חזרה לפיד
articlesמקור: Snyk Blog27.4.2026

מבוא לארכיטקטורה סוכנית חדשה לתיקוני Snyk Agent: מהירה, חכמה ובטוחה יותר

אמ;לק

Snyk Agent Fix משודרג לארכיטקטורה סוכנית חדשה (Agentic Architecture) המאפשרת תיקוני קוד מבוססי AI מהירים, חכמים ובטוחים יותר. הגרסה החדשה כוללת כיסוי שפות מלא ב-Snyk Code ותיקונים מאומתים.

סיכום בעברית: מערכת VibeSec · מדיניות המקורות

נוסף ל-VibeSec:

כותרת מקורית: Introducing the New Agentic Architecture for Snyk Agent Fix: Faster, Smarter, and More Secure

מבוא לארכיטקטורה סוכנית חדשה לתיקוני Snyk Agent: מהירה, חכמה ובטוחה יותר

התוכן המלא בעברית

תרגום אוטומטי מהמקור; מונחים טכניים נשארו באנגלית. לנוסח המחייב — הכתבה המקורית.

צוואר הבקבוק בתחום האבטחה עבר רשמית מ"מציאת בעיות" ל"תיקון שלהן בפועל". Snyk הובילה את השינוי הזה בעבר ועזרה לארגונים לאמץ גישה אמיתית של פיתוח מאובטח (developer-first security). האבולוציה האחרונה של Snyk Agent Fix היא הראשונה מבין שיפורים רבים שנועדו לגשר על הפער בין מהירות ה-AI לאבטחה. על ידי מיזוג אינטליגנציית האבטחה של Snyk עם הכוח של מודלי שפה מובילים, אנו מספקים תיקונים מאובטחים ופונקציונליים יותר ממה שכל מודל עצמאי או גרסאות קודמות של Agent Fix יכלו להשיג.

ההתפתחות הבאה של Snyk Agent Fix תושק ב-26 במאי 2026. על ידי מעבר למודלים חדשים וארכיטקטורה סוכנית (agentic architecture), עברנו מכוונון (fine-tuning) סטטי ל-few-shot prompting דינמי – מערכת המסוגלת לספק למודלים את הנחיות האבטחה הרלוונטיות ביותר בזמן אמת. גישה חדשה זו שיפרה את הביצועים בכל מדד ומאפשרת לנו לתמוך בכל השפות הנתמכות ב-Snyk Code, כך שהלקוחות שלנו יכולים לרתום את כוחו של ה-AI כדי לתקן בעיות רבות יותר ומהר יותר בכל בסיס הקוד שלהם.

איך אנחנו מודדים הצלחה: שלושת עמודי התווך של ה-benchmarking

בעולם ה-AI, "מספיק טוב" אינו מספיק עבור אבטחה. המודל החדש מניב ביצועים טובים משמעותית לאורך תהליך ה-benchmarking התלת-שכבתי והקפדני שלנו, מה שמבטיח שההצעות הן בטוחות ושמישות כאחד:

• שלמות אבטחה: אנו מודדים את יכולתו של המודל לכתוב קוד שהוא מטבעו נקי מפגיעות בניסיון הראשון (⁦Pass⁩@1) או תוך חמישה ניסיונות (⁦Pass⁩@5).

• לוגיקה פונקציונלית: באמצעות הערכה מבוססת LLM, אנו מבטיחים שהקוד החדש שומר על שקילות פונקציונלית למקור מבלי להכניס שגיאות לוגיות.

• מבחני זהב (Golden tests): זהו מקור האמת שלנו. אנו משתמשים במאות קטעי קוד פגיעים מהעולם האמיתי בשילוב עם בדיקות יחידה (unit tests) כדי לאשר שהפגיעות נעלמה (מעבר מ-FAIL ל-PASS) בעוד שהכוונה הפונקציונלית נשארת ללא פגע (שמירה על ה-PASS).

מכוונון עדין (fine-tuning) להנחיה דינמית (few-shot prompting): הדרכת מודלים מסחריים עם מומחיות

ככל שטכנולוגיית ה-LLM מתפתחת, זיהינו הזדמנות חדשה: מעבר מכוונון סטטי לארכיטקטורה סוכנית. היתרון המרכזי של Snyk Agent Fix על פני LLM גנרי טמון באינטליגנציית האבטחה הקניינית שלנו. Snyk מתחזקת מסד נתונים של למעלה מ-35,000 פגיעויות מהעולם האמיתי מפרויקטי קוד פתוח ותיקונים שנכתבו על ידי מומחי האבטחה של Snyk. בזמן החיזוי, אנחנו לא רק מבקשים מהמודל לנחש פתרון; אנו מזריקים להנחיה (prompt) את הדוגמאות הרלוונטיות ביותר מהעולם האמיתי לאופן שבו אותו CWE ספציפי נפתר בעבר.

זה הופך את ה-LLM ממומחה כללי למומחה בתחום, המונחה על ידי אלפי נקודות מידע שנכתבו על ידי אדם ברגע המדויק של היצירה. על ידי אספקת דוגמאות איכותיות ומציאותיות אלו עבור ה-CWE בזמן ההנחיה, השגנו עלייה משמעותית בביצועים הן ביחס למודל הקודם שלנו והן ביחס למודלים מסחריים מובילים.

