SSD Nodes Learn Hosting plans →
راهنماها Matt Connorتوسط Matt Connor · به‌روزرسانی شده 2026-10-24

آموزش میزبانی open-kritt روی VPS با Docker Compose

راهنمای کامل اجرای open-kritt روی سرور شخصی. نحوه تنظیم Docker Compose، پین کردن نسخه، ایجاد تونل SSH برای پورت 5173 و تعیین بودجه API قبل از شروع اولین اسکن امنیتی.

چرا open-kritt را روی یک VPS میزبانی کنیم و نه لپ‌تاپ شخصی

سرویس open-kritt را روی سروری میزبانی کنید که بتوانید آن را تخریب و دوباره بازسازی کنید. این ابزار، agentهای تحلیل خود را با دسترسی root درون containerهای موقت (disposable) اجرا می‌کند، به هر کدام یک کپی قابل‌نوشتن از کد شما و دسترسی مستقیم به اینترنت می‌دهد و Docker socket میزبان را در سرویس engine خود mount می‌کند. این یک معامله منطقی برای سیستمی است که صرفاً به این کار اختصاص یافته است، اما برای دستگاهی که کلیدهای SSH شما را نگه می‌دارد، انتخابی بسیار خطرناک است.

چهار ویژگی در پیکربندی پیش‌فرض، این توصیه را ضروری می‌کنند و هر چهار مورد مستقیماً از README و فایل compose خود پروژه استخراج شده‌اند.

agentها برای قدرتمند بودن طراحی شده‌اند. طبق مستندات README، agentهای مجهز به ابزار، با دسترسی root درون containerهای موقت اجرا می‌شوند. آن‌ها به کپی‌های قابل‌نوشتن از مخزن کد و دسترسی مستقیم به اینترنت دسترسی دارند تا بتوانند ابزارها را نصب کنند، targetها را کامپایل کنند، تست‌ها را اجرا کنند و proof of concept بسازند. یک اسکن، صرفاً یک linter برای خواندن فایل‌ها نیست؛ بلکه اجرای کد دلخواه است که شما خودتان درخواست کرده‌اید. دسترسی به اینترنت دوطرفه است: هر چیزی که agent هنگام تحقیق روی یک target دریافت می‌کند، متنی غیرقابل‌اعتماد است که وارد prompt می‌شود؛ این همان ریسکی است که هنگام دادن دسترسی جستجوی وب به یک agent می‌پذیرید.

engine به Docker socket دسترسی دارد. docker-compose.yml سوکت Docker میزبان را درون سرویس engine mount می‌کند، زیرا engine برای هر job یک container اسکن جداگانه می‌سازد و اجرا می‌کند. هر فرآیندی که به این سوکت دسترسی داشته باشد، می‌تواند containerای را شروع کند که فایل‌سیستم میزبان را mount کرده است. بنابراین، engine عملاً در هر میزبانی که اجرا شود، دسترسی root دارد.

صفحه ورود وجود ندارد. backend این ابزار بدون هیچ‌گونه احراز هویت (authentication) عرضه می‌شود. دسترسی به پورت، به معنای دسترسی به یافته‌های شما و اعتبار (credit) حساب کاربری‌تان در سرویس‌دهنده است.

کدی که اسکن می‌کنید اغلب متعلق به شما نیست. اشاره دادن agentها به یک مخزن کد شخص ثالث، به معنای اجرای فرآیند build آن مخزن روی دستگاه شما، با دسترسی root و دسترسی به شبکه است.

اگر مطلب چرا agentهای برنامه‌نویسی باید در یک VM موقت باشند را خوانده باشید، متوجه می‌شوید که این همان مدل تهدید است، با این تفاوت که در اینجا ریسک بسیار بالاتر است. برای open-kritt یک VPS اختصاصی تهیه کنید که هیچ سرویس دیگری روی آن نباشد و آن VPS را به جای کاربر root، از طریق یک حساب کاربری جداگانه با حداقل دسترسی مدیریت کنید.

