Qdrant ignore QDRANT_API_KEY côté serveur (il ne lit que QDRANT__SERVICE__API_KEY), une configuration Weaviate qui ajoute des clés API mais laisse l'accès anonyme à 'true' laisse toujours entrer n'importe qui, et Docker publie "6333:6333" sur toutes les interfaces. Chacune de ces erreurs expose tous les documents que vous avez indexés à quiconque trouve le port. Cette compétence détecte ces erreurs et les autres erreurs de bases de données vectorielles listées ci-dessous avant le déploiement, et vous indique comment corriger chacune d'elles.

Votre agent exécute un scanner sur les fichiers Docker Compose, les manifestes Kubernetes, les values Helm des charts Weaviate, Qdrant et Milvus, les configurations serveur de Qdrant, Milvus et Chroma, les fichiers .env et le code client Python, JavaScript et TypeScript (y compris les clients Pinecone et les vector stores LangChain et LlamaIndex). Il connaît les vrais noms de paramètres et les valeurs par défaut de chaque serveur, considère les références ${VAR} et les valeurs secretKeyRef de Kubernetes comme configurées, attribue REVIEW plutôt que BLOCK aux fichiers Compose de démarrage rapide locaux et ne se connecte jamais à une base de données. Il renvoie BLOCK, REVIEW ou NOT FLAGGED, avec le fichier, la ligne, la raison et une approche plus sûre. Les secrets ne sont jamais affichés.

Ce qui est vérifié

BLOCK (à corriger avant la mise en production)

• V01 : une base de données dont le fichier montre l'absence d'authentification, derrière un LoadBalancer public (Kubernetes Service ou values Helm)
• V02 : une authentification que le serveur ignore : accès anonyme Weaviate laissé actif à côté des clés API, administrateurs anonymes, options réglées sur 'yes', QDRANT_API_KEY sur le conteneur Qdrant, anciens paramètres d'authentification sur Chroma 1.x
• V03 : clés API, mots de passe et tokens écrits en dur dans Compose, Kubernetes, les values Helm, les configurations serveur, les modules de paramètres ou le code client, y compris les clés de modules Weaviate comme OPENAI_APIKEY (les valeurs chiffrées avec SOPS sont ignorées)
• V04 : l'identifiant root par défaut de Milvus (root avec le mot de passe Milvus) envoyé à un hôte public

REVIEW (à vérifier avant la publication)

• V11 : un port de base de données sans authentification publié sur toutes les interfaces, un load balancer dont la portée est incertaine, ou des values Helm qui s'appuient sur l'absence d'authentification par défaut du chart
• V12 : HTTP non chiffré ou vérification des certificats désactivée lors de la connexion à une base de données distante
• V13 : l'endpoint de réinitialisation de Chroma activé
• V14 : accès anonyme en lecture, ou tous les utilisateurs de clés API administrateurs, dans Weaviate
• V15 : images de bases de données sur un tag mouvant (de type latest ou sans tag)
• V16 : port de cluster 6335 de Qdrant ou port de profilage 6060 de Weaviate publié
• V17 : le mot de passe root par défaut de Milvus probablement encore utilisé (root:Milvus vers un hôte interne, ou autorisation activée sans nouveau mot de passe root)

Ce qui est inclus

• Le scanner (Python 3.9+, bibliothèque standard uniquement)
• Un guide des règles avec, pour chaque règle, la raison, une approche plus sûre et la source officielle
• Un exemple de projet RAG risqué et un exemple sûr (Compose, Kubernetes, .env et Python), ainsi que le rapport réel produit par le scanner sur l'exemple risqué

Limites

Il lit chaque fichier isolément : un Kubernetes Service n'est associé qu'aux workloads du même fichier, les templates Helm ne sont pas rendus, et les fichiers désignés par env_file ou montés comme configuration serveur ne sont pas ouverts, de sorte que l'authentification qui y est définie est considérée comme inconnue. Un hôte est considéré comme distant lorsqu'il s'agit d'une IP publique ou qu'il se termine par un domaine de premier niveau public. L'authentification de l'Ingress, les politiques réseau et les pare-feu cloud ne sont pas connus, et les Dockerfiles, notebooks et fichiers Terraform ne sont pas lus. NOT FLAGGED n'est pas une garantie.

Contenu

Un fichier ZIP contenant 23 fichiers : SKILL.md, le scanner dans scripts/ (8 fichiers Python), references/rules.md (chaque règle avec sa raison et une approche plus sûre) et examples/ (12 fichiers d'exemple plus report.md, le rapport réel du scanner sur l'exemple risqué).

Mode d'emploi : Il s'agit d'une compétence (skill) pour agent : un dossier contenant un fichier SKILL.md et des scripts Python qu'un agent de codage IA comme Claude Code, Cursor ou Codex CLI peut exécuter. Décompressez-le dans le dossier des skills de votre agent (pour Claude Code : ~/.claude/skills/), puis demandez à votre agent de vérifier votre projet. Les scripts fonctionnent aussi seuls avec Python 3.9 ou plus récent, sans rien à installer. Ils se contentent de lire vos fichiers : aucun accès réseau, et rien n'est envoyé nulle part.