AI 生成依赖包靠谱吗？写个脚本检查 npm / PyPI 包是否真实存在

AI 写代码越来越顺手但有一个问题经常被忽略它生成的依赖包名真的存在吗你让 AI 写一个 Python 脚本它可能顺手给你加上smart-data-cleaner fast-csv-parser-ai你让 AI 写一个 Node.js 工具它可能生成npm install react-table-helper-pro这些包名看起来很合理甚至命名风格也很像真实开源包。但真实项目里最危险的地方恰恰在这里代码看起来能跑依赖却没有被验证过。有些包名可能是 AI 编造的有些可能是拼写错误有些可能存在但并不是你以为的那个项目还有些包可能刚好被别人注册成了相似名字后面就变成供应链风险。PyPI 官方文档提供了项目 JSON API可以通过类似/pypi/project/json的路径获取包元数据npm registry 文档也说明可以通过GET https://registry.npmjs.org/:package获取包的 metadata。也就是说我们完全可以在安装之前先查一遍依赖是否真的存在。来源https://docs.pypi.org/api/json/这篇文章不讲大而全的供应链安全平台。我们只做一件很实用的事写一个脚本检查 AI 生成的 npm / PyPI 依赖包名是否能在官方 registry 查到。一、为什么 AI 生成依赖包名要先检查很多开发者复制 AI 代码时会习惯性直接执行pipinstall-rrequirements.txt或者npminstall如果只是本地 demo问题可能还不大。但一旦进入真实项目就至少有 4 类风险。风险表现后果包名不存在安装失败代码跑不起来浪费排查时间包名拼错安装了错误包或查不到误判 AI 代码逻辑有问题包名被仿冒名称很像热门包可能引入恶意依赖包存在但不可信冷门、无人维护、来源不明生产风险和安全风险上升学术研究也已经专门讨论过这类问题。2024 年的论文《We Have a Package for You!》分析了代码生成模型产生 package hallucination 的现象并指出这种“幻觉包名”会给软件供应链带来新的混淆攻击面2026 年一篇复评研究继续指出较新的代码模型虽然整体幻觉率有所压缩但风险并没有消失。来源https://arxiv.org/abs/2406.10279注意这里不是说“AI 生成依赖一定有问题”。更准确的说法是AI 生成的依赖不能默认可信。 先查 registry再决定是否安装。二、这篇脚本做什么不做什么下面这个脚本会做读取requirements.txt读取package.json提取 Python / npm 依赖名查询 PyPI JSON API查询 npm registry API输出DEPENDENCY_CHECK.md标记OK、NOT_FOUND、SKIP、UNKNOWN给出人工复核建议。它不会做不会判断包是否绝对安全不会替代pip-audit、npm audit或 SCA 扫描不会自动安装依赖不会访问私有源不会判断许可证是否可商用不会证明包就是官方推荐不会替代人工 Review。换句话说它只是第一层过滤AI 生成依赖 → 先确认 registry 是否能查到 → 再人工确认来源、用途、版本和安全性不要把“查得到”理解成“可放心上线”。三、准备一个示例 requirements.txt 和 package.json先准备一个requirements.txtrequests2.32.3 fastapi0.110.0 smart-data-cleaner-ai1.0.0这里前两个依赖比较常见第三个假设是 AI 随手生成的可疑包名。再准备一个package.json{dependencies:{axios:^1.7.0,react:^18.2.0,react-table-helper-pro:^1.0.0},devDependencies:{typescript:^5.5.0}}这里同样混入一个看起来像工具包、但需要检查的依赖名。四、可直接运行检查 PyPI / npm 依赖是否存在新建文件check_ai_dependencies.py粘贴下面代码#!/usr/bin/env python3from__future__importannotationsimportargparseimportjsonimportreimporturllib.errorimporturllib.parseimporturllib.requestfromdataclassesimportdataclassfrompathlibimportPathfromtypingimportIterable PYPI_APIhttps://pypi.org/pypi/{name}/jsonNPM_APIhttps://registry.npmjs.org/{name}REQUIREMENT_NAME_REre.compile(r^\s*([A-Za-z0-9][A-Za-z0-9._-]*))dataclass(frozenTrue)classDependency:ecosystem:strname:strsource_file:strraw:strdataclass(frozenTrue)classCheckResult:dependency:Dependency exists:boollatest_version:strstatus:strnote:strdefstrip_inline_comment(line:str)-str:if #inline:returnline.split( #,1)[0].strip()returnline.strip()defparse_requirements(path:Path)-list[Dependency]:ifnotpath.exists():return[]dependencies:list[Dependency][]forraw_lineinpath.read_text(encodingutf-8).splitlines():linestrip_inline_comment(raw_line)ifnotlineorline.startswith(#):continueifline.startswith((-r ,--requirement,-c ,--constraint)):continueifline.startswith((-e ,--editable)):dependencies.append(Dependency(ecosystemPyPI,nameline,source_filestr(path),rawraw_line.strip(),))continueif://inlineor inline:dependencies.append(Dependency(ecosystemPyPI,nameline,source_filestr(path),rawraw_line.strip(),))continuematchREQUIREMENT_NAME_RE.match(line)ifmatch:dependencies.append(Dependency(ecosystemPyPI,namematch.group(1),source_filestr(path),rawraw_line.strip(),))returndependenciesdefparse_package_json(path:Path)-list[Dependency]:ifnotpath.exists():return[]try:documentjson.loads(path.read_text(encodingutf-8))exceptjson.JSONDecodeErrorasexc:raiseSystemExit(fpackage.json 解析失败{exc})sections(dependencies,devDependencies,peerDependencies,optionalDependencies,)dependencies:list[Dependency][]forsectioninsections:depsdocument.get(section,{})ifnotisinstance(deps,dict):continueforname,versioninsorted(deps.items()):dependencies.append(Dependency(ecosystemnpm,namename,source_filef{path}#{section},rawf{name}{version},))returndependenciesdefhttp_json(url:str,timeout:float)-tuple[int,dict|None]:requesturllib.request.Request(url,headers{Accept:application/json,User-Agent:dependency-check/1.0,},)try:withurllib.request.urlopen(request,timeouttimeout)asresponse:bodyresponse.read().decode(utf-8)returnresponse.status,json.loads(body)excepturllib.error.HTTPErrorasexc:ifexc.code404:return404,Nonereturnexc.code,Noneexcept(urllib.error.URLError,TimeoutError,json.JSONDecodeError):return0,Nonedefcheck_pypi(dep:Dependency,timeout:float)-CheckResult:if(://indep.nameor indep.nameordep.name.startswith((-e ,--editable))):returnCheckResult(dependencydep,existsFalse,latest_version-,statusSKIP,note非普通 PyPI 包名建议人工确认来源、哈希和锁版本。,)encodedurllib.parse.quote(dep.name,safe)status_code,payloadhttp_json(PYPI_API.format(nameencoded),timeout)ifstatus_code200andpayload:versionstr(payload.get(info,{}).get(version,-))returnCheckResult(dep,True,version,OK,PyPI 可查询到该项目。)ifstatus_code404:returnCheckResult(dep,False,-,NOT_FOUND,PyPI 未查询到该项目。)returnCheckResult(dep,False,-,UNKNOWN,请求失败或网络不可用建议稍后重试。,)defcheck_npm(dep:Dependency,timeout:float)-CheckResult:encodedurllib.parse.quote(dep.name,safe)status_code,payloadhttp_json(NPM_API.format(nameencoded),timeout)ifstatus_code200andpayload:dist_tagspayload.get(dist-tags,{})ifisinstance(dist_tags,dict):versionstr(dist_tags.get(latest,-))else:version-returnCheckResult(dep,True,version,OK,npm registry 可查询到该包。)ifstatus_code404:returnCheckResult(dep,False,-,NOT_FOUND,npm registry 未查询到该包。)returnCheckResult(dep,False,-,UNKNOWN,请求失败或网络不可用建议稍后重试。,)defmarkdown_report(results:Iterable[CheckResult])-str:rowslist(results)lines[# DEPENDENCY_CHECK,,## 1. 检查说明,,- 本报告只确认依赖名是否能在 PyPI / npm registry 查询到。,- 依赖存在不代表安全、可信或适合生产使用。,- 对 AI 生成的新依赖仍需人工确认用途、维护状态、许可证、版本锁定和安全扫描。