عملکرد واقعی open-kritt

ابزار open-kritt (مخزن آن در Kritt-ai/open-kritt قرار دارد و تحت مجوز AGPL-3.0 منتشر شده است) تحقیقات آسیب‌پذیری را به وظایف کوچک تقسیم می‌کند، این وظایف را به‌صورت موازی توسط عامل‌های هوش مصنوعی (AI agents) اجرا کرده و سپس نتایج دریافتی را حذف تکراری (de-duplicate) و رتبه‌بندی می‌کند. شما یک گردش کار را به‌صورت زنجیره‌ای از پرامپت‌های متمرکز تعریف می‌کنید و هر مرحله، context ساختاریافته‌ای را از مراحل پیش از خود دریافت می‌کند. هدف اسکن، یک مخزن git محلی یا راه دور است. موتور تحلیل، Codex یا Claude Code می‌باشد. پس از شناسایی یک کاندیدای آسیب‌پذیری، اسکریپت‌های اختیاری پس از پردازش می‌توانند برای اعتبارسنجی یا ساخت یک proof of concept تلاش کنند. طراحی این زنجیره بیشتر یک کار معمول در حوزه عامل‌های هوش مصنوعی است تا یک کار امنیتی؛ بنابراین اگر پرامپت‌ها، ابزارها و نحوه انتقال context هنوز برای شما ناآشنا هستند، یادگیری نحوه کنار هم قرار دادن عامل‌ها نتایج بهتری نسبت به هر تنظیمی در این راهنما برای شما به همراه خواهد داشت.

آنچه در نهایت دریافت می‌کنید، فهرستی رتبه‌بندی‌شده از کاندیداها است. با آن به عنوان یک صف تریاژ (triage queue) برخورد کنید، نه به عنوان یک گزارش نهایی.

پیش‌نیازهای شروع کار

  • یک سرور مجازی (VPS) با سیستم‌عامل Ubuntu 24.04، Debian 12 یا Rocky Linux 9. مستندات نصب، این توزیع‌ها را برای معماری‌های x86_64 و ARM64 تأیید کرده‌اند.
  • Docker Engine به همراه افزونه Compose.
  • نسخه 20 یا جدیدتر Node.js روی میزبان؛ زیرا رابط خط فرمان ./kritt به‌جای اجرا درون کانتینر، روی سیستم میزبان اجرا می‌شود.
  • یک ارائه‌دهنده مدل: حساب کاربری Codex، یا OPENAI_API_KEY، CODEX_API_KEY، ANTHROPIC_API_KEY یا OPENROUTER_API_KEY.
  • GITHUB_TOKEN تنها در صورتی که قصد اسکن مخازن خصوصی را دارید. مستندات ارائه‌شده در .env.example به‌صراحت بیان می‌کنند که توکن GitHub به‌تنهایی برای اجرای اسکن کافی نیست.

نصب Docker و Node 20 در ابتدا

curl -fsSL https://get.docker.com | sudo sh
sudo usermod -aG docker $USER

از سیستم خارج شده و دوباره وارد شوید تا عضویت در گروه جدید اعمال شود، سپس حضور پلاگین Compose را تأیید کنید.

docker compose version

نمایش یک رشته نسخه به این معنی است که Compose به عنوان یک پلاگین نصب شده است. docker: 'compose' is not a docker command به این معنی است که شما همچنان از باینری قدیمی و مستقل docker-compose استفاده می‌کنید و open-kritt از docker compose فراخوانی می‌کند. عضویت در گروه docker معادل دسترسی root روی میزبان است، بنابراین فقط حسابی که open-kritt را اجرا می‌کند در آن قرار دهید. برای نسخه کامل‌تر این تنظیمات، به اجرای Docker روی یک VPS مراجعه کنید.

سیستم‌عامل Ubuntu 24.04 در مخازن خود Node 18 را ارائه می‌دهد، اما CLI در نسخه‌های پایین‌تر از 20 متوقف می‌شود. خود Node 20 نیز به پایان عمر خود رسیده و دیگر به‌روزرسانی دریافت نمی‌کند، بنابراین Node 22 را از NodeSource نصب کنید. این نسخه شرط بررسی «20 یا جدیدتر» را برآورده می‌کند.

curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -
sudo apt install -y nodejs
node -v

node -v باید در اینجا v22. را چاپ کند و هر نسخه‌ای پایین‌تر از v20. توسط CLI رد خواهد شد. در Rocky Linux 9 معادل آن sudo dnf module enable nodejs:22 -y و سپس sudo dnf install -y nodejs است.

