discovery 会依据这些线索交叉验证，输出置信度评分。

这意味着：只要有人为某个新出的 AI 工具写好一条规则，这个工具就能被发现。社区生态越丰富，检测能力越强。

7. 适用场景

AI Asset Discovery 能落地哪些实战场景？

场景	价值
🔐 企业安全审计	批量扫描全员设备，生成 AI 资产清单报告，发现未经授权的 AI 工具
📋 合规检查	确保团队使用的 AI 工具符合公司数据安全政策
🧹 资产盘点	IT 部门定期巡检，掌握 AI 工具的安装与使用情况
🛡️ 数据防泄漏	识别可能将代码/数据上传到外部服务的 Agent
📊 DevSecOps 集成	嵌入 CI/CD 或终端管理流程，自动化 AI 资产监控

8. 总结

AI Asset Discovery 用一条命令回答了安全团队最关心的问题：“我们的系统里到底跑了哪些 AI 工具？”

它轻量、快速、跨平台、规则驱动，既可作为个人开发者的自查工具，也能集成到企业安全体系中进行批量资产清点。在 AI 工具大爆发的当下，看不见的风险才是最可怕的——而 AI Asset Discovery 就是你的"影子 AI"探照灯。

项目地址：GitHub - AI Asset Discovery
详细架构、扫描流程与时序图请参阅项目文档：docs/architecture.md