# Przykładowe prompty Lagune: Automatyzacja przepływu pracy Blue Team > Gotowe do skopiowania prompty Lagune: skanowanie tylko do odczytu, pełny przepływ pracy Blue Team i audyt Zero Trust, a także wykrywanie ograniczone do commita, diffu gałęzi lub PR albo rzeczywistego incydentu. Adres kanoniczny: https://lagune.ai/pl-PL/docs/examples/prompts Język: pl-PL Oryginał: https://lagune.ai/docs/examples/prompts Ostatnia aktualizacja: 2026-11-09 Gotowe do skopiowania prompty Lagune, które możesz wkleić prosto do swojego agenta AI. ## 💧 Płytkie skanowanie Skanowanie tylko do odczytu, w którym agent samodzielnie czyta kod i zgłasza każdą lukę razem z poprawką, bez uruchamiania przepływu pracy Blue Team i bez zapisywania czegokolwiek w śledzeniu Lagune. **Wskazówka** Działa lepiej w trybie planowania i ze zdefiniowanymi zasadami bezpieczeństwa (`/lagune-charter`). **🪼 Domyślnie** | Aspekt | Kompromis | Poziom | | ------------------- | --------------------------------------------------------------------- | ------------------- | | **Nakład pracy** | Jeden agent skanuje i raportuje, bez subagentów. | 1/5 | | **Czas** | Krótki. Jedno przejście tylko do odczytu, niczego nie wdraża. | 2/5 | | **Zużycie tokenów** | Umiarkowane, wspólne. Całe skanowanie odbywa się w jednym kontekście. | 2/5 | ```md /lagune Jesteś badaczem cyberbezpieczeństwa z głęboką wiedzą z zakresu bezpieczeństwa defensywnego i korzystasz z Lagune, aby poszerzyć swoją wiedzę i zwiększyć precyzję. Samodzielnie przeskanuj obszar roboczy i do każdej znalezionej luki dobierz konkretną poprawkę. To osobne skanowanie, a nie przepływ pracy Blue Team: nie uruchamiaj faz detect, plan, harden ani verify i niczego nie zapisuj w śledzeniu Lagune. Na koniec wypisz wszystkie znalezione luki, każdą z jej poziomem zagrożenia i konkretną poprawką. ``` **🐬 Wiele agentów** | Aspekt | Kompromis | Poziom | | ------------------- | ------------------------------------------------------------------------------------ | ------------------- | | **Nakład pracy** | Jeden subagent na plik, w liczbie dopasowanej do rozmiaru bazy kodu. | 2/5 | | **Czas** | Równolegle dla każdego pliku, potem scalanie w jeden raport. Nadal tylko do odczytu. | 3/5 | | **Zużycie tokenów** | Wyższe, ale izolowane. Każdy subagent skanuje we własnym kontekście. | 3/5 | ````md /lagune Jesteś orkiestratorem cyberbezpieczeństwa i korzystasz z Lagune, aby wyliczyć ścieżki, uruchomić po jednym subagencie na ścieżkę i scalić ich raporty (całą treść czytają subagenci). Musisz przekazać zadanie subagentom w zależności od rozmiaru bieżącego projektu: im większa baza kodu, tym więcej subagentów należy uruchomić, wszystkich równolegle, i każdemu przekazać poniższy prompt: ```prompt /lagune Jesteś badaczem cyberbezpieczeństwa z głęboką wiedzą z zakresu bezpieczeństwa defensywnego i korzystasz z Lagune, aby poszerzyć swoją wiedzę i zwiększyć precyzję. Samodzielnie przeskanuj i do każdej znalezionej luki dobierz konkretną poprawkę. To osobne skanowanie, a nie przepływ pracy Blue Team: nie uruchamiaj faz detect, plan, harden ani verify i niczego nie zapisuj w śledzeniu Lagune. Na koniec wypisz wszystkie luki w , każdą z jej poziomem zagrożenia i konkretną poprawką. ``` Na koniec scal raporty wszystkich subagentów w jedną listę luk i poprawek uporządkowaną według priorytetu. ```` **Ostrzeżenie** Szybkie skanowanie to jeden szeroki prompt bez zawężonego zakresu, więc niektórzy agenci częściej go odrzucają lub przerywają przed czasem. Jeśli twój agent się opiera, uruchom zamiast tego pełny **przepływ pracy Blue Team** opisany niżej: jego fazy, o wąskim zakresie i wykonywane krok po kroku, znacznie rzadziej są blokowane. --- ## 🌊 Automatyczny audyt w przepływie pracy Blue Team Uruchamia [pełny przepływ poleceń](https://lagune.ai/pl-PL/docs/get-started/commands) od początku do końca. **🪼 Domyślnie** | Aspekt | Kompromis | Poziom | | ------------------- | ---------------------------------------------------------------------------------------------------- | ------------------- | | **Nakład pracy** | Jeden agent, bez subagentów, niezależnie od rozmiaru bazy kodu. | 3/5 | | **Czas** | Średni, ale w dużych bazach kodu mniej dokładny. Każde polecenie uruchamia się raz, jedno po drugim. | 4/5 | | **Zużycie tokenów** | Niższe, ale z mniejszą izolacją. Wszystkie polecenia dzielą ten sam kontekst. | 4/5 | ```md Uruchom po kolei następujące polecenia: `/lagune-charter`, `/lagune-detect`, `/lagune-plan`, `/lagune-harden` i `/lagune-verify`. ## Pętla Gdy polecenie `/lagune-verify` odrzuci jedną lub więcej poprawek, powtarzaj `/lagune-harden`, a potem `/lagune-verify`, aż wszystkie ustalenia zostaną prawidłowo rozwiązane. ``` **🐋 Wiele agentów (głębokie skanowanie)** | Aspekt | Kompromis | Poziom | | ------------------- | -------------------------------------------------------------------------------------------------------------------- | ------------------- | | **Nakład pracy** | Liczba subagentów zależy od rozmiaru bazy kodu. | 5/5 | | **Czas** | Dłuższy, ale dokładniejszy. Uruchamia wielu subagentów, którzy równolegle wykrywają, planują i utwardzają ustalenia. | 5/5 | | **Zużycie tokenów** | Wyższe, ale bezpieczniejsze. Każdy subagent ma własny, izolowany kontekst, wolny od stronniczości. | 5/5 | ````md Przekaż każde z poniższych poleceń osobnemu subagentowi, po jednym naraz (bez backticków, samo polecenie): Prompt subagenta 1: `/lagune-charter` Prompt subagenta 2: `/lagune-detect` Prompt subagenta 3: `/lagune-plan` Prompt subagenta 4: `/lagune-harden` Prompt subagenta 5: `/lagune-verify` W poleceniach `/lagune-detect`, `/lagune-plan`, `/lagune-harden` i `/lagune-verify` musisz przekazywać zadanie subagentom w zależności od rozmiaru bieżącego projektu: im większa baza kodu, tym więcej subagentów należy uruchomić. Na przykład: ```prompt /lagune-detect ``` ```prompt /lagune-plan ``` ```prompt /lagune-harden ``` ```prompt /lagune-verify ``` - Wielu agentów dla tego samego polecenia uruchamiaj równolegle. - Gdy wszyscy subagenci polecenia `/lagune-detect` skończą pracę, wykonaj: ```prompt /lagune-detect scal równoważne ustalenia. Nie szukaj nowych ustaleń i nie skanuj ponownie bazy kodu. ``` ## Pętla Gdy polecenie `/lagune-verify` odrzuci jedną lub więcej poprawek, powtarzaj `/lagune-harden`, a potem `/lagune-verify`, aż wszystkie ustalenia zostaną prawidłowo rozwiązane. ```` --- ## 🪄 Wykrywanie w wybranym zakresie Skieruj polecenie [`/lagune-detect`](https://lagune.ai/pl-PL/docs/commands/detect) na wybrany fragment projektu zamiast na całość. Opisz zakres zwykłymi słowami (commit, pull request albo rzeczywistą sytuację), a polecenie zmapuje tylko ustalenia istotne dla bezpieczeństwa w tym zakresie. **Wskazówka** Wszystko, co tu wykryje, to zwykłe ustalenia, więc możesz przekazać je prosto do poleceń `/lagune-plan`, `/lagune-harden` i `/lagune-verify`, ograniczając zakres tylko do tych elementów. **📌 Od commita** Poddaj świeżą partię commitów osobnemu przeglądowi bezpieczeństwa, ograniczonemu do tego, co zmieniły, na przykład: ```prompt /lagune-detect Ogranicz wykrywanie do wszystkiego, co zmieniło się od commita `a1b2c3d`. ``` **🔀 Diff gałęzi lub PR** Sprawdź bezpieczeństwo pull requesta przed scaleniem, ograniczając się do jego diffu, na przykład: ```prompt /lagune-detect Ogranicz wykrywanie do zmian, które ta gałąź wprowadza względem `main`. ``` **⛑️ Po incydencie** Opisz własnymi słowami, co się stało. Lagune odczytuje sytuację, a nie flagę, i zamienia ją w ukierunkowane poszukiwania, na przykład: ```prompt /lagune-detect Kilka tygodni temu na naszej stronie doszło do wycieku danych. Nie wiem dokładnie, jak to się stało, i obawiam się, że wciąż jest otwarta jakaś furtka, przez którą dane mogą znowu wyciec. Dokładnie przejrzyj kod, skup się na wszystkich miejscach, w których wrażliwe dane są odczytywane, przechowywane lub ujawniane, i zmapuj wszystko, co wciąż może być drogą wycieku. Potraktuj to jak prawdziwy incydent, a nie ćwiczenia. ``` --- ## 🚨 Audyt Zero Trust Traktuje cały obszar roboczy i każdą zależność jako wrogie: szuka interpreterów, wywołań sieciowych, zakodowanych payloadów i kodu ukrytego w nieoczywistych miejscach tak, by umknął skanerom, a na koniec wydaje werdykt go/no-go, czy projekt jest bezpieczny w użyciu. Prompty