ctxray: Lokal observabilitet och säkerhetsdiagnoser för AI-kodningssessioner
ctxray, utvecklad av Ctxray, inspekterar AI-assisterade kodningssessioner för att ge utvecklare insyn i kvaliteten på uppmaningar, tokenanvändning och läckta hemligheter. Verktyget analyserar uppmanings- och kontextdata för att producera lokala diagnoser utan att vidarebefordra uppmaningar till externa tjänster. Nyckelfunktioner inkluderar kontextinspektion, deterministisk uppmaningsbedömning och uppmaningslinting kopplad till CI-portar. Det riktar sig till mjukvaruutvecklare, säkerhetsingenjörer och team som kräver verkställbara kvalitetskontroller för AI-kodningsarbetsflöden.
Vilka uppgifter kan du faktiskt använda det för?
Använd verktyget för att inspektera det aktiva kontextfönstret, hitta bortkastade token och säkerställa kvaliteten på promptar under kodningssessioner. Det erbjuder Inspektion av Kontextfönster, automatiserad Skanning av Hemligheter & PII, regelbaserad Prompt Linting & Omskrivning, och en AI Persona Analys rapport som klassificerar kodningsvanor. Verktyget erbjuder också CI/CD-krokar så att team kan blockera commits eller körningar som misslyckas med prompt- eller säkerhetsgrindar.
Hur pålitliga är verktygets diagnoser och poängsättning?
Verktyget använder en deterministisk poängsättningsmotor för att utvärdera promptar utan att göra ett externt modellanrop, ett designval som syftar till att minska overhead. Projektbenchmarkar som citeras av utvecklaren visar att promptar som får 43 eller högre korrelerar med cirka 93 procent framgång när det gäller att producera körbar kod. Linting- och hemlighetsdetekteringsregler valideras mot tusentals registrerade LLM-anrop, vilket ligger till grund för det regelverk som används för diagnoser.
Vilka ingångar och integrationer kräver det?
Integration kräver MCP-aktiverade klienter eller kommandoradsgränssnittet. Verktyget stöder stora AI-kodningsassistenter inklusive Claude Code, Cursor och ChatGPT, plus ungefär sex andra assistenter som listas av utvecklaren. För lokal CLI-användning installera via pip och kör på system med Python 3.10 eller högre. Officiellt CI-stöd inkluderar GitHub Actions och pre-commit hooks så att kontroller kan köras inom befintliga utvecklingspipelines.
Hur hanterar det integritet och distribution?
Utvecklaren positionerar verktyget som lokal-först och luftgapad, vilket utför all skanning, poängsättning och analys på värdsystemet så att promptar och kod inte lämnar infrastrukturen. Ett inbyggt integritets kommando skannar interaktionshistorik för läckta API-nycklar, token, lösenord och PII för att stödja säkerhetsrevision. Projektet är öppen källkod och underhålls på GitHub, vilket gör att team kan inspektera regler och distribuera lokalt.
Praktisk bedömning: lämpad för team som upprätthåller lokal AI-styrning
Verktyget är en pragmatisk lösning för mjukvaruutvecklare och säkerhetsingenjörer som kör AI-assisterade kodningsarbetsflöden och behöver verifierbara diagnoser, eftersom projektet är öppen källkod och byggt för lokal distribution. Behandla dess automatiserade bedömningar som objektiva signaler snarare än definitiva garantier för produktionskod, och kombinera dem med manuell granskning och standard säkerhetsrevisioner när du hanterar hög-risk hemligheter eller efterlevnads-känsliga projekt.
