Lagune und Deepsec (v2.2.1) sind zwei defensive Antworten auf dasselbe Problem: Sicherheit im Zeitalter KI-gestützter Entwicklung. Ihre Grundannahme, ihr Anfang, ihre Mitte und ihr Ende sowie die Art, wie sich jedes Projekt seinen Nutzern präsentiert, gehen bewusst auseinander, auch dort, wo sich ihre Mechanik überschneidet.

tipp

Ist Lagune von Deepsec inspiriert? Nein, Lagune ist von Grund auf neu geschrieben und von Spec-Driven Development und Security Hardening inspiriert. Die beiden Projekte sind unabhängig voneinander entstanden, und dieser Vergleich soll Nutzern helfen, ihre Unterschiede zu verstehen.

Auf einen Blick

Aspekt	Lagune	Deepsec
Art	Eine Methodik (SDH) mit einer Referenzimplementierung	Ein Produkt: ein agentengestützter Schwachstellenscanner
Schwerpunkt	Sicherheitsprinzipien und bei Bedarf geladenes Wissen steuern den Agenten, gestützt auf deterministische Hooks	Ein weites Regex-Netz speist eine verpflichtende KI-Untersuchung
Ergebnis	Gehärteter Code, Nachweise und eine nachverfolgte Kette von Befunden	Ein triagierter Bericht mit Befunden, nach Schweregrad geordnet
Ändert deinen Code	Ja: harden bearbeitet deinen Code	Nein: nur statische Analyse, liefert Befunde und Empfehlungstexte
Ausführung	Läuft mit dem Agenten und dem Modell, die du bereits nutzt, in jeder Modellklasse	Betreibt eine eigene Modell-Pipeline, standardmäßig mit einem Frontier-Modell
Erste Schritte	Ein Plugin installieren oder npx skills add, dann in einfacher Sprache steuern, ohne ein neues Tool aufzusetzen	Einen Workspace .deepsec/ aufsetzen, Abhängigkeiten installieren und einen Modellschlüssel hinterlegen

So funktioniert es

Bei Lagune steht der Agent an erster Stelle: Er steuert, lädt bei Bedarf das Wissen, das zum Code passt, und überlässt den deterministischen Hooks den Teil, den sie entscheiden können.

Bei Deepsec steht das Deterministische an erster Stelle: Ein breiter Durchlauf meldet Kandidaten, die einem verpflichtenden Modell zeigen, was es untersuchen und beurteilen soll.

Aspekt	Lagune	Deepsec
Reihenfolge	Sicherheitsprinzipien und passendes Wissen lenken den Agenten, der an Hooks delegiert und den Rest selbst beurteilt	Matcher melden Kandidaten, das Modell untersucht und beurteilt jeden einzelnen
Deterministische Rolle	Hooks für mehrere Programmiersprachen, die ein Urteil liefern oder den Agenten ausrichten, kombiniert mit dem Wissen der Kategorien	Matcher, die Kandidaten melden, damit das verpflichtende Modell sie beurteilt
Entwicklungs-Workflow	/lagune entwickelt sicher mit, direkt während du programmierst	Es prüft Code, schreibt ihn aber nicht
Audit-Workflow	charter → detect → plan → harden → verify	scan → process → triage → revalidate → report
Aufgabe der KI	Aus dem Wissen schlussfolgern, die Korrektur umsetzen und nachweisen, dass sie greift	Jeden Kandidaten untersuchen und die Befunde berichten

Lebenszyklus

Lagune wirkt vor, während und nach dem Schreiben des Codes. Deepsec prüft ein Repository, sobald der Code existiert.

Zeitpunkt	Lagune	Deepsec
Bevor Code existiert	charter leitet aus der erklärten Absicht eine Sicherheitsrichtlinie ab	Setzt bei bestehendem Code an: init braucht ein Verzeichnis
Während der Entwicklung	/lagune entwickelt direkt standardmäßig sicher, ohne ein Artefakt zu hinterlassen	Prüft nach der Entwicklung, nicht währenddessen
Bei bestehendem Code	detect → plan → harden → verify	scan → process, der zentrale Workflow
Fortlaufende Prüfung	Phasen je Umfang erneut ausführen, kein fertiges CI-Gate	Inkrementeller erneuter Durchlauf, process --diff als Exit-Gate für die CI

Erkennungsebene

Die beiden deterministischen Ebenen sind grundverschieden: Die eine entscheidet, die andere meldet.

