人工智能安全公司Snyk正式推出Evo Agentic AppSec。该产品由一组AI安全智能体构成，旨在以代码生成的速度发现、修复并阻断漏洞，且每项结果均经由独立于生成系统的机制进行验证。
随着“代理式开发”（Agentic development）迅猛兴起，其速度已远超传统应用安全（AppSec）模型的承载能力。Evo Agentic AppSec致力于从源头保护智能体编写的代码，同时为人类编写的既有代码提供持续安全覆盖。该系统运行在超过4,800家客户信赖的确定性引擎之上，标志着企业首次有望实现“零积压”（Backlog Zero）目标。
安全机制必须前移
Snyk首席技术官兼首席创新官Manoj Nair指出，缺陷离产生时刻越近，修复成本越低。在智能体编写代码的当下，安全机制必须深入代码生成循环内部。“检验标准不在于是否生成修复方案，而在于其能否成功上线。让模型自我评分并非安全计划，而是存在利益冲突的管理仪表盘。”
通用大型语言模型（LLM）难以弥合这一差距。Snyk最新的VulnBench报告显示，49.7%的情况下，LLM的安全审查报告会在下次运行时消失，无法作为确定性基础引擎。另一项VulnBump研究证实，仅靠LLM产生的可合并修复率仅为59.6%，远低于初级开发人员水平；而专为解决安全积压设计的Evo修复智能体将该比率提升至90%。
威胁激增与响应滞后
过去一年，Snyk客户中发现的新增高危和严重安全问题增长了10倍。数据分析显示，每修复一个问题约引入8个新漏洞，且随着代理式开发普及，这一差距仍在扩大。
攻击者步伐同样迅速。2026年，Snyk研究人员已应对18起针对恶意软件的高调攻击，并预测开源注册表中发布的恶意包数量将增加500%以上。此前，一名威胁行为者在五周内利用现成AI模型突破了55个国家中超过600台FortiGate防火墙。Snyk对近1,000个开发者环境的分析发现，运行MCP服务器的开发者中有十二分之一存在高或严重安全风险；对其审计的近4,000个智能体技能中，至少36%存在安全缺陷。
Nair强调，拉取请求扫描是为人类速度和体量设计的，在代码连续生成且攻击自动化的时代，其单独作用已显不足。Snyk首席执行官Ken MacAskill表示：“多年来管理的积压问题不再是清理项目，而是攻击面。‘零积压’曾是一种幻想，但在代理式开发和攻击的时代，它必须成为标准。”
Evo智能体团队架构
Evo Agentic AppSec以机器速度运行应用安全循环，人类处于监督位置。智能体团队操作Snyk Code、Snyk Open Source等确定性引擎，而非取代它们。具体包括：
- Evo代码扫描智能体：结合前沿AI推理与静态分析，捕捉模式匹配无法结构性捕获的问题，如访问控制和身份认证逻辑缺陷。
- Evo依赖防火墙：在安装时阻止恶意和不合规软件包，防止其进入开发者机器或代码库，包括防御“Slop squatting”（占位抢注）攻击。
- Evo代理安全审查：委托智能体进行全面安全审查，基于代码和上下文构建威胁模型，评估现有控制措施，生成有据可依的发现及修复指导。
- Evo修复智能体：自主大规模运行完整修复循环，涵盖新代码和积压问题。可能导致构建失败的修复会被排队等待批准，确保交付可合并的修复方案。
- Evo密钥检测：在传统和代理式开发中，覆盖从IDE到CI全过程的泄露凭据捕获。
每个智能体均从拥有十多年修复数据的情报层中提取上下文，运行可达性、可利用性和破坏性分析。Snyk对预防和修复采取不同策略：编码智能体内的预防无需人工签字，而触及运行中代码的修复需赢得相关人员信任后方可上线。
闭环体系与角色转变
Evo Agentic AppSec完善了Snyk AI安全平台的闭环，涵盖检测、修复和供应链。结合已被1,600多家客户采用的Snyk Studio、此前发布的Evo代理应用开发安全（ADS）以及自8月起全面可用的Evo持续进攻性安全，形成了完整的防护体系。Nair强调：“智能体执行工作，独立系统证明其有效性。人类掌握标准，生成者不能是验证者。”
该产品设计目标是在AI开发规模扩大时，无需按比例增加应用安全人员。开发人员从作者转变为修复方案审批者；应用安全负责人则转型为AI安全工程师，负责设定标准、管理智能体并审计决策。这使得没有专门应用安全职能的团队也能获得可行的安全计划。