mantis
कोडबेस में कमजोरियों को स्वायत्त रूप से खोजने, पुनउत्पादित करने और पैच करने के लिए एक AI एजेंट टूलकिट।
कोड कमजोरियों को खोजने, पुनउत्पादित करने और पैच करने के लिए AI कोडिंग एजेंटों के लिए मॉड्यूलर, स्टैक-अज्ञेय टूलकिट।
Mantis एक पोर्टेबल टूलकिट है जो AI कोडिंग एजेंटों को सुरक्षा समीक्षाओं, खतरे की मॉडलिंग (threat modeling) और पैचिंग को स्वायत्त रूप से संभालने के लिए कौशल और ADK संदर्भ हार्नेस प्रदान करता है। इसे अलग-थलग वातावरण में काम करने वाले सुरक्षा पेशेवरों और डेवलपर्स के लिए डिज़ाइन किया गया है जो कमजोरी अनुसंधान के लिए AI मॉडल को ऑर्केस्ट्रेट करना चाहते हैं।
यह क्या है
यह टूलकिट पाइपलाइन चलाने के लिए ADK संदर्भ हार्नेस का उपयोग करके मांग पर कौशल लोड करता है—खतरे की मॉडलिंग और अनुसंधान से लेकर कोड समीक्षा, पैचिंग और रिपोर्टिंग तक। यह सिमेंटिक कोड इंडेक्स बनाता है, अनुसंधान परिकल्पनाएं बनाता है, उत्पादन व्यवहार्यता को स्थिर रूप से सत्यापित करता है, शोषण (exploit) पुनउत्पादन का प्रयास करता है, और पैच को सत्यापित करने के लिए एक विरोधी लूप का उपयोग करता है।
किसके लिए
यह गहरे कोड ऑडिट के लिए स्वायत्त AI एजेंटों और सैंडबॉक्सयुक्त पाइपलाइनों को चलाने में सहज सुरक्षा इंजीनियरों और डेवलपर्स के लिए उपयुक्त है। यह डिब्बे से बाहर एक टर्नकी, उत्पादन-तैयार CI/CD ब्लॉकिंग गेट की तलाश करने वाले किसी भी व्यक्ति के लिए उपयुक्त नहीं है, क्योंकि pull request स्कैन सुविधाएं लाइव प्रोजेक्ट्स के खिलाफ असत्यापित रहती हैं।
मुख्य विशेषताएँ
स्वायत्त खतरा मॉडलिंग
कुशल कोड नेविगेशन के लिए स्वचालित रूप से खतरा मॉडल उत्पन्न करता है और सिमेंटिक इंडेक्स बनाता है।
शोषण पुनउत्पादन
स्थिर अनुमानों, यूनिट परीक्षणों, या मॉक सर्वर को स्पिन करने के माध्यम से कमजोरियों को पुनउत्पादित करता है।
विरोधी पैचिंग लूप
खोजे गए कमजोरियों को पैच करता है और यह सुनिश्चित करने के लिए कि सुधार टिके रहें, एक विरोधी सत्यापन लूप चलाता है।
अनुसंधान ग्राफ संश्लेषण
विशिष्ट सादे-भाषा उद्देश्यों के आधार पर मक्खी पर कस्टम एजेंट-ग्राफ टोपोलॉजी डिज़ाइन करता है।
3 चरणों में तैयार
हमारा ईमानदार फैसला
क्या अच्छा है
- खतरा मॉडलिंग से लेकर पैचिंग तक संपूर्ण जीवनचक्र के लिए मॉड्यूलर कौशल शामिल हैं
- कई समानांतर रनों में SQLite-समर्थित ज्ञान दृढ़ता का समर्थन करता है
- कustom सुरक्षा समीक्षा उद्देश्यों के लिए गतिशील अनुसंधान ग्राफ संश्लेषण की अनुमति देता है
- LLM गंभीरता मुद्रास्फीति का मुकाबला करने के लिए जोखिम अंशांकन रूब्रिक सुविधाएँ हैं
कहाँ कमी है
- स्वायत्त एजेंटों द्वारा अप्रत्याशित विनाशकारी कार्रवाइयों को रोकने के लिए सैंडबॉक्स में सख्त अलगाव की आवश्यकता होती है
- Pull request स्कैन और संबंधित GitHub क्रियाएं पूरी तरह से अंत से अंत तक असत्यापित हैं
- मानव सुरक्षा विशेषज्ञ द्वारा सभी AI-उत्पन्न निष्कर्षों के सावधानीपूर्वक मैन्युअल सत्यापन की मांग करता है
- बिना निगरानी वाले समानांतर स्कैनिंग अभियानों के दौरान टोकन खर्च और API लागत तेजी से बढ़ सकती है
मूल्य & लाइसेंस
Mantis अपने open source लाइसेंस के तहत मुफ़्त है, लेकिन इसे चलाने पर आपके उपयोग की मात्रा और टोकन खपत के आधार पर Gemini जैसे फ्रंटियर भाषा मॉडल के लिए API लागत आती है।
हिंदी बोलने वालों के लिए जॉब्स
879 खुले रिमोट AI-ट्रेनिंग रोल, 15 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$175 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।
विकल्प
ये समीक्षित AI टूल यही काम तुरंत करते हैं — हमारी स्कोर की गई डायरेक्टरी से।
इसे उपयोग करें, या हमसे सेट करवाएं
सामान्य प्रश्न
क्या मैं उत्पादन प्रणालियों पर Mantis चला सकता हूँ?
नहीं। Mantis स्वायत्त रूप से उत्पन्न कोड निष्पादित करता है जो अस्थिर हो सकता है या अप्रत्याशित कार्य कर सकता है, और इसे केवल अलग-थलग, प्रतिबंधित वातावरण में ही चलाया जाना चाहिए।
क्या AI के निष्कर्ष सही होने की गारंटी है?
नहीं। AI मॉडल गैर-deterministic हैं और निष्कर्षों को मतिभ्रम (hallucinate) कर सकते हैं या गलत पैच उत्पन्न कर सकते हैं, जिसका अर्थ है कि सभी परिणामों को सुरक्षा विशेषज्ञ द्वारा मैन्युअल रूप से सत्यापित किया जाना चाहिए।
लंबे स्कैन के दौरान Mantis बजट सीमाओं को कैसे संभालता है?
आप --max-tokens जैसे फ्लैग का उपयोग करके एक कठिन टोकन खर्च सीमा निर्धारित कर सकते हैं या बिना बजट सीमा के --no-budget का उपयोग करके अभियान चला सकते हैं।