کلون کردن open-kritt و استفاده از یک نسخه تگ‌شده

git clone https://github.com/Kritt-ai/open-kritt
cd open-kritt
git fetch --tags
git tag --list
git checkout v1.4.1

main همراه با شما جابه‌جا می‌شود، اما تگ خیر. تا تاریخ 12 October 2026، جدیدترین تگ v1.4.1 است که در 16 August 2026 منتشر شده و git tag --list نشان می‌دهد که در روز کلون کردن چه چیزی موجود است. نسخه v1.4.0 (12 August 2026) قابلیت پذیرش runner با آگاهی از حافظه را اضافه کرد که در بخش اندازه‌گیری در ادامه توضیح داده شده است، و نسخه v1.4.1 باگی را رفع کرد که در آن ranker قوانین رتبه‌بندی ارائه‌شده توسط کاربر را نادیده می‌گرفت. چک‌اوت کردن یک تگ، مخزن را در وضعیت detached HEAD قرار می‌دهد که در اینجا صحیح است: شما با این کلون به عنوان یک deployment ثابت (pinned) رفتار می‌کنید، نه شاخه‌ای که در آن commit انجام می‌دهید. برای ارتقا در آینده، یادداشت‌های انتشار را بخوانید، سپس git fetch --tags را اجرا کنید، تگ جدید را چک‌اوت کرده و دوباره ./kritt start را اجرا کنید، زیرا start ایمیج‌ها را بازسازی می‌کند.

دستور ./kritt را با sudo اجرا نکنید. مستندات در این مورد صریح هستند. CLI دایرکتوری‌های اعتبارنامه‌های محلی پروژه را در مسیر .data/ مدیریت می‌کند، بنابراین اجرای آن به عنوان root باعث می‌شود مالکیت آن دایرکتوری‌ها به root تغییر کند و در اجرای عادی بعدی، امکان نوشتن در آن‌ها وجود نخواهد داشت.

پیکربندی دسترسی به مدل با ./kritt setup

./kritt setup

این دستور در صورتی که .env وجود نداشته باشد، آن را از .env.example ایجاد می‌کند، وضعیت هر اعتبارنامه را نمایش می‌دهد و به شما اجازه می‌دهد آن‌ها را تنظیم یا حذف کنید. این دستور هرگز مقادیر را در ترمینال چاپ نمی‌کند. هم .env و هم فایل اعتبارنامه موتور با مجوز 0600 نوشته می‌شوند.

اگر ترجیح می‌دهید این کار را به‌صورت دستی انجام دهید:

cp .env.example .env
chmod 600 .env
mkdir -p .data/codex
chmod 700 .data/codex

سپس کلید ارائه‌دهنده را در .env ویرایش کنید و مجوز فایل را روی 0600 قرار دهید. در هر صورت، اکنون یک اعتبارنامه معتبر ارائه‌دهنده روی آن سرور قرار دارد؛ این خود دلیلی دیگر است که چرا این سرور نباید میزبان هیچ چیز دیگری باشد. برای این پروژه یک کلید اختصاصی بسازید تا ابطال آن در آینده، هیچ‌کدام از سرویس‌های مهم شما را مختل نکند. دور نگه داشتن اسرار از دسترس عوامل هوش مصنوعی به بررسی عادت‌های گسترده‌تر در این زمینه می‌پردازد.

تعیین سقف هزینه برای ارائه‌دهنده پیش از اولین اسکن

ابزار open-kritt برای توزیع بار (fan-out) طراحی شده است و شما هزینهٔ همین توزیع بار را پرداخت می‌کنید. مقادیر پیش‌فرض در .env.example در نسخه v1.4.1 محافظه‌کارانه هستند: ENGINE_WORKER_COUNT=2 که در فایل به عنوان پیش‌فرض محافظه‌کارانه برای یک ماشین کوچک با 2 هسته مجازی (vCPU) توصیف شده است، و ENGINE_MAX_CONCURRENT_SCANS=1. بالاتر از این‌ها، ENGINE_WORKERS_PER_ACCOUNT=15 قرار دارد که حداکثر تعداد فراخوانی‌های همزمان مدل ریشه (root model) مجاز برای یک حساب کاربری ارائه‌دهنده است، و همچنین ENGINE_CODEX_MAX_SUBAGENTS_PER_SESSION=5، زیرا یک نشست Codex ممکن است تا پنج عامل (agent) فرزند را اجرا کند. با افزایش تعداد workerها روی یک VPS بزرگ‌تر، تعداد فراخوانی‌های مدل در حال اجرا نیز به همان نسبت افزایش می‌یابد.

