Lagune dan Deepsec (v2.2.1) adalah dua jawaban defensif untuk masalah yang sama: keamanan di era pengembangan yang dibantu AI. Premis keduanya, awal, tengah, dan akhirnya, serta cara masing-masing tampil di hadapan pengguna sengaja dibuat berbeda, bahkan ketika mekanismenya beririsan.

tip

Apakah Lagune terinspirasi dari Deepsec? Tidak. Lagune ditulis dari nol dan terinspirasi dari Spec-Driven Development dan Security Hardening. Kedua proyek dikembangkan secara terpisah, dan perbandingan ini ada untuk membantu pengguna memahami perbedaan keduanya.

Sekilas

Aspek	Lagune	Deepsec
Jenis	Metodologi (SDH) dengan implementasi referensi	Produk: pemindai kerentanan bertenaga agen
Pusat gravitasi	Prinsip keamanan dan pengetahuan yang dimuat hanya saat dibutuhkan mengarahkan agen, dengan pijakan hook deterministik	Jaring regex yang lebar memasok investigasi AI yang wajib
Hasilnya	Kode yang diperkuat, pembuktian, dan rantai temuan yang dilacak	Laporan temuan yang sudah ditriase dan diurutkan menurut tingkat keparahan
Menyentuh kode	Ya: harden mengubah kode Anda	Tidak: hanya analisis statis, menghasilkan temuan dan teks rekomendasi
Runtime	Berjalan di agen dan model yang sudah Anda pakai, di tingkat apa pun	Menjalankan pipeline model sendiri, secara bawaan memakai model kelas frontier
Memulai	Satu kali instal plugin atau npx skills add, lalu arahkan dengan bahasa sehari-hari, tanpa tool baru yang perlu disiapkan	Siapkan workspace .deepsec/, instal dependensi, dan tambahkan kunci model

Cara kerjanya

Lagune mengutamakan agen (agent-first): agen yang memegang kendali, memuat pengetahuan hanya saat dibutuhkan sesuai jenis kodenya, dan menyerahkan bagian yang bisa diputuskan secara pasti ke hook deterministik.

Deepsec mengutamakan determinisme (deterministic-first): pemindaian yang lebar menandai kandidat, lalu kandidat itu menunjukkan kepada model wajib apa yang perlu diselidiki dan dinilai.

Aspek	Lagune	Deepsec
Urutan	Prinsip keamanan dan pengetahuan yang cocok mengarahkan agen, yang menyerahkan ke hook dan menilai sisanya	Matcher menandai kandidat, model menyelidiki dan menilai satu per satu
Peran deterministik	Hook multibahasa yang mengembalikan putusan atau mengarahkan agen, dipadukan dengan pengetahuan kategori	Matcher yang menandai kandidat untuk dinilai model wajib
Alur pengembangan	/lagune membangun dengan aman langsung saat Anda menulis kode	Meninjau kode, tidak menulisnya
Alur audit	charter → detect → plan → harden → verify	scan → process → triage → revalidate → report
Tugas AI	Bernalar dari pengetahuan, menerapkan perbaikan, dan membuktikan perbaikan itu bertahan	Menyelidiki setiap kandidat dan melaporkan temuan

Siklus hidup

Lagune bekerja sebelum, selama, dan setelah kode ditulis. Deepsec meninjau repositori setelah kodenya ada.

Momen	Lagune	Deepsec
Sebelum kode ada	charter menyusun kebijakan keamanan dari tujuan yang dinyatakan	Berangkat dari kode yang sudah ada: init membutuhkan direktori
Saat membangun	/lagune membangun dengan aman secara bawaan, langsung di alur, tanpa meninggalkan artefak	Meninjau setelah membangun, bukan selama prosesnya
Pada kode yang sudah ada	detect → plan → harden → verify	scan → process, alur intinya
Peninjauan berkelanjutan	Jalankan ulang fase per cakupan, tanpa gerbang CI siap pakai	Pemindaian ulang inkremental, process --diff sebagai gerbang keluar CI

Lapisan deteksi

Kedua lapisan deterministik itu berlawanan sifatnya: yang satu memutuskan, yang lain menandai.

