- 📄 SKILL.md
security-hardening
在检查代码安全性、查找漏洞、测试可利用性、强化实施细节以及验证修复是否稳定且生产安全时使用。关键词:安全审计、漏洞扫描、强化、威胁模型、安全编码、依赖审计、SAST、秘密、路径遍历、命令注入、SSRF、XSS、CSRF、authz、authn。
在检查代码安全性、查找漏洞、测试可利用性、强化实施细节以及验证修复是否稳定且生产安全时使用。关键词:安全审计、漏洞扫描、强化、威胁模型、安全编码、依赖审计、SAST、秘密、路径遍历、命令注入、SSRF、XSS、CSRF、authz、authn。
微信小程序全自动安全审计 Skill。使用 Agent Teams 编排 Agent,分阶段完成从反编译到报告生成的全流程静态安全分析。覆盖敏感信息泄露、API接口提取、加解密算法分析、漏洞分析四大维度。采用"脚本预扫描 + LLM智能分析"双层架构,脚本保证覆盖率,LLM保证准确率。
增强的代码审查能力,重点关注质量、安全性和可维护性。
根据特定于平台的判断标准验证智能合约审计结果。预测接受可能性、对质量进行评分、标记自动失效器并生成详细的 Validation-Report.md。当要求在提交之前验证、评分或预测审核结果、错误报告或安全研究文章的接受情况时使用。支持 Code4rena、Sherlock、Cantina、HackenProof 和通用标准。
../../../../技能/审计代理文件/SKILL.md
根据 Anthropic 的 7 项原则诊断和测试 Claude Code 技能。扫描 SKILL.md 文件,检查 8 条规则(陷阱、描述、允许的工具、文件大小、结构、frontmatter、冲突、用法挂钩)、对技能类型进行分类、生成处方并运行评估测试。在检查技能质量、审核技能、测试技能或发布技能之前使用。在“스킬 점검”、“스킬 진단”、“스킬 테스트”、“检查技能”、“审核技能”、“测试技能”、“技能健康状况”、“脉冲器”、“脉冲器评估”上触发。
UX 副驾驶 — 具有实时预览功能的对话式 UX 设计师。发现、审核、预览、导出。
运行 DQIII8 的完整系统运行状况审核 — 检查数据库完整性、代理性能、管道连接、错误日志和服务。生成评分 Markdown 报告。
可访问性审核工作流程技能。当用户在发布 UI 之前需要键盘、语义、焦点、对比度、动作或辅助技术审查时,请使用此技能。
全面的网站和 Web 应用程序审核,涵盖安全性、用户体验、性能、可访问性、搜索引擎优化、合规性和收入保护。每当用户要求审核、审查、检查或评分网站或 Web 应用程序时,请使用此技能。当用户说“全栈审核”、“用户体验审核”、“安全审核”、“启动检查表”、“我的网站准备好启动了吗”、“检查我的网站”、“检查我的代码是否存在问题”、“我错过了什么”或希望在启动之前或之后进行全面质量审查的任何变体时,也可以使用。这项技能可以解决人工智能构建和氛围编码网站经常出错的问题:客户端付费墙、暴露的数据库表、缺少安全标头、损坏的移动布局以及导致转化的信任差距。即使用户只询问一个领域(例如“检查我的安全性”)也会触发,因为问题会跨类别复合。
SentrySkills - 具有 33 条以上检测规则的 AI 代理安全框架。防止提示注入、数据泄露、不安全命令和代码漏洞。
使用 Bandit AST 分析对 Python 源代码(.py、setup.py、pyproject.toml)进行安全审计以查找安全漏洞。 (1) 检测 exec/eval 代码执行、pickle/yaml 反序列化、子进程 shell 注入、SQL 注入、硬编码凭据、弱加密、OWASP Top 10 Python 问题。用于 Python 安全审核、Django/Flask 应用程序、恶意 Python 代码分类、CI/CD 管道。不用于依赖项/包审核(使用guarddog)、非Python代码(使用graudit)、shell脚本(使用shellcheck)。对于混合 Python 项目,请与 graudit -d Secret 结合使用以实现全面覆盖。