هیچ بخشی در مخزن کد وجود ندارد که هزینه‌های شما را محدود کند. هیچ تنظیمات بودجه‌ای در .env.example وجود ندارد. شرایط توقف خودِ موتور، همان محدودیت‌های worker به اضافه ENGINE_HARNESS_TIMEOUT_SECONDS است که به‌طور پیش‌فرض روی 7200 ثانیه برای هر اجرای harness تنظیم شده است. یک harness در اینجا حلقه‌ای است که تا زمانی که عاملی اجرای آن را پایان دهد، مدل را با ابزارها و context فراخوانی می‌کند؛ بنابراین آن timeout یک محدودیت زمانی برای برنامه‌ای است که مدل را در بر گرفته است و نه محدودیتی برای هزینه‌ای که مدل در داخل آن ایجاد می‌کند. بنابراین سقف هزینه باید در سمت ارائه‌دهنده تعیین شود. کنسول ارائه‌دهنده خود را باز کنید و پیش از اولین اسکن، نه پس از آن، یک سقف ماهانه قطعی (hard limit) تعیین کنید. مقاله کنترل هزینه‌های عامل هوش مصنوعی روی VPS تنظیمات مربوط به هر ارائه‌دهنده را بررسی می‌کند.

یک ترمز محلی نیز وجود دارد. تنظیم ENGINE_WORKER_COUNT=0 باعث توقف دریافت کارهای جدید می‌شود و همین مقادیر worker را می‌توان پس از اجرای stack، از طریق صفحه تنظیمات تغییر داد.

این راهنما هیچ قیمتی برای هر اسکن ارائه نمی‌دهد، زیرا هزینه به اندازه مخزن کد، گردش کاری که می‌سازید و مدلی که در پس‌زمینه استفاده می‌شود بستگی دارد. ابتدا یک اسکن روی یک مخزن کوچک اجرا کنید، سپس پیش از آنکه ابزار را به سمت هر پروژه بزرگی هدایت کنید، صفحه میزان مصرف (usage) در پنل ارائه‌دهنده خود را بررسی کنید.

راه‌اندازی پشته و بررسی سلامت آن

./kritt start

این دستور .env و حداقل یک اعتبارنامه را بررسی کرده و سپس docker compose up --build را اجرا می‌کند. اولین build زمان‌بر است، زیرا imageهای مربوط به frontend، backend، engine، executor view و database را می‌سازد. این فرآیند در foreground اجرا می‌شود، بنابراین بستن نشست SSH باعث توقف پشته خواهد شد. آن را درون tmux اجرا کنید، یا پس از موفقیت‌آمیز بودن اولین build، آن را در حالت detached بالا بیاورید. هیچ‌کدام از این روش‌ها به‌تنهایی پس از reboot باقی نمی‌مانند؛ بنابراین اگر می‌خواهید پشته پس از راه‌اندازی مجدد سرور دوباره بالا بیاید، الگوی unit در systemd که در نگهداری یک agent خودمیزبان در طول rebootها توضیح داده شده، مستقیماً قابل استفاده است.

docker compose up -d --build
docker compose ps

docker compose ps باید open-kritt-frontend، open-kritt-backend، open-kritt-engine، open-kritt-executor-view و open-kritt-db را فهرست کند. سپس بررسی کنید که backend روی خود سرور پاسخ می‌دهد.

curl -s http://127.0.0.1:3002/api/health

دریافت پاسخ JSON به این معنی است که backend فعال است. Failed to connect to 127.0.0.1 port 3002: Connection refused به معنای فعال نبودن آن است و docker compose logs backend دلیل آن را بیان می‌کند. همه چیز را با استفاده از docker compose down از داخل دایرکتوری repository متوقف کنید.