Aspek	Lagune	Deepsec
Pengelompokan	Hook dan spesialisasi, dikelompokkan dalam kategori	Matcher per pola atau framework
Output	Putusan literal (finding / review / advisory) ditambah label klasifikasi	Kandidat tanpa putusan (slug, baris, potongan kode, pola yang cocok)
Penyetelan	Presisi: peka komentar, dengan pengaman placeholder dan jendela	Recall: jaring lebar, AI memangkas positif palsu sesudahnya
Kedalaman	Lebih dalam pada kelas yang dicakup keduanya	Lebih luas, kurang dalam pada kelas yang dicakup keduanya
Positif palsu	Ditekan sejak sumbernya, lalu dinilai sesuai konteks	Sengaja dihasilkan berlebih, lalu dikurangi lewat tahap revalidate

Pengetahuan dan penilaian

Keduanya membawa pengetahuan keamanan yang tidak bisa dijangkau regex. Bedanya ada pada tempat pengetahuan itu berada dan siapa yang bisa membentuknya.

Aspek	Lagune	Deepsec
Bentuk	Modul markdown yang bisa diedit, beberapa didukung hook deterministik	Prompt singkat dan sorotan per teknologi, bersandar pada pengetahuan model itu sendiri
Pemilihan	Dicocokkan dengan kode, dimuat hanya saat konteksnya ada	Disisipkan ke setiap batch AI, ditambah sorotan untuk teknologi yang terdeteksi
Siapa yang menulis	Pengguna mengedit modul dan menambah modul baru dengan specialize	Maintainer memegang prompt, pengguna mengisi INFO.md
Letak penilaian	Hook memutuskan lapisan dasarnya, agen menilai sisanya dari pengetahuan	Terpusat: satu prosesor AI menilai setiap kandidat
Pemakaian ulang	Satu modul memandu detect sekaligus verify	Satu prompt menggerakkan satu-satunya tahap process

Temuan dan penutupan

Perbedaan terbesar keduanya ada pada nasib sebuah temuan setelah diselesaikan.

Aspek	Lagune	Deepsec
Tingkat keparahan	Skor CVSS v4.0, disesuaikan dengan eksposur dan taruhannya	Tingkat keparahan dari AI, ditambah triase P0 / P1 / P2 atas kemungkinan eksploitasi dan dampaknya
Putusan	Risk closed, Risk not closed, atau Cannot tell from the code	true-positive, false-positive, fixed, uncertain, accepted-risk, duplicate
Persistensi	Rantai kerja diselaraskan dengan kondisi terkini, temuan yang ditutup disarikan menjadi riwayat	Catatan per file yang hanya terus ditambah, tidak ada yang dihapus
Kondisi akhir	Bisa dituntaskan: temuan yang terbukti ditutup, dan siklus pun tuntas	Setiap temuan disimpan selamanya, disembunyikan dari tampilan setelah diselesaikan
Detail riwayat	Ringkasan singkat tentang risikonya	Jejak putusan lengkap, termasuk cara perbaikannya

Biaya

Aspek	Lagune	Deepsec
Lapisan dasar deterministik	Gratis: hook berjalan tanpa AI dan tanpa kunci, dan sudah menghasilkan putusan	Gratis: scan berjalan tanpa AI, tetapi tidak menghasilkan putusan sendiri
Tagihan umum	Sudah termasuk dalam agen yang Anda jalankan, bisa $0 dengan model lokal, sesuai harga paket yang sudah Anda pakai, atau per iterasi untuk penggunaan berbasis API	Kira-kira $25 hingga $1.200 per eksekusi untuk 100 hingga 2.000 file, dan lebih besar lagi dalam skala besar
Jalur termurah	Model apa pun, termasuk model lokal gratis, bisa menuntaskan siklus	Ada tier berbayar yang lebih murah, tetapi temuan tetap memerlukan tahap AI berbayar

Ekstensibilitas dan tata kelola

Masing-masing membuka lapisan yang ditutup oleh yang lain.

Aspek	Lagune	Deepsec
Yang bisa Anda perluas	Edit modul, atau tambahkan yang baru lewat specialize	Tambahkan matcher, agen, notifier, dan kepemilikan
Lapisan kebijakan	Prinsip keamanan mengatur setiap fase dan diberi versi	Konfigurasi bersifat operasional (matcher, model, path)
Override berdasarkan nama	Modul yang disempurnakan menggantikan modul bawaan	Saat slug matcher bentrok, matcher Anda yang menang

Antarmuka

Deepsec menghasilkan deliverable untuk organisasi keamanan. Lagune menampilkan tampilan langsung bagi siapa pun yang menjalankannya.

