Что это: локальный forensic-инструмент, восстанавливающий по session logs, какие файлы, команды и потенциальные секреты видел coding agent.
Бизнес-проблема: после завершения Claude Code-сессии человек знает результат, но часто не знает, какие .env, SSH keys, документы или browser data попадали в контекст и были ли после этого network calls.
Практическая польза: Confessor строит timeline действий и ищет цепочки вида «sensitive read → возможный network sink». Он не перехватывает выполнение, а проводит ретроспективный audit уже существующих логов.
Почему интересно сейчас: опубликован в Show HN всего несколько часов назад.
GitHub health: 1 star, 0 forks, 0 issues, 0 PR, всего 6 commits, releases отсутствуют. TypeScript 94,6%, MIT. При этом присутствуют tests, docs, changelog, contributing и security policy. Contributors GitHub не показал.
Technical notes: Node.js 18.17+, запуск через npx confessor; zero dependencies и zero network calls. Может анализировать Claude Code logs и некоторые ChatGPT, Claude и Gemini exports.
AI-Ready relevance: внутренний security experiment / inspiration для Agent Session Audit.
Риски: экстремально ранняя стадия; анализ зависит от полноты и формата логов; инструмент не блокирует действия в реальном времени; возможны false positives и пропущенные события.
Вердикт: Watch / Test locally.
Ключевые риски
- экстремально ранняя стадия; анализ зависит от полноты и формата логов; инструмент не блокирует действия в реальном времени; возможны false positives и пропущенные события.
Разберите эту страницу со своей LLM
Скопируйте контекст страницы в ChatGPT, Claude, Gemini или другую LLM и попросите применить эту схему к вашему бизнесу.
Можно спросить:
- Что именно сообщает авторский материал о Confessor?
- Как применить этот сигнал в AI-Ready без выхода за его границы?