ładują bezpośrednio specjalizacje, na których opiera się ten audyt, niezależnie od kategorii projektu. Aby polecenie `/lagune` dopasowało też resztę katalogu, upewnij się, że projekt korzysta z kategorii **OWASP**, **AI/LLM** oraz z kategorii swojego stosu technologicznego (np. **JavaScript**, **Python** itp.): ```bash npx lagune write add --categories owasp ai javascript ``` Własne pliki `.gitignore` i konfiguracje repozytorium mogą ukryć pliki przed narzędziami sprawdzającymi, dlatego ustaw blok `checkers` w pliku `.lagune/configs.json` tak, aby [skanować wszystko](https://lagune.ai/pl-PL/docs/hooks/configure), zastępując każdy blok dostarczony z repozytorium: ```json { "checkers": { "gitignore": false } } ``` **Niebezpieczeństwo** Zachowaj ostrożność, gdy uruchamiasz w środowisku lokalnym projekty z niezaufanych źródeł. Korzystaj z izolowanego środowiska, takiego jak **sandbox** (zalecane), **maszyna wirtualna** lub podobne, aby złośliwy kod nie zaszkodził twojemu systemowi. **🪼 Domyślnie** | Aspekt | Kompromis | Poziom | | ------------------- | ---------------------------------------------------------------------------------------- | ------------------- | | **Nakład pracy** | Jeden agent przeszukuje cały obszar roboczy, bez subagentów. | 2/5 | | **Czas** | Średni. Jeden agent przechodzi po kolei przez kod i jego zależności. | 3/5 | | **Zużycie tokenów** | Umiarkowane, ale wspólne. Specjalizacje, kod i zależności trafiają do jednego kontekstu. | 3/5 | ```md /lagune Jesteś badaczem cyberbezpieczeństwa z głęboką wiedzą z zakresu bezpieczeństwa defensywnego w modelu zero trust i korzystasz z Lagune, aby poszerzyć swoją wiedzę i zwiększyć precyzję. Zmapuj cały obszar roboczy jako niezaufane źródło i potencjalnie złośliwy zakres. Każdy interpreter, fetch, base64 i tym podobne uznaj za potencjalne zagrożenie. Rozszerz analizę na zależności i zależności podrzędne: projekt może próbować ukryć złośliwy kod w nieoczywistym miejscu, aby umknął skanerom. Obowiązkowe specjalizacje (ładuj je po jednej za pomocą `npx lagune read catalog `): - interpreter - secrets - llm - path Dla jasności: każdą zmapowaną podatność traktuj jako potencjalne zagrożenie, bez wyjątku. Na koniec wydaj werdykt, czy projekt jest na tyle bezpieczny i godny zaufania, że mogę z niego korzystać, czy nie. ``` **🐋 Wiele agentów (głębokie skanowanie)** | Aspekt | Kompromis | Poziom | | ------------------- | -------------------------------------------------------------------------------------------------------- | ------------------- | | **Nakład pracy** | Jeden subagent na plik, w liczbie dopasowanej do rozmiaru bazy kodu. | 5/5 | | **Czas** | Dłuższy, ale dokładniejszy. Pliki są przeszukiwane równolegle, a wyniki scalane w jeden werdykt. | 4/5 | | **Zużycie tokenów** | Najwyższe, ale najbezpieczniejsze. Każdy subagent czyta specjalizacje we własnym, izolowanym kontekście. | 5/5 | ````md /lagune Jesteś orkiestratorem cyberbezpieczeństwa i korzystasz z Lagune, aby wyliczyć pliki, uruchomić po jednym subagencie na plik i wygenerować raporty (całą treść czytają subagenci). Uruchom po jednym subagencie na plik, wszystkich równolegle, i każdemu przekaż poniższy prompt, ograniczony do jego pliku: ```prompt /lagune Jesteś badaczem cyberbezpieczeństwa z głęboką wiedzą z zakresu bezpieczeństwa defensywnego w modelu zero trust i korzystasz z Lagune, aby poszerzyć swoją wiedzę i zwiększyć precyzję. Potraktuj jako niezaufane źródło i potencjalnie złośliwy zakres. Każdy interpreter, fetch, base64 i tym podobne uznaj za potencjalne zagrożenie. Rozszerz analizę na wszystko, co importuje , w tym na zależności i zależności podrzędne, w których może ukrywać się złośliwy kod, aby umknąć skanerom. Obowiązkowe specjalizacje dla każdego subagenta (ładuj je po jednej za pomocą `npx lagune read catalog `): - interpreter - secrets - llm - path Dla jasności: każdą zmapowaną podatność traktuj jako potencjalne zagrożenie, bez wyjątku. Na koniec wydaj werdykt, czy projekt jest na tyle bezpieczny i godny zaufania, że mogę z niego korzystać, czy nie. ``` Na koniec scal raporty wszystkich subagentów w jeden ostateczny werdykt. ````