קפיצת הביצועים

ה-Golden Test Benchmarks שלנו הניבו תוצאות מרשימות. האחוזים להלן מייצגים את שיעור ההצלחה עבור חבילת ה-~150 מבחנים שלנו. כל הערכה מורכבת מקוד פגיע בשילוב עם שתי בדיקות יחידה ספציפיות: אחת כדי לוודא שהפגיעות קיימת ואחרת כדי להבטיח שהקוד נותר פונקציונלי. מכיוון שהמודלים לעולם לא רואים את בדיקות היחידה הללו, עליהם להסתמך על שיטות קידוד חזקות כדי לספק את דרישות האבטחה והפונקציונליות כאחד.

הניתוח שלנו מצא כי על ידי שילוב מודלי חזית של Anthropic עם האינטליגנציה של Snyk, הם עברו 14.48% יותר הערכות בהשוואה למודל של Anthropic או למודל הקודם של Agent Fix לבדם.

*שימו לב שתשובות לא מאובטחות מסוננות תמיד ולא מוצגות ללקוחות.

כוחם של ניסיונות חוזרים סוכניים (agentic retries)

אחד המכשולים המשמעותיים ביותר בתיקון אוטומטי הוא יצירת קוד לא מאובטח של ⁦LLM⁩. בעבר, אם המודל של ⁦Agent Fix⁩ יצר תיקון לא מאובטח, הוא פשוט סונן החוצה. זוהי האפשרות הבטוחה ביותר, אך היא עשויה להשאיר את המפתח ללא הצעות כלל.

במקום להשליך פלט לא מושלם, המערכת כעת:

• מחלץ את הבעיה: מזהה בדיוק מדוע ההצעה הראשונה נכשלה.

• מזין אותו בחזרה: מעביר את הקשר השגיאה בחזרה לסוכן.

• מתאים את התשובה: הסוכן חושב מחדש על הבעיה ומייצר גרסה מתוקנת, תוך הימנעות מהטעות הקודמת שלו.

לולאה זו מבטיחה שבמקום לקבל "אין תיקון זמין", מפתחים מקבלים תיקון איכותי ומאומת שכבר נבדק על ידי המנוע שלנו.

כיסוי שפה מלא

לבסוף, גישה חדשה זו מאפשרת לנו להגדיל במהירות את תמיכת השפה שלנו. בעבר, הוספת תמיכה בשפה חדשה או כלל אבטחה מורכב הצריכה אלפי דוגמאות אימון ידניות ותהליך כוונון עדין ארוך.

על ידי מינוף של few-shot prompting דינמי והנמקה סוכנית, אנו מציעים כעת כיסוי מלא של כללים ושפות עבור כל שפה הנתמכת על ידי Snyk Code. מ-Java ו-Python ועד Apex ו-Go, ה-Agent Fix החדש מוכן לתקן פגיעויות בכל ה-stack שלך מבלי לחכות להשקת תמיכה חדשה.

חווה את עתיד השיקום

Snyk הופכת את האבטחה לחלקה בזרימת העבודה של הפיתוח. מכיוון שהארכיטקטורה שלנו אגנוסטית למודלים, אנו מעריכים כל הזמן את ביצועי המודלים המובילים מול המדדים שלנו. גישה חדשה זו מהווה קפיצת מדרגה ענקית לעבר עולם שבו חוב טכני של אבטחה מנוהל באופן אוטומטי ומדויק. הישארו מעודכנים, אנחנו רק התחלנו להגדיר מחדש מה זה אומר להיות מאובטח בקנה מידה רחב.

המשוב שלך הוא קריטי ככל שאנו ממשיכים לפתח את הכלים הללו. אם יש לך שאלות או הערות לגבי עדכונים אלה, פנה לצוות ה-Snyk שלך או ל-Snyk Support.

התחל לאבטח קוד שנוצר על ידי AI

צור את חשבון ה-Snyk החינמי שלך כדי להתחיל לאבטח קוד שנוצר על ידי AI באופן אוטומטי. לחלופין, הזמן הדגמה של מומחה כדי לראות כיצד Snyk יכול להתאים למקרי השימוש באבטחת המפתחים שלך.

קרא עוד

⁦PHP2Shell⁩ לא יהיה ה-⁦Last⁩. הנה ⁦Where⁩ ה-⁦Next One Will Show Up First⁩.

⁦PHP2Shell⁩ הראה באיזו מהירות פגם ברמת המנוע יכול לסכן אפליקציות הפונות לאינטרנט. למד מדוע מלאי חיצוני, בדיקות מהירות ובדיקות חוזרות חשובות לפני החשיפה הבאה.

סניק ⁦UNFILTERED⁩: ⁦Inside Our First-Ever Customer Summit⁩

בפסגת הלקוחות הראשונה של ⁦Snyk⁩, מנהיגי אבטחה חלקו נקודות מבט גלויות לגבי ⁦AI⁩ סיכונים, תיקון פגיעות וסוכנים אוטונומיים שולטים. חמישה נושאים חושפים כיצד צוותים מתאימים את האבטחה למהירות ⁦AI⁩.

⁦Turn Your Vulnerability Backlog Into Pull Requests With Agentic Remediation⁩

ה-⁦Evo Remediation Agent⁩ נמצא כעת ב-⁦Open Preview⁩, מביא לפתרון תלות אוטומטי ל-⁦Evo Agentic AppSec⁩. צוותי AppSec יכולים כעת להפעיל תיקון מתמשך

#ai-powered-security#code-remediation#snyk#llm-assisted-dev
קרא במקור