$ loading_
在 Docker 沙箱中验证并审计大模型生成代码的运行安全与质量
复制安装指令，让 AI 自动完成配置 · 推荐新手
"aletheia-mcp" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请在 Docker 沙箱中运行并验证这段由大模型生成的 Python 脚本，检查是否存在危险系统调用、越权文件访问、网络请求风险和运行时异常，并给出审计结论与修复建议：<粘贴代码>
返回沙箱执行结果、安全风险清单、异常日志以及修改建议。
请对这份 AI 生成的 Web 服务代码执行多代理运行时验证：构建容器、启动服务、执行基础接口测试、监控异常行为，并总结是否适合进入测试环境：<粘贴项目代码或仓库内容>
输出构建与启动状态、接口测试结果、可疑行为记录和上线建议。
请作为实时监督审计器，检查多个 AI 代理协作生成的代码变更过程，识别高风险修改、冲突决策、未通过验证的提交，并生成一份审计报告：<粘贴任务记录、代码 diff 或日志>
生成包含风险等级、问题定位、证据摘要和处理建议的审计报告。
连接 MCP 客户端与 Alethia 运行时，安全执行代理原生端到端测试并保留审计轨迹
为 AI 生成代码提供实时漏洞扫描、密钥检测与安全编码约束。
提供安全隔离的 Python 会话执行环境，支持运行代码、管理状态与读写文件。
通过沙箱执行与大模型评分，自动评估代码功能、质量与结果表现。
通过自动化浏览器测试与诊断，验证 AI 生成代码的可用性并收集证据。
提供代码执行与文档检索能力，帮助开发者在多沙箱环境中安全完成开发与测试。