本文讨论如何基于 AiPy 构建面向开源项目的白盒源码审计工作流。

引言

2025 年，OpenCode 正式发布并迅速走红。如果你用过 Cursor 或 Claude Code，可以把 OpenCode 理解为它们的”开源版”——一个能在终端、IDE 或桌面端运行的 AI 编程代理，旨在通过 AI 自动化处理编写代码、调试、重构以及理解复杂代码库的任务。

但 OpenCode 的能力并不局限于开发任务。本章将探讨一个不同的使用场景：如何使用 OpenCode 对 IoT 设备进行自动化安全审计。

传统的 IoT 安全审计流程通常包括：提取设备文件系统、识别关键二进制程序、使用 Ghidra 等工具进行逆向分析、最终输出漏洞报告。这一过程高度依赖人工经验，耗时且重复。本章的核心思路是：将审计经验封装成 AI 可理解的工作流，让 AI 承担重复劳动，审计人员专注于决策和验证。

使用aipy开发knockknock案例分享。

最近在思考大模型的应用，准备先试试现在各种大模型编程工具。

在经过第一阶段的学习后，我们来看看在不同设备上，训练所需要花费的时间。

在本系列的上一篇文章中，我们学习了如何训练一个识别数字图片的神经网络，在本篇文章中将会在此基础上学习一些进阶知识。

在本系列的上一篇文章中分享了卷积神经网络的基础知识，在完全了解1+1=2的基础知识后，本篇文章可以进行2*2=4进阶的学习。将会通过分析一个实例来进行讲解。

本系列文章将分享我在学习卷积神经网络时的心得和体会，不会涉及复杂的数学公式，而是用简单易懂的语言来解释卷积神经网络。当然，如果对相关的数学公式有深入了解的话，对学习这部分知识会很有帮助。

本文将分享从零搭建本地大模型搭建问答知识库过程中遇到的问题和解决方案。

最近在尝试开个一个GPT的工具箱，这里来对我的开发思路进行一些分享。