Aspek	Lagune	Deepsec
Antarmuka untuk manusia	Dasbor lokal langsung untuk seluruh rantai, dalam bahasa sehari-hari	File laporan, ekspor, metrik, dan komentar PR, ditambah situs dokumentasi
Akuntabilitas	Menunjukkan file dan spesialisasi yang diterapkan	Mengarahkan ke penanggung jawab yang disarankan: petugas on-call, manajer, atau committer
Pembuktian yang bisa diulang	prove menulis tes yang bisa dijalankan dan advisori keamanan untuk pengungkapan	Sengaja tetap statis, tidak pernah menjalankan target
Pertahanan diri tool	Memperkuat API tulis lokal di dasbor	Memperkuat eksekusi AI miliknya terhadap kode target yang tidak tepercaya

Skala dan penerapan

Aspek	Lagune	Deepsec
Instalasi	Sembilan perintah dari plugin agen Anda atau skills CLI, tanpa file yang dibuat di proyek	Workspace .deepsec/ dengan paket dan dependensinya sendiri
Arah skala	Bisa dibatasi ke bagian mana pun, sebuah konteks, dari satu file hingga seluruh proyek	Memindai seluruh repositori, hingga monorepo besar
Distribusi	Hanya lokal, satu-satunya server terikat ke loopback	Opsional disebar ke VM worker Vercel Sandbox

Pengalaman pengguna

Cara masing-masing menyambut orang yang menjalankannya: apa yang dibutuhkan saat pertama kali dijalankan, dan bagaimana operator mengarahkannya.

Langkah awal

Lagune berjalan lewat agen yang sudah terbuka. Deepsec lebih dulu menyiapkan workspace dan akses model miliknya sendiri.

Aspek	Lagune	Deepsec
Perintah pertama	Instal plugin atau npx skills add wellwelwel/lagune, lalu /lagune-* di agen	npx deepsec init, lalu cd .deepsec, pnpm install, scan, process
Kredensial untuk menjalankan	Tanpa kunci terpisah, memakai agen Anda saat ini	Kunci model (misalnya AI Gateway, token OIDC Vercel 12 jam, atau token Anthropic)

Mengarahkannya

Keduanya menerima arahan. Lagune membaca bentuk input di tiap fase. Deepsec mempersempit kumpulan file yang dicakup oleh investigasi yang sama.

Aspek	Lagune	Deepsec
Seluruh proyek	Fase tanpa input memindai seluruh cakupan	scan dan process memindai seluruh repositori
Sebagian	Fase apa pun bisa dibatasi ke file atau direktori tertentu	--files, --files-from, atau --diff mempersempit eksekusi
Kekhawatiran	Fase bisa dibatasi ke kekhawatiran yang Anda deskripsikan	Prompt investigasinya tetap
Rentang prioritas	harden dan verify bisa dibatasi ke tingkat kritis, tinggi, sedang, atau rendah	Temuan diberi label setelah eksekusi
Satu nilai	Hook langsung memberi skor satu potongan kode, pola, atau URL (--pattern, --url)	Unit kerjanya adalah file

Pertanyaan yang sering diajukan

Lagune mengutamakan agen dan bekerja sebelum, selama, dan setelah kode ditulis: menetapkan kebijakan sebelum kode ada, memperkuat keamanan langsung saat membangun, serta mengaudit, memperkuat, dan memverifikasi kode yang sudah ditulis. Deepsec mengutamakan determinisme: pemindaian regex yang lebar memasok investigasi wajib oleh model kelas frontier, yang meninjau kode yang sudah ada dan melaporkan temuan tanpa mengubahnya.

Seluruh alur Lagune bisa berjalan dengan biaya $0 di model lokal gratis, dan hook deterministiknya menghasilkan putusan tanpa AI sama sekali. Scan Deepsec gratis, tetapi tidak menghasilkan putusan, jadi setiap temuan memerlukan tahap AI berbayarnya.

Lagune mengubahnya: harden menerapkan perbaikan ke kode Anda. Deepsec tidak: Deepsec hanya melakukan analisis statis, menghasilkan temuan dan teks rekomendasi yang diterapkan secara terpisah oleh orang atau agen.