یک مورد اختیاری اضافی: docker compose exec backend npm run seed داده‌های نمونه را بارگذاری می‌کند که روشی کم‌هزینه برای مشاهده رابط کاربری پیش از صرف هرگونه هزینه برای یک اسکن واقعی است.

دسترسی به رابط کاربری روی پورت 5173 از طریق تونل SSH

هر سرویس در فایل compose به‌صورت پیش‌فرض به 127.0.0.1 متصل می‌شود: فرانت‌اند روی 5173، بک‌اند روی 3002، نمای executor روی 8090 و Postgres روی 5432. این اتصالات را تغییر ندهید و پورت را از طریق SSH از روی ماشین خود فوروارد کنید.

ssh -N -L 5173:127.0.0.1:5173 you@your-server-ip

هنگامی که دستور در حال اجراست، http://localhost:5173 را در مرورگر محلی خود باز کنید. -N به این معنی است که اتصال فقط فوروارد را حمل می‌کند و شل (shell) باز نمی‌کند. اگر به نمای executor نیز نیاز دارید، یک -L 8090:127.0.0.1:8090 دوم به همان دستور اضافه کنید.

وسوسه می‌شوید که FRONTEND_BIND_ADDRESS=0.0.0.0 را تنظیم کنید و از تونل صرف‌نظر کنید. این کار را نکنید. بک‌اند هیچ صفحه ورودی ندارد، بنابراین هر کسی که به آن صفحه دسترسی پیدا کند می‌تواند اسکن‌ها را شروع کرده و اعتبار ارائه‌دهنده شما را مصرف کند. در مقابل، Vaultwarden برای قرارگیری در معرض اینترنت طراحی شده است و ایمن‌سازی آن همچنان به توکن مدیریت و فایل پشتیبان وابسته است، اهرم‌هایی که open-kritt در اختیار شما نمی‌گذارد. یک تله دیگر نیز در زیر آن وجود دارد: پورت کانتینر منتشرشده پیش از اعمال سیاست پیش‌فرض ufw پردازش می‌شود، بنابراین یک قانون ufw deny 5173 درست به نظر می‌رسد اما هیچ چیزی را مسدود نمی‌کند. پورت‌های Docker که ufw را دور می‌زنند زنجیره قوانینی را نشان می‌دهد که باعث این اتفاق می‌شود.

تعیین ابعاد VPS

مقدار ENGINE_MIN_FREE_STORAGE_GB به‌صورت پیش‌فرض روی 20 تنظیم شده است و اگر فضای ذخیره‌سازی آزاد به کمتر از این مقدار برسد، موتور از اجرای container جدید برای اسکن هر job خودداری می‌کند. ایمیج‌های ساخته‌شده، کش checkout، داده‌های Postgres و فضای کاری jobها همگی روی یک دیسک قرار دارند؛ بنابراین یک VPS با 20 گیگابایت فضا، هرگز اسکن را شروع نمی‌کند. مقدار 40 گیگابایت را حداقل در نظر بگیرید و اگر مخازن (repositories) بزرگ را اسکن می‌کنید، فضای بیشتری اختصاص دهید. وسوسه نشوید که با قرار دادن یک سرویس پرمصرف در کنار آن، هزینه سرور را جبران کنید، زیرا مقادیر RAM و دیسک اندازه‌گیری‌شده در این مقایسه بین PhotoPrism و Immich نشان می‌دهد که یک کتابخانه رسانه‌ای با چه سرعتی فضای خالی مورد نیاز برای اسکن را اشغال می‌کند. همین موضوع در مورد ابزارهای جانبی که در کنار یک اسکنر سبک به نظر می‌رسند نیز صدق می‌کند: یک رابط کاربری مرورگر که کتابخانه Jellyfin را به شکل یک فروشگاه کرایه فیلم دهه 90 بازطراحی می‌کند، همچنان کل یک سرور رسانه‌ای و فرآیندهای transcoding آن را به دیسک پشت سر خود می‌کشاند؛ پس آن را روی یک میزبان (host) متفاوت اجرا کنید.

