🎯 今日目標

讓漏洞情資模組具備「初步分析能力」，
透過 LLM（AI 模型）協助判斷漏洞的嚴重性、影響範圍與修補優先度，
提升每日自動彙整的決策價值。

1️⃣ 問題場景

在 Day 9，我們已能自動從多個來源（ZDI、CISA KEV、RSS）取得最新漏洞資料。
但這些資訊：

• 內容多、格式不一；
• 並非每個漏洞都立即需要關注；
• 安全人員仍需人工判讀 CVSS、攻擊向量或 Exploit 狀況。

👉 痛點：資訊過載、判斷延遲、決策依賴經驗。

2️⃣ 模組定位

AI 模組作為「情資判斷層」，位於收集（Day 9）與通報（Day 10）之間。

主要功能：

• 對漏洞描述與 CVSS 資訊進行語意分析；

• 自動生成：

  • 嚴重性分類（Critical / High / Medium / Low）
  • 簡要摘要（TL;DR）
  • 建議行動（是否需立即修補）；

• 輸出結果回存至 Google Sheet 或通報模組。

3️⃣ 技術實作

4️⃣ 預期收穫

✅ 減少人工初步分類與判斷的時間。
✅ AI 自動生成可讀摘要，讓團隊快速理解漏洞影響。
✅ 為後續報告（Day 25 ～ 30）建立更有價值的基礎資料。
✅ 模組正式邁入「智慧判斷階段」，不再只是收集器。