Cada scan vira evidência comparável.
Workbench local-first para o OpenAI Codex Security: execute, inspecione, compare e governe scans de segurança assistidos por IA sem perder a evidência, o custo e o contexto operacional de cada resultado. Cada run preserva modelo, effort, duração, tokens, custo estimado e severidade num workspace local — com guardrails versionados e publicação opcional como Check no GitHub.
Local-first · React 19 + Hono + SQLite · 6 runs comparáveis · PT · EN · ES · DE · FR
Um terminal, um relatório, uma conta — e nenhuma comparação
Scans de segurança normalmente são revisados isoladamente: um terminal, um relatório, uma fatura. Qual modelo reportou mais cobertura? Qual effort valeu o custo? Que run falhou e o que sobrou dela? Essas respostas se perdem assim que a janela do terminal fecha.
O Okami Sentinel transforma essas execuções num sistema comparável. Cada run vira um canal de evidência com modelo, reasoning effort, duração, volume de tokens, custo estimado, mix de severidade, findings e estado de execução preservados num único workspace local — nada sai da máquina a menos que você publique explicitamente um Check no GitHub.
Foi construído para desenvolvedores, engenheiros de DevSecOps, revisores de segurança e AI engineers avaliando o @openai/codex-security em repositórios reais. É um workbench independente construído em torno do scanner — não é um produto oficial da OpenAI.
O que o Okami Sentinel faz
Comparação de até seis runs
Um baseline mais até cinco candidatos, com diff de severidade, economia unitária ($ por finding, $ por High+), throughput e objetivos de decisão explícitos — em vez de comparar relatórios de memória.
Inspeção guiada por evidência
Filtre findings por severidade e ciclo de vida, inspecione resumos e localizações no código e siga o caminho de ataque com a evidência que sustenta cada resultado.
Telemetria ao vivo com teto de custo
Status, fase, eventos SSE, duração, tokens e custo estimado durante a execução. O envelope de custo mapeia para o guardrail --max-cost do scanner e interrompe o run quando a estimativa cruza o teto configurado.
Guardrails versionados, com Checks no GitHub
Políticas de preflight locais, exceções explícitas com prazo, grafo de decisão e publicação opcional como GitHub Check — a mesma política versionada anota e bloqueia pull requests via workflow reutilizável.
Resultados parciais honestos
Scans que falharam mas preservaram findings continuam comparáveis, com rótulos FAILED e PARTIAL explícitos. Falha operacional nunca vira decisão de segurança aprovada — nem bootstrap silencioso.
Relatórios prontos para impressão
Relatório individual a partir do detalhe do scan e relatório de comparação a partir do diff concluído — com marca, paginação A4 e exportação em PDF pelo próprio navegador, para handoff a quem decide.
Ficha técnica do Okami Sentinel
Quando usar o Okami Sentinel
Avaliar o Codex Security em repositórios reais
Rodar o mesmo repositório com modelos, efforts e escopos diferentes e responder com evidência qual configuração reporta mais cobertura, mais High+ ou melhor custo por finding — antes de padronizar o scan no time.
Gate de segurança em pull requests
Avaliar o changeset local contra uma política versionada (.csb/guardrails.json) e publicar o resultado como Check obrigatório no branch protection — pass, warning, blocked ou error, sem falso sucesso.
Handoff de resultado para quem decide
Entregar um scan individual ou uma comparação de seis runs como PDF pronto para impressão — com resumo executivo, perfil de severidade, findings e evidência — em vez de colar saída de terminal num ticket.
Perguntas sobre o Okami Sentinel
O Okami Sentinel é um produto oficial da OpenAI?+
Não. É um workbench local independente construído em torno do OpenAI Codex Security — o scanner é da OpenAI, o Sentinel não é. Ele executa, indexa e compara os scans, mas não altera nem substitui o scanner.
Mais findings significa um scan melhor?+
Não. O Sentinel compara evidência reportada, não precisão contra ground truth. Mais findings não tornam um scan automaticamente melhor, e um finding ausente não prova correção. Confirme os findings e faça triagem de falsos positivos antes de usar precisão, recall ou F1.
Preciso de uma chave de API da OpenAI?+
Só para rodar de forma autônoma no GitHub Actions. No uso local interativo, uma sessão ativa do Codex/ChatGPT basta. Para CI e gates sem supervisão, configure OPENAI_API_KEY como secret do repositório — a aplicação nunca lê nem armazena o valor do secret, apenas diagnostica se a capacidade está disponível.
Scans são caros? E o produto está estável?+
Scans podem ser caros — por isso o envelope de custo interrompe o run quando a estimativa cruza o teto, e o custo estimado pode divergir da fatura final. O repositório está em desenvolvimento ativo (0.1.0): interfaces e schemas podem mudar antes de uma release estável, e o gate deve ser fixado numa referência versionada (@v1), nunca em @main.
Quer o Okami Sentinel rodando no seu contexto?
O produto é aberto e você pode rodar sozinho. A implantação no seu ambiente, com integração e hand-off documentado, é a consultoria.