حافظه از یک حساب‌وکتاب ساده پیروی می‌کند و تنظیمات مربوط به آن در نسخه 1.4.0 معرفی شده‌اند، بنابراین برای تگ ذکرشده در بالا اعمال می‌شوند اما برای نسخه‌های قدیمی‌تر خیر. مقدار ENGINE_MEMORY_RESERVE_GB=2 حافظه را برای موتور، پایگاه داده، API و سربار کوتاه‌مدت رزرو نگه می‌دارد. هر runner اسکن، یک رزرو نرم (soft reservation) به مقدار ENGINE_SCAN_RUNNER_MEMORY_RESERVATION_MB=1536 و یک سقف سخت (hard cap) به مقدار ENGINE_SCAN_RUNNER_MEMORY_MB=1536 دارد. بنابراین دو worker پیش از اجرای هر چیز دیگری، به حدود 5 گیگابایت حافظه نیاز دارند. موتور فقط runnerهایی را می‌پذیرد که در بودجه باقی‌مانده جای بگیرند؛ بنابراین در یک سرور کوچک، اسکن‌ها به‌جای شکست خوردن، در صف قرار می‌گیرند که حالت بسیار بهتری نسبت به کشته شدن توسط OOM (Out-of-Memory) killer است. همین محاسبات، حداقلِ مورد نیاز برای هر ابزاری را تعیین می‌کند که به هر واحد کاری، یک container اختصاص می‌دهد؛ به همین دلیل است که یک container و مرورگر برای هر همکار هوش مصنوعی در OpenBot بسیار زودتر از آنکه با محدودیت CPU مواجه شود، به سقف RAM برخورد می‌کند.

دو تنظیم پاک‌سازی (prune) به‌صورت پیش‌فرض روی true هستند: ENGINE_AUTO_PRUNE_DOCKER_BUILD_CACHE و ENGINE_AUTO_PRUNE_UNUSED_DOCKER_IMAGES. پس از تکمیل یک task، موتور کش ساختِ استفاده‌نشده، ایمیج‌های استفاده‌نشده و containerهای اسکنِ متوقف‌شده را حذف می‌کند. ایمیج‌هایی که توسط هر container، سرویس‌های container، bind mountها، داده‌های پایگاه داده، اعتبارنامه‌ها و volumeها ارجاع داده شده‌اند، حفظ می‌شوند. این خود دلیل دیگری است که چرا نباید میزبان را به اشتراک گذاشت: یک ابزار پاک‌سازی که شما پیکربندی نکرده‌اید، در حال اجرا روی آن Docker daemon است.

تنظیمات موتور که اکثر کاربران تغییر می‌دهند
  • ENGINE_WORKER_COUNT: مجموع اسلات‌های worker که بین مراحل اسکن و پردازش نهایی (post-processing) به اشتراک گذاشته می‌شود. برای توقف دریافت jobهای جدید، آن را روی 0 تنظیم کنید.
  • ENGINE_MAX_CONCURRENT_SCANS: تعداد اسکن‌هایی که هم‌زمان پذیرفته می‌شوند. اسکن‌های در صف، تا زمانی که استخر فعال خالی شود، منتظر می‌مانند.
  • ENGINE_MAX_WORKERS_PER_SCAN: مقدار 0 باعث می‌شود اسلات‌های کلی به‌طور مساوی بین اسکن‌ها تقسیم شوند.
  • ENGINE_HARNESS_TIMEOUT_SECONDS: به‌صورت پیش‌فرض 7200 است. این حداکثر زمانی است که یک job سرکش می‌تواند اجرا شود. موتور مقادیر 60 تا 86400 را می‌پذیرد و هر مقداری خارج از این محدوده، شامل 0، به 7200 بازمی‌گردد.
  • ENGINE_MIN_FREE_STORAGE_GB: حداقل فضای ذخیره‌سازی. مقدار ENGINE_IGNORE_LOW_STORAGE=true این محافظ را غیرفعال می‌کند و فایل هشدار می‌دهد که این کار می‌تواند دیسک میزبان را پر کند.
  • ENGINE_SCAN_RUNNER_MEMORY_MB: سقف سخت حافظه برای هر runner. مقدار 0 این سقف را حذف می‌کند.
  • ENGINE_SCAN_RUNNER_MEMORY_RESERVATION_MB: رزرو نرم برای هر runner که در پذیرش jobها شمارش می‌شود. کاهش آن باعث overcommit شدن حافظه بیکار می‌شود، در حالی که سقف سخت همچنان از جهش‌های مصرف حافظه جلوگیری می‌کند.

