Metis 是一款开源的AI 驱动安全代码审查工具（AI-Powered Security Code Review），由 Arm 产品安全团队打造。它不依赖硬编码规则，而是用具备语义理解和推理能力的 LLM 对代码库做"深度审查"，帮你发现传统 Linter、SAST 工具容易漏掉的隐蔽漏洞。本教程将带你5 分钟内完成安装、配置 LLM 并跑通第一次安全代码审查。

什么是 Metis？先看懂它的核心能力

• 🧠深度推理：基于 LLM 的语义级理解，而非静态规则匹配，适合大型、复杂的遗留代码库
• 🔍确定性本地证据：审查与分诊强调源码本地分析、语言插件与确定性证据收集，降低误报
• ✅问题验证（Triage）：可对自己或第三方 SAST 工具产出的 SARIF 结果做二次分诊
• 🌐Provider 灵活：支持 OpenAI、Azure OpenAI、Anthropic、Gemini、AWS Bedrock、vLLM、Ollama、llama.cpp 等
• 🧩插件化语言体系：开箱支持 C/C++、Java、C#、Python、Go、Rust、TypeScript、JavaScript、Kotlin、Solidity、Verilog、Terraform 等 19+ 种语言（完整列表见 README.md 的 Supported Languages 表格）

其核心引擎、执行图与语言插件源码分别位于 src/metis/engine/ 与 src/metis/plugins/，默认执行图配置见 src/metis/metis.yaml。

前置准备：安装 Metis 前需要 2 样东西

1. Python 3.12+（项目要求见 pyproject.toml）
2. uv包管理工具（推荐，安装极快）

💡 如果不想管理本地依赖，也可以直接走后文的Docker 一键方案。

快速安装：3 种方式任选其一

方式一：uv 虚拟环境（推荐）

git clone https://gitcode.com/gh_mirrors/metis19/metis cd metis uv venv uv pip install .

如需 PostgreSQL（pgvector）或 Qdrant 向量库支持，安装对应扩展：

uv pip install '.[postgres]' # 或 uv pip install '.[qdrant]'

方式二：系统级安装

uv pip install . --system

方式三：Docker 一键构建

docker build -t metis .

仓库提供了完整的 Dockerfile，构建后在任意代码库目录下挂载运行即可（见后文示例）。

配置 LLM Provider：30 秒接入你的模型

默认使用OpenAI，只需导出 API Key：

export OPENAI_API_KEY="your-key-here"

想换成其他模型？在配置文件里修改llm_provider.name并用--config PATH指定即可。各 Provider 对照表：

不想挨个装？一条命令全都要：uv pip install '.[all-providers]'。

本地私有化：用 Ollama 跑 Metis

如果没有云 API，可以用本地模型。参考示例配置 examples/ollama/metis_ollama_example.yaml，核心只需：

llm_provider: name: "ollama" base_url: "http://localhost:11434/v1" model: "llama3.1:8b" # 8GB 内存推荐

然后运行：

uv run metis --config examples/ollama/metis_ollama_example.yaml --codebase-path "/path/to/src"

各 Provider 的详细说明见 docs/providers/ 目录，例如 docs/providers/ollama.md、docs/providers/vllm.md。

第一次安全审查：1 条命令跑通 review_code

方式一：交互模式（推荐新手）

uv run metis --interactive --codebase-path "/path/to/src"

进入提示符后，依次执行：

> init > review_code

• init：初始化仓库上下文，加载威胁模型记忆（如SECURITY.*文件）
• review_code：对代码库执行完整审查

方式二：非交互直跑

uv run metis --codebase-path "/path/to/src" --verbose --output-file results/review.json

--verbose会显示执行图中的每个 stage/node，--output-file导出结果。

审查结果长什么样？

Metis 会给出文件位置 + 问题描述 + 代码片段 + 原因 + 修复建议 + 置信度。例如针对一段 C 语言地址重映射代码，它会指出"更新后的值没有写回内存"，并直接给出带*ptr = value;的修复代码（完整示例见 README.md 的 Example 4 部分）。

常用命令速查表

SARIF 分诊流程的原理简介见 docs/triage-flow.md。

进阶技巧：Docker 运行与自定义配置

Docker 中审查本地代码库

# 挂载当前目录并注入 API Key docker run --rm -it -v "$PWD:/metis" -e "OPENAI_API_KEY=${OPENAI_API_KEY}" metis --codebase-path /metis --verbose

切换向量库后端

默认使用本地免安装的ChromaDB。若用 PostgreSQL + pgvector，可先一键拉起环境：

docker compose up -d

仓库中的 docker-compose.yml 已预置好 pgvector 扩展，然后：

uv run metis --project-schema myproject_main --codebase-path "/path/to/src" --backend postgres

自定义 metis.yaml

不传--config时，Metis 使用打包的默认配置 src/metis/metis.yaml，涵盖并发数、token 上限、审查断点、威胁模型匹配模式等。常用调优点：

• max_workers：并发 worker 数（默认 5）
• threat_model.source_patterns：威胁模型文件匹配规则（src/metis/metis.yaml）
• 项目根目录放一个.metis.md，可为审查注入团队私有安全规范

执行图的完整结构（stage、node、输出绑定）详见 docs/execution-graph.md。

总结：你的 Metis 安全审查之路

1. ✅git clone+uv pip install .完成安装
2. ✅export OPENAI_API_KEY（或配置 Ollama 本地模型）
3. ✅uv run metis --interactive --codebase-path "/path/to/src"进入交互模式
4. ✅ 执行init→review_code，拿到带修复建议的审查报告

下一步建议：用triage命令对 SAST 结果做误报分诊，或用review_patch把它接入日常 Code Review 流程。Metis 采用 Apache 2.0 协议开源（见 LICENSE），欢迎深入 docs/ 目录探索更多能力。🚀