Aspekt	Lagune	Deepsec
Gruppierung	Hooks und Spezialisierungen, in Kategorien gruppiert	Matcher je Muster oder Framework
Ausgabe	Wörtliches Urteil (finding / review / advisory) plus ein Klassifizierungslabel	Kandidat ohne Urteil (Slug, Zeilen, Codeausschnitt, gefundenes Muster)
Abstimmung	Präzision: erkennt Kommentare, Schutzregeln für Platzhalter und Suchfenster	Recall: weite Netze, die KI sortiert False Positives danach aus
Tiefe	Tiefer bei den gemeinsam abgedeckten Klassen	Breiter, aber weniger tief bei den gemeinsam abgedeckten Klassen
False Positives	Schon an der Quelle gering gehalten, dann im Kontext beurteilt	Absichtlich im Überfluss erzeugt, dann durch einen Durchlauf von revalidate reduziert

Wissen und Urteil

Beide bringen Sicherheitswissen mit, das Regex allein nicht abbilden kann. Sie unterscheiden sich darin, wo es liegt und wer es gestalten kann.

Aspekt	Lagune	Deepsec
Form	Bearbeitbare Markdown-Module, mehrere davon durch einen deterministischen Hook gestützt	Ein kurzer Prompt und Hinweise je Technologie, gestützt auf das eigene Wissen des Modells
Auswahl	Auf den Code abgestimmt, nur geladen, wenn sein Kontext vorhanden ist	In jeden KI-Batch eingefügt, dazu Hinweise für die erkannte Technologie
Wer es verfasst	Der Nutzer bearbeitet Module und fügt mit specialize neue hinzu	Der Maintainer verantwortet den Prompt, der Nutzer füllt eine INFO.md aus
Wo das Urteil fällt	Die Hooks entscheiden die Basis, der Agent beurteilt den Rest anhand des Wissens	Zentral: Ein einziger KI-Prozessor beurteilt jeden Kandidaten
Wiederverwendung	Ein Modul leitet sowohl detect als auch verify	Ein Prompt steuert die einzige Stufe process

Befunde und Abschluss

Am stärksten unterscheiden sie sich darin, was aus einem Befund wird, sobald er gelöst ist.

Aspekt	Lagune	Deepsec
Schweregrad	Eine Bewertung nach CVSS v4.0, angepasst an Exposition und Tragweite	Ein Schweregrad von der KI, dazu eine Triage P0 / P1 / P2 nach Ausnutzbarkeit und Auswirkung
Urteile	Risk closed, Risk not closed oder Cannot tell from the code	true-positive, false-positive, fixed, uncertain, accepted-risk, duplicate
Persistenz	Die Arbeitskette wird abgeglichen, abgeschlossene Befunde werden zu einer Historie verdichtet	Einträge je Datei, die nur ergänzt werden, nichts wird entfernt
Endzustand	Abschließbar: Ein nachgewiesener Befund wird ausgetragen, die Kette kann in den Ruhezustand übergehen	Jeder Befund bleibt dauerhaft erhalten und wird nach der Lösung in den Ansichten ausgeblendet
Detailgrad der Historie	Eine kompakte Zusammenfassung dessen, was das Risiko war	Die vollständige Spur der Urteile, einschließlich dessen, wie es behoben wurde

Kosten

Aspekt	Lagune	Deepsec
Deterministische Basis	Kostenlos: Hooks laufen ohne KI und ohne Schlüssel und liefern bereits Urteile	Kostenlos: scan läuft ohne KI, liefert allein aber keine Urteile
Typische Kosten	In einem Agenten enthalten, den du bereits nutzt: ab 0 US-Dollar mit einem lokalen Modell, zum Preis des Abos, das du schon hast, oder pro Iteration bei Nutzung über eine API	Etwa 25 bis 1200 US-Dollar pro Durchlauf für 100 bis 2000 Dateien, bei größerem Umfang mehr
Günstigster Weg	Jedes Modell, auch ein kostenloses lokales, schließt den Zyklus ab	Es gibt günstigere kostenpflichtige Modellklassen, aber Befunde erfordern die kostenpflichtige KI-Stufe

Erweiterbarkeit und Governance

Jedes öffnet die Ebene, die das andere geschlossen hält.

Aspekt	Lagune	Deepsec
Was du erweiterst	Module bearbeiten oder über specialize neue hinzufügen	Matcher, Agenten, Benachrichtigungen und Zuständigkeiten hinzufügen
Richtlinienebene	Die Sicherheitsprinzipien gelten für jede Phase und sind versioniert	Die Konfiguration ist betrieblich (Matcher, Modelle, Pfade)
Überschreiben per Name	Ein verfeinertes Modul überdeckt das integrierte	Bei einer Kollision von Matcher-Slugs gewinnt dein Matcher

Schnittstellen

Deepsec liefert Ergebnisse für eine Sicherheitsorganisation. Lagune zeigt eine Live-Ansicht für die Person, die es ausführt.