اسکن یک مخزن محلی بدون نشت اطلاعات

LOCAL_REPOS_PATH به‌صورت پیش‌فرض روی ./local_repos تنظیم شده و به‌صورت read-only در کانتینرهای backend و engine مانت (bind-mount) می‌شود؛ بنابراین مخزنی که در آن پوشه روی میزبان قرار می‌دهید، بلافاصله در کانتینرها ظاهر می‌شود. از یک clone تازه استفاده کنید، نه از working tree خود. کانتینر job یک کپی قابل‌نوشتن دریافت می‌کند، دسترسی root درون خود دارد و به اینترنت متصل است؛ این یعنی هر چیزی که در آن کپی باشد، می‌تواند تغییر کند یا از سرور خارج شود. پیش از کپی کردن پروژه، فایل‌های .env و کلیدهای خصوصی را حذف کنید.

آنچه دریافت می‌کنید و آنچه دریافت نمی‌کنید

شما یافته‌های کاندیدای رتبه‌بندی‌شده را دریافت می‌کنید. شما آسیب‌پذیری‌های تأییدشده دریافت نمی‌کنید. رتبه‌بندی و حذف موارد تکراری، ترتیب صف تریاژ شما را تعیین می‌کند. این موارد ثابت نمی‌کنند که یک ورودی واقعی است. اسکریپت‌های پس‌پردازش (post-scripts) می‌توانند برای اعتبارسنجی و ساخت یک اثبات مفهوم (proof of concept) تلاش کنند و این قوی‌ترین سیگنالی است که ابزار ارائه می‌دهد، اما اسکریپتی که شکست می‌خورد، دلیلی بر کاذب بودن یافته نیست. یک انسان همچنان باید هر کاندیدا را بررسی کند. آن شکاف بین یک کاندیدا و یک اثبات، دلیلی است که درخواست مدرک از یک عامل که خودتان بتوانید آن را دوباره اجرا کنید در اینجا ارزش الگوبرداری دارد: یافته‌ای که بتوانید در صورت نیاز بازتولید کنید، ارزشمندتر از یافته‌ای است که رتبه‌بندی شده اما باید به آن اعتماد کنید.

این راهنما هیچ ادعایی در مورد تعداد باگ‌های واقعی که open-kritt پیدا می‌کند ندارد، زیرا ما آن را اندازه‌گیری نکرده‌ایم. هر کسی که نرخ شناسایی برای کدبیس شما اعلام می‌کند، آن را روی کدبیس شما اجرا نکرده است. ابتدا مخزنی را اسکن کنید که از قبل به‌خوبی می‌شناسید: یافته‌هایی که خودتان می‌توانید قضاوت کنید، ارزان‌ترین کالیبراسیون موجود هستند.

مجوزها در اینجا نسبت به اکثر ابزارهای self-hosted اهمیت بیشتری دارند. عامل‌ها کد را کامپایل و اجرا می‌کنند و به شبکه دسترسی دارند، بنابراین مرحله اثبات مفهوم می‌تواند سیستم‌های زنده را تحت تأثیر قرار دهد. آن را به سمت کدی بگیرید که مالک آن هستید یا قرارداد تست آن را دارید، و پیش از اجرای هر چیزی، محدوده هدف را یادداشت کنید. اگر ANTHROPIC_API_KEY را پیکربندی کرده‌اید و از موتور Claude Code استفاده می‌کنید، عادات sandbox در اجرای ایمن Claude Code روی یک VPS برای این عامل‌ها نیز صدق می‌کند.