skill-sample/ ├─ SKILL.md ⭐ 必备:技能说明入口:用途 / 安装 / 用法 / 示例 / 依赖 ├─ manifest.sample.json ⭐ 推荐:机器可读元信息:用于索引 / 校验 / 自动填表 ├─ LICENSE.sample ⭐ 推荐:授权与使用范围:开源 / 限制 / 商用说明 ├─ scripts/ │ └─ example-run.py ✅ 可运行示例脚本:让用户导入后立刻验证“能用” ├─ assets/ │ ├─ example-formatting-guide.md 🧩 输出规范:统一排版 / 结构 / 风格 │ └─ example-template.tex 🧩 模板资源:报告/文档模板,快速生成标准产物 └─ references/ 🧩 参考资料库:方法论 / 结构指南 / 最佳实践 ├─ example-ref-structure.md 🧩 结构参考:章节框架 / 目录组织 ├─ example-ref-analysis.md 🧩 分析参考:常用套路 / 指标口径 └─ example-ref-visuals.md 🧩 视觉参考:图表规范 / 可视化建议
更多 Agent Skills 规范 详见Anthropic官方文档:https://agentskills.io/home
├─ ⭐ 必备:YAML Frontmatter(必须存在,放在文件最顶部) │ ├─ ⭐ name :技能唯一名;须符合命名规则,并建议与目录名一致 │ └─ ⭐ description :技能描述;建议包含触发关键词(便于检索/匹配) │ ├─ ✅ 可选:Frontmatter 扩展字段(规范允许,但非强制) │ ├─ ✅ license :许可证标识(也可配合单独 LICENSE 文件) │ ├─ ✅ compatibility :兼容性/运行环境要求(仅在确实有限制时写) │ ├─ ✅ metadata :任意键值对(如 author/version/source_url 等) │ └─ 🧩 allowed-tools :允许工具白名单(规范标注为 experimental) │ └─ ✅ 推荐:Markdown 正文(自由格式,但建议按“渐进式披露”组织) ├─ ✅ Overview / Purpose :一句话说明目标 + 不做什么(边界) ├─ ✅ When to use :触发条件/适用场景(让模型/用户知道何时调用) ├─ ✅ Step-by-step :步骤化流程(最好 3–6 步,保证可复现) ├─ ✅ Inputs / Outputs :输入格式、输出格式、产物位置(文件/文本/JSON等) ├─ ✅ Examples :至少 1 个可复制示例(越“能跑”越好) ├─ 🧩 Files & References :引用assets/、references/、scripts/(相对路径) ├─ 🧩 Edge cases :边界情况/限制(大文件、速率限制、失败回退) ├─ 🧩 Troubleshooting :常见错误与解决(依赖缺失、路径不对、权限问题) └─ 🧩 Safety notes :涉及联网/写文件/执行命令时给出提醒(建议写)
在 GitHub 和各类社区里,技能文件分散、难检索、也难判断是否可靠。SkillWink 把开源技能集中整理成可搜索、可筛选、可直接下载使用的技能库,让你更快找到“正好能用”的那一个。并且支持在SkillWink上直接上传skills。
我们提供 AI 语义搜索 + 关键字检索,支持 版本更新与多维排序(下载/点赞/评论/更新),并为每个技能提供 SKILL.md 开放标准与来源信息。你还可以在详情页直接 评论讨论、交流用法与改进建议。
快速上手:
支持下载与导入 skills(.zip/.skill),本地放置后即可生效:
~/.claude/skills/(Claude Code)
~/.codex/skills/(Codex CLI)
~/.gemini/skills/(Gemini CLI)
同一份 SKILL.md 跨平台通用。
你需要了解的:技能是什么、怎么运行的、怎么找、怎么导入、怎么判断可信、怎么参与共建。
这里的“skills(技能)”是一种可复用的任务能力包,通常包含 SKILL.md 说明(用途、输入输出、使用方法)以及可选的脚本/模板/示例文件。
你可以把它理解为:给 AI 助手或工具链用的“插件说明书 + 资源包”,可被反复安装与分享。
技能系统采用“渐进式披露”策略,高效管理上下文信息,具体流程如下:
发现阶段:系统启动时,智能体仅加载各技能的名称与简要描述——信息精简,足以判断其适用场景,避免冗余加载。
激活阶段:当任务需求与某技能描述匹配时,智能体才将对应的完整 SKILL.md 说明文档动态载入上下文。
执行阶段:智能体严格遵循文档指引执行操作,