Qdrant ignoriert QDRANT_API_KEY auf dem Server (es liest nur QDRANT__SERVICE__API_KEY), eine Weaviate-Konfiguration, die API-Schlüssel hinzufügt, aber den anonymen Zugriff auf 'true' belässt, lässt weiterhin jeden herein, und Docker veröffentlicht "6333:6333" auf allen Schnittstellen. Jeder einzelne dieser Fehler macht jedes von Ihnen indexierte Dokument für jeden zugänglich, der den Port findet. Dieser Skill findet diese und die weiteren unten aufgeführten Fehler bei Vektordatenbanken vor dem Deployment und erklärt Ihnen, wie Sie jeden einzelnen beheben.

Ihr Agent führt einen Scanner über Docker-Compose-Dateien, Kubernetes-Manifeste, Helm-Values für die Charts von Weaviate, Qdrant und Milvus, Serverkonfigurationen von Qdrant, Milvus und Chroma, .env-Dateien sowie Client-Code in Python, JavaScript und TypeScript aus (einschließlich Pinecone-Clients und Vector Stores von LangChain und LlamaIndex). Er kennt die tatsächlichen Einstellungsnamen und Standardwerte jedes Servers, behandelt ${VAR}-Verweise und Kubernetes-secretKeyRef-Werte als konfiguriert, stuft lokale Quickstart-Compose-Dateien als REVIEW statt BLOCK ein und verbindet sich nie mit einer Datenbank. Er liefert BLOCK, REVIEW oder NOT FLAGGED, jeweils mit Datei, Zeile, Begründung und einem sichereren Vorgehen. Secrets werden nie ausgegeben.

Was geprüft wird

BLOCK (vor der Auslieferung beheben)

• V01: eine Datenbank, deren fehlende Authentifizierung aus der Datei hervorgeht, hinter einem öffentlichen LoadBalancer (Kubernetes Service oder Helm-Values)
• V02: Authentifizierung, die der Server ignoriert: anonymer Zugriff bei Weaviate neben API-Schlüsseln eingeschaltet gelassen, anonyme Admins, Schalter auf 'yes' gesetzt, QDRANT_API_KEY im Qdrant-Container, veraltete Auth-Einstellungen bei Chroma 1.x
• V03: API-Schlüssel, Passwörter und Tokens, die direkt in Compose, Kubernetes, Helm-Values, Serverkonfigurationen, Einstellungsmodulen oder Client-Code stehen, einschließlich Weaviate-Modulschlüsseln wie OPENAI_APIKEY (mit SOPS verschlüsselte Werte werden übersprungen)
• V04: der Standard-Root-Login von Milvus (root mit dem Passwort Milvus), der an einen öffentlichen Host gesendet wird

REVIEW (vor dem Release prüfen)

• V11: ein Datenbankport ohne Authentifizierung, der auf allen Schnittstellen veröffentlicht ist, ein Load Balancer mit unklarer Reichweite oder Helm-Values, die sich auf den Chart-Standard ohne Authentifizierung verlassen
• V12: unverschlüsseltes HTTP oder abgeschaltete Zertifikatsprüfung bei der Verbindung zu einer entfernten Datenbank
• V13: der eingeschaltete Reset-Endpunkt von Chroma
• V14: anonymer Lesezugriff oder jeder API-Schlüssel-Nutzer als Admin in Weaviate
• V15: Datenbank-Images mit einem wandernden Tag (wie latest oder ganz ohne Tag)
• V16: veröffentlichter Cluster-Port 6335 von Qdrant oder Profiling-Port 6060 von Weaviate
• V17: das Standard-Root-Passwort von Milvus, das vermutlich noch verwendet wird (root:Milvus zu einem internen Host oder eingeschaltete Autorisierung ohne neues Root-Passwort)

Lieferumfang

• Der Scanner (Python 3.9+, nur Standardbibliothek)
• Ein Regelleitfaden mit Begründung, sichererem Vorgehen und die offizielle Quelle für jede Regel
• Ein riskantes und ein sicheres Beispiel-RAG-Projekt (Compose, Kubernetes, .env und Python) sowie der echte Bericht, den der Scanner für das riskante erzeugt

Grenzen

Er liest jede Datei für sich: Ein Kubernetes Service wird nur mit Workloads in derselben Datei abgeglichen, Helm-Templates werden nicht gerendert, und Dateien, die per env_file angegeben oder als Serverkonfiguration eingebunden werden, werden nicht geöffnet, sodass dort gesetzte Authentifizierung als unbekannt gilt. Ein Host gilt als entfernt, wenn er eine öffentliche IP ist oder auf eine öffentliche Top-Level-Domain endet. Ingress-Authentifizierung, Netzwerkrichtlinien und Cloud-Firewalls sind nicht bekannt, und Dockerfiles, Notebooks und Terraform werden nicht gelesen. NOT FLAGGED ist keine Garantie.

Inhalt

Eine ZIP-Datei mit 23 Dateien: SKILL.md, der Scanner in scripts/ (8 Python-Dateien), references/rules.md (jede Regel mit Begründung und sichererem Vorgehen) und examples/ (12 Beispieldateien plus report.md, die echte Ausgabe des Scanners für das riskante Beispiel).

So verwenden Sie es: Dies ist ein Agent-Skill: ein Ordner mit einer Datei SKILL.md und Python-Skripten, die ein KI-Coding-Agent wie Claude Code, Cursor oder Codex CLI ausführen kann. Entpacken Sie ihn in den Skills-Ordner Ihres Agenten (für Claude Code: ~/.claude/skills/) und bitten Sie Ihren Agenten dann, Ihr Projekt zu prüfen. Die Skripte laufen auch eigenständig mit Python 3.9 oder neuer, ohne dass etwas installiert werden muss. Sie lesen nur Ihre Dateien: kein Netzwerkzugriff, und nichts wird irgendwohin gesendet.