FAQ

چرا open-kritt به VPS اختصاصی خودش نیاز دارد؟

زیرا عامل‌های تحلیل آن به‌عنوان root در داخل containerهای موقتِ شغلی اجرا می‌شوند که نسخه‌های قابل‌نوشتن از کد شما و دسترسی مستقیم به اینترنت دارند، و همچنین به این دلیل که سرویس موتور، Docker socket میزبان را mount می‌کند تا بتواند برای هر شغل یک container جداگانه راه‌اندازی کند. هر فرآیندی که به آن socket دسترسی پیدا کند، می‌تواند containerای را اجرا کند که فایل‌سیستم میزبان را mount کرده باشد؛ بنابراین کل این پشته باید در سطح root میزبان در نظر گرفته شود. روی یک VPS اختصاصی، این یک معاملهٔ قابل‌قبول است و بازسازی سرور هزینه‌ای برای شما ندارد. اما روی ایستگاه کاری روزمره، این کار کلیدهای SSH و پروفایل‌های مرورگر شما را در همان محدودهٔ اعتماد کدی قرار می‌دهد که در حال اسکن آن هستید.

آیا می‌توانم به‌جای استفاده از تونل SSH، پورت 5173 را در معرض دید قرار دهم؟

نباید این کار را انجام دهید. بخش backend بدون احراز هویت برنامه عرضه می‌شود، بنابراین آن پورت تنها مانع بین اینترنت و یافته‌ها و اعتبار ارائه‌دهندهٔ شماست. به همین دلیل، فایل compose هر سرویس را به 127.0.0.1 متصل می‌کند. دستور ssh -N -L 5173:127.0.0.1:5173 you@your-server-ip را اجرا کنید و به‌صورت محلی به http://localhost:5173 بروید. یک قانون ufw جایگزین مناسبی نیست، زیرا پورت منتشرشدهٔ Docker پیش از اعمال سیاست پیش‌فرض ufw پردازش می‌شود.

چگونه از خرج‌کردن بیش از حد بودجه توسط open-kritt جلوگیری کنم؟

پیش از اولین اسکن، یک محدودیت سخت (hard limit) در کنسول ارائه‌دهندهٔ مدل خود تنظیم کنید، زیرا open-kritt تنظیمات بودجهٔ داخلی ندارد. برای چند اجرای اول، مقادیر پیش‌فرض هم‌زمانی یعنی ENGINE_WORKER_COUNT=2 و ENGINE_MAX_CONCURRENT_SCANS=1 را حفظ کنید و به یاد داشته باشید که یک حساب ارائه‌دهنده به‌طور پیش‌فرض اجازه می‌دهد تا 15 فراخوانی مدل root به‌صورت هم‌زمان انجام شود، در حالی که یک نشست Codex ممکن است تا 5 عامل فرزند را اجرا کند. دستور ENGINE_WORKER_COUNT=0 دریافت شغل‌های جدید را متوقف می‌کند و سریع‌ترین راه برای توقف محلی است.

کدام نسخه را باید دریافت (checkout) کنم؟

همیشه یک تگ، هرگز main. دستور git fetch --tags به همراه git tag --list نسخه‌های موجود را نشان می‌دهد و v1.4.1 که در تاریخ 16 اوت 2026 منتشر شده، تا تاریخ 12 اکتبر 2026 جدیدترین نسخه است. ثابت نگه‌داشتن نسخه (Pinning) به این معناست که بازسازی پشته پس از چند ماه، همان نتیجه را می‌دهد و ارتقا را به تصمیمی تبدیل می‌کند که پس از خواندن یادداشت‌های انتشار (release notes) می‌گیرید، نه یک اثر جانبی از clone کردن در روزهای مختلف.

اسکن هرگز شروع نمی‌شود. چه چیزی را باید بررسی کنم؟

ابتدا فضای خالی دیسک را بررسی کنید، زیرا اگر فضای ذخیره‌سازی کمتر از ENGINE_MIN_FREE_STORAGE_GB باشد (که به‌صورت پیش‌فرض 20 گیگابایت است)، موتور، container اسکن برای هر شغل را راه‌اندازی نمی‌کند. سپس بررسی کنید که ENGINE_WORKER_COUNT برابر با 0 نباشد، زیرا این مقدار دریافت شغل‌های جدید را متوقف می‌کند. سپس با اجرای ./kritt setup تأیید کنید که اعتبارنامهٔ مدل واقعاً پیکربندی شده است، زیرا GITHUB_TOKEN به‌تنهایی نمی‌تواند اسکن‌ها را اجرا کند. دستور docker compose logs engine دلیل نادیده گرفتن شغل را اعلام می‌کند.

آیا این مقاله مفید بود؟