cognis-digital/prefetchparse

``` pip install cognis-prefetchparse prefetchparse scan . # → prioritized findings in seconds ``` ## 用法 — 分步指南 1. 安装 CLI（Python 3.9+）： pip install git+https://github.com/cognis-digital/prefetchparse.git 2. 解析一个或多个 Windows Prefetch（`.pf`）文件或目录： prefetchparse parse C:\Windows\Prefetch 3. 为下游工具生成机器可读的报告： prefetchparse parse ./prefetch --format json -o evidence.json 4. 生成可共享的 HTML 报告： prefetchparse parse ./prefetch --format html -o report.html 5. 在自动化中使用退出码（当存在高/中等级别的发现或解析错误时为非零）： prefetchparse parse ./prefetch --format json; echo "exit=$?" ## 目录 - [为什么选择 prefetchparse？](#why) · [功能](#features) · [快速开始](#quick-start) · [示例](#example) · [架构](#architecture) · [AI 栈](#ai-stack) · [对比](#how-it-compares) · [集成](#integrations) · [随处安装](#install-anywhere) · [相关项目](#related) · [贡献](#contributing) ## 为什么选择 prefetchparse？ 从 Windows Prefetch 导出中提取程序执行证据 —— 无需部署重量级的基础设施。 `prefetchparse` 是单一用途、可脚本化且可自托管的：将其指向目标，以您的工作流已使用的格式（表格 · JSON · SARIF）获取已排序的结果，通过它来控制 CI，并让代理通过 MCP 驱动它。 ## 功能 - ✅ 解析 Prefetch 字节 - ✅ 解析 Prefetch 文件 - ✅ 扫描目录 - ✅ 筛查发现 - ✅ 运行于 Linux/macOS/Windows · Docker · devcontainer - ✅ 提供 Python, JavaScript, Go 和 Rust 的移植版 (`ports/`) ## 快速开始 ``` pip install cognis-prefetchparse prefetchparse --version prefetchparse scan . # scan current project prefetchparse scan . --format json # machine-readable prefetchparse scan . --fail-on high # CI gate (non-zero exit) ``` ## 示例 ``` $ prefetchparse scan . [HIGH ] PRE-001 example finding (./src/app.py) [MEDIUM ] PRE-002 another signal (./config.yaml) 2 findings · risk score 5 · 38ms ``` ## 架构 ``` flowchart LR IN[disk / memory artifact] --> P[prefetchparse
parse] P --> OUT[timeline + IOCs] ``` ## 从任何 AI 栈中使用它 `prefetchparse` 与所有流行的 AI 使用方式实现了互操作： - **MCP server** — `prefetchparse mcp` (Claude Desktop, Cursor, Cognis.Studio, [uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet)) - **兼容 OpenAI / JSON** — 将 `prefetchparse scan . --format json` 管道传输给任何代理或 LLM - **LangChain · CrewAI · AutoGen · LlamaIndex** — 一行代码即可将 CLI/JSON 封装为工具 - **CI / 脚本** — 为非 AI pipeline 提供 exit code + SARIF ## 对比 | | **Cognis prefetchparse** | 典型工具 | |---|:---:|:---:| | 可自托管，无需账号 | ✅ | 视情况而定 | | 单一命令，零配置 | ✅ | ⚠️ | | 用于 CI 的 JSON + SARIF | ✅ | 视情况而定 | | MCP 原生支持 (AI 代理) | ✅ | ❌ | | 多语言移植 (JS/Go/Rust) | ✅ | ❌ | | 开源许可证 | ✅ COCL | 视情况而定 | ## 集成 接入您的技术栈：用于代码扫描的 **SARIF**，用于任何场景的 **JSON**，用于 AI 代理的 **MCP server**（`prefetchparse mcp`），以及用于 SIEM/Slack/Jira 的 webhook 转发器。详见 [`docs/INTEGRATIONS.md`](docs/INTEGRATIONS.md)。 ## 安装 — 全平台的各种方式 ``` pip install "git+https://github.com/cognis-digital/prefetchparse.git" # pip (works today) pipx install "git+https://github.com/cognis-digital/prefetchparse.git" # isolated CLI uv tool install "git+https://github.com/cognis-digital/prefetchparse.git" # uv pip install cognis-prefetchparse # PyPI (when published) docker run --rm ghcr.io/cognis-digital/prefetchparse:latest --help # Docker brew install cognis-digital/tap/prefetchparse # Homebrew tap curl -fsSL https://raw.githubusercontent.com/cognis-digital/prefetchparse/main/install.sh | sh ``` | Linux | macOS | Windows | Docker | 云平台 | |---|---|---|---|---| | `scripts/setup-linux.sh` | `scripts/setup-macos.sh` | `scripts/setup-windows.ps1` | `docker run ghcr.io/cognis-digital/prefetchparse` | [DEPLOY.md](docs/DEPLOY.md) (AWS/Azure/GCP/k8s) | ## 相关的 Cognis 工具 **探索套件 →** [🗂️ 全部 170+ 工具](https://github.com/cognis-digital/cognis-neural-suite) · [⭐ awesome-cognis](https://github.com/cognis-digital/awesome-cognis) · [🔗 cognis-sources](https://github.com/cognis-digital/cognis-sources) · [🤖 uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet) · [🧠 engram](https://github.com/cognis-digital/engram) ## 互操作性 `{}` 与包含 300+ 工具的 Cognis 套件协同工作 —— 统一的 JSON 输入/输出和共享的、兼容 OpenAI 的 `/v1` 骨干网络。有关套件图谱、组合模式和参考技术栈，请参阅 **[INTEROP.md](INTEROP.md)**。 ## 许可证 在 **Cognis Open Collaboration License (COCL) v1.0** 下提供源码 —— 可免费用于个人、内部评估、研究和教育用途；**商业/生产环境使用需要许可证** (licensing@cognis.digital)。详见 [LICENSE](LICENSE)。

标签：Python, Windows预读取, 可视化界面, 数字取证, 数据分析工具, 数据可视化, 无后门, 日志审计, 自动化脚本, 证据提取, 请求拦截, 逆向工具