Aspekt	Lagune	Deepsec
Oberfläche für Menschen	Ein lokales Live-Dashboard der gesamten Kette, in einfacher Sprache	Dateien für Bericht, Export, Metriken und PR-Kommentare, dazu eine Dokumentationsseite
Verantwortlichkeit	Zeigt Dateien und die angewendeten Spezialisierungen	Schlägt eine zuständige Person vor: Rufbereitschaft, Manager oder Committer
Reproduzierbarer Nachweis	prove schreibt ausführbare Tests und einen Sicherheitshinweis zur Offenlegung	Bleibt bewusst statisch und führt das Ziel nie aus
Selbstschutz des Tools	Härtet eine lokale Schreib-API im Dashboard	Härtet die eigene KI-Ausführung gegen nicht vertrauenswürdigen Zielcode

Skalierung und Bereitstellung

Aspekt	Lagune	Deepsec
Installation	Neun Befehle aus dem Plugin deines Agenten oder über die CLI von skills, ohne etwas im Projekt anzulegen	Ein Workspace .deepsec/ mit eigenem Paket und eigenen Abhängigkeiten
Skalierungsrichtung	Beschränkt sich auf jeden beliebigen Ausschnitt, einen Kontext, von einer Datei bis zum ganzen Projekt	Durchsucht ganze Repositories, bis hin zu großen Monorepos
Verteilung	Nur lokal, der einzige Server lauscht auf Loopback	Optional auf Worker-VMs von Vercel Sandbox verteilt

Nutzererfahrung

Wie beide der Person begegnen, die sie ausführt: was der erste Durchlauf erfordert und wie man sie ausrichtet.

Einstieg

Lagune läuft über den Agenten, der bereits geöffnet ist. Deepsec richtet zuerst einen eigenen Workspace und den Zugang zum Modell ein.

Aspekt	Lagune	Deepsec
Erster Befehl	Die Installation des Plugins oder npx skills add wellwelwel/lagune, dann /lagune-* im Agenten	npx deepsec init, dann cd .deepsec, pnpm install, scan, process
Zugangsdaten zum Ausführen	Kein separater Schlüssel, es nutzt deinen aktuellen Agenten	Ein Modellschlüssel (z. B. AI Gateway, ein 12 Stunden gültiges OIDC-Token von Vercel oder ein Token von Anthropic)

Steuerung

Beide lassen sich steuern. Lagune liest in jeder Phase die Form der Eingabe. Deepsec grenzt die Dateimenge ein, über die dieselbe Untersuchung läuft.

Aspekt	Lagune	Deepsec
Ganzes Projekt	Eine Phase ohne Eingabe durchsucht den gesamten Umfang	scan und process durchsuchen das Repository
Ein Ausschnitt	Jede Phase lässt sich auf angegebene Dateien oder Verzeichnisse beschränken	--files, --files-from oder --diff grenzen den Durchlauf ein
Ein Anliegen	Eine Phase lässt sich auf eine beschriebene Sorge beschränken	Der Prompt der Untersuchung ist fest vorgegeben
Eine Prioritätsstufe	harden und verify lassen sich auf den Schweregrad kritisch, hoch, mittel oder niedrig beschränken	Befunde werden nach dem Durchlauf eingestuft
Ein einzelner Wert	Ein Hook bewertet direkt einen Codeausschnitt, ein Muster oder eine URL (--pattern, --url)	Die Arbeitseinheit ist eine Datei

Häufige Fragen

Bei Lagune steht der Agent an erster Stelle, und es wirkt vor, während und nach dem Schreiben des Codes: Es legt Richtlinien fest, bevor Code entsteht, härtet direkt während der Entwicklung und auditiert, härtet und verifiziert bereits geschriebenen Code. Bei Deepsec steht das Deterministische an erster Stelle: Ein breiter Regex-Durchlauf speist eine verpflichtende Untersuchung durch ein Frontier-Modell, die bestehenden Code prüft und Befunde meldet, ohne ihn zu ändern.

Der gesamte Workflow von Lagune kann mit einem kostenlosen lokalen Modell für 0 US-Dollar laufen, und die deterministischen Hooks liefern ganz ohne KI Urteile. Der Scan von Deepsec ist kostenlos, liefert aber keine Urteile, sodass jeder Befund die kostenpflichtige KI-Stufe erfordert.

Lagune schon: harden setzt Korrekturen in deinem Code um. Deepsec nicht: Es führt nur eine statische Analyse durch und liefert Befunde und Empfehlungstexte, die eine Person oder ein Agent separat umsetzt.