,,## 2. 依赖检查结果,,| 生态 | 包名 | 状态 | 最新版本 | 来源 | 说明 |,|---|---|---|---|---|---|,]foriteminrows:depitem.dependency lines.append(f|{dep.ecosystem}| {dep.name} | {item.status} | f{item.latest_version} | {dep.source_file} |{item.note}|)not_found[itemforiteminrowsifitem.statusNOT_FOUND]skipped[itemforiteminrowsifitem.statusSKIP]unknown[itemforiteminrowsifitem.statusUNKNOWN]lines.extend([,## 3. 人工复核重点,,])ifnot_found:lines.append(### 未找到的依赖)foriteminnot_found:lines.append(f- {item.dependency.name}不要直接安装先确认是否为 AI 编造、拼写错误或私有包。)lines.append()ifskipped:lines.append(### 跳过自动检查的依赖)foriteminskipped:lines.append(f- {item.dependency.raw}可能是 editable、URL、私有源或本地路径需人工确认。)lines.append()ifunknown:lines.append(### 请求失败或网络不可用)foriteminunknown:lines.append(f- {item.dependency.name}建议重新检查或使用公司内网源 / 镜像源核对。)lines.append()lines.extend([## 4. 建议检查清单,,- [ ] 新增依赖是否确实必要,- [ ] 包名是否来自官方文档或成熟项目而不是 AI 随口生成,- [ ] 是否已锁定版本,- [ ] 是否检查许可证,- [ ] 是否检查维护状态、下载量、仓库地址和发布者,- [ ] 是否运行 pip-audit、npm audit、SCA 或公司内部扫描,- [ ] 是否在测试环境安装验证而不是直接进入生产环境,,])return\n.join(lines)defmain()-None:parserargparse.ArgumentParser(description(Check whether dependencies from requirements.txt and package.json exist on PyPI/npm.))parser.add_argument(--requirements,defaultrequirements.txt)parser.add_argument(--package-json,defaultpackage.json)parser.add_argument(--output,defaultDEPENDENCY_CHECK.md)parser.add_argument(--timeout,typefloat,default8.0)argsparser.parse_args()deps:list[Dependency][]deps.extend(parse_requirements(Path(args.requirements)))deps.extend(parse_package_json(Path(args.package_json)))ifnotdeps:raiseSystemExit(没有找到可检查的 requirements.txt 或 package.json 依赖。)results:list[CheckResult][]fordepindeps:ifdep.ecosystemPyPI:results.append(check_pypi(dep,args.timeout))elifdep.ecosystemnpm:results.append(check_npm(dep,args.timeout))reportmarkdown_report(results)Path(args.output).write_text(report,encodingutf-8)print(f已生成{args.output})if__name____main__:main()这段脚本只使用 Python 标准库不需要先安装额外依赖。我已检查过语法结构脚本逻辑可解析requirements.txt、package.json的常见依赖项并通过官方 registry HTTP 接口查询包元数据。五、运行方式把脚本放到项目根目录执行python check_ai_dependencies.py如果你的文件名不一样可以指定路径python check_ai_dependencies.py\--requirements./backend/requirements.txt\--package-json ./frontend/package.json\--outputDEPENDENCY_CHECK.md正常情况下会生成DEPENDENCY_CHECK.md示例输出大概是# DEPENDENCY_CHECK ## 1. 检查说明 - 本报告只确认依赖名是否能在 PyPI / npm registry 查询到。 - 依赖存在不代表安全、可信或适合生产使用。 - 对 AI 生成的新依赖仍需人工确认用途、维护状态、许可证、版本锁定和安全扫描。 ## 2. 依赖检查结果 | 生态 | 包名 | 状态 | 最新版本 | 来源 | 说明 | |---|---|---|---|---|---| | PyPI | requests | OK | 2.32.5 | requirements.txt | PyPI 可查询到该项目。 | | PyPI | fastapi | OK | 0.116.1 | requirements.txt | PyPI 可查询到该项目。 | | PyPI | smart-data-cleaner-ai | NOT_FOUND | - | requirements.txt | PyPI 未查询到该项目。 | | npm | axios | OK | 1.13.2 | package.json#dependencies | npm registry 可查询到该包。 | | npm | react-table-helper-pro | NOT_FOUND | - | package.json#dependencies | npm registry 未查询到该包。 |这份报告不会替你做最终判断。它只是告诉你哪些包名能查到 哪些包名查不到 哪些依赖需要人工复核。六、对 NOT_FOUND 依赖应该怎么处理看到NOT_FOUND不要直接下结论说“AI 编错了”。常见原因有 4 种。1. AI 编造了包名这是最常见的情况。比如smart-data-cleaner-ai名字看起来像一个数据清洗库但官方 registry 查不到。这时候不要继续安装也不要自己去搜索相似包名乱替换。更稳的做法是回到需求我到底需要什么能力 是 CSV 解析 数据清洗 缺失值处理 字段映射然后去官方文档或成熟项目里找真实依赖。2. 包名拼错了比如把beautifulsoup4写成beautiful-soup4这种情况可以人工确认。但注意不要看到“有一个很像的包”就直接装。包名相似不等于同一个项目。3. 公司内部私有包有些项目确实使用私有源company-internal-sdk公共 PyPI / npm 查不到很正常。这类依赖要到公司内部制品库、私有 registry 或项目文档里确认。4. URL、本地路径、editable 安装例如-e ../local-package some-lib githttps://example.com/repo.git这种依赖不适合用公共 registry 检查。脚本会标成SKIP提醒人工确认来源、commit hash、版本锁定和访问权限。七、对 OK 依赖也不能完全放心包名查得到只能证明它存在。不能证明它安全官方活跃维护没有恶意代码没有许可证风险适合生产环境版本和你的项目兼容。尤其是下面几类包哪怕查得到也建议提高警惕情况为什么要小心名字非常像热门包可能是 typo-squatting最近刚发布缺少使用反馈下载量很低生态验证不足没有仓库链接难以审查源码维护者信息不清晰责任边界模糊安装脚本复杂可能执行额外逻辑依赖链很深供应链风险增加所以更稳的流程是查得到 → 看官方文档 → 看仓库地址 → 看维护者和发布历史 → 锁定版本 → 在测试环境安装 → 跑 audit / SCA → 再进入项目不要把OK当成“可以直接上线”。八、把依赖检查加进 AI 编程工作流我建议把依赖检查放在 AI 生成代码之后、真正安装之前。流程可以这样AI 生成代码 → 提取 requirements.txt / package.json → 运行 check_ai_dependencies.py → 查看 DEPENDENCY_CHECK.md → 处理 NOT_FOUND / SKIP / UNKNOWN → 人工确认新增依赖是否必要 → 锁版本 → 测试环境安装 → 安全扫描 → 提交代码如果你团队已经在使用 Git Hook 或 CI也可以把脚本放到提交前检查里。比如在 PR 模板里加一段## AI 生成依赖检查 如果本次 PR 使用了 AI 生成代码并新增依赖请确认 - [ ] 已运行 python check_ai_dependencies.py - [ ] DEPENDENCY_CHECK.md 中没有未解释的 NOT_FOUND - [ ] SKIP 依赖已人工确认来源 - [ ] 新依赖已锁定版本 - [ ] 已运行 pip-audit / npm audit / 公司内部 SCA 扫描 - [ ] 新依赖确实必要没有更轻量的已有方案这个动作很简单但能挡住不少低级问题。九、给 AI 的提示词也要改一下不要只对 AI 说帮我写一个脚本顺便给依赖。可以改成请帮我写代码但遵守以下规则 1. 优先使用标准库或项目已有依赖 2. 如果确实需要新增依赖先说明为什么需要 3. 新依赖必须给出官方文档地址 4. 不要编造不存在的包名 5. 输出 requirements.txt 或 package.json 后请列出每个新增依赖的用途 6. 不要要求我直接安装先让我做依赖校验。这类提示不能彻底消除幻觉但能降低 AI 随手加包的概率。更重要的是它会把 AI 的输出从pip install xxx变成建议新增依赖xxx 用途 是否可替代 需要人工确认这就更适合真实项目。十、这套方法适合什么项目适合AI 生成 Python 示例代码AI 生成 Node.js 工具AI 补requirements.txtAI 补package.jsonAI 新增测试依赖AI 给出 SDK 或第三方库建议团队想在 PR 中检查新增依赖教程代码复制进真实项目前做预检查。不适合直接替代安全扫描许可证审查依赖漏洞管理私有源权限管理生产环境依赖准入企业级 SCA 平台人工判断依赖是否必要。这套脚本的定位很清楚先确认“有没有这个包” 再讨论“该不该用这个包”。十一、还有哪些可以继续增强如果后续要做成团队工具可以继续加这些能力支持 lock 文件例如package-lock.json、pnpm-lock.yaml、poetry.lock。支持私有 registry例如公司内部 npm registry、私有 PyPI 源。检查发布时间对刚发布不久的包提高风险等级。检查仓库地址从 metadata 里提取 homepage / repository。检查许可证标记未知许可证或与公司规范冲突的依赖。接入 audit 工具例如pip-audit、npm audit或企业内部扫描。输出 SARIF 或 JSON方便接入 CI/CD 和代码平台。按新增依赖检查只检查本次 Git Diff 里新增的依赖而不是全量依赖。一开始不必做太复杂。先把“AI 生成的依赖包名是否真实存在”这件事固定下来已经能减少很多无效排查。十二、最后总结AI 生成代码时依赖包名不能默认相信。最稳的顺序是先看依赖名 → 查 PyPI / npm registry → 标记 NOT_FOUND / SKIP → 人工确认来源 → 锁定版本 → 测试环境安装 → 安全扫描 → 再提交这篇脚本解决的是第一步依赖是否能查到。它不证明依赖安全也不替你做最终判断。但它能帮你在安装之前发现包名不存在 包名疑似编造 依赖来自 URL 或私有源 网络查询失败 需要人工复核。真实项目里AI 编程真正要提效不是把所有代码都交给 AI而是把关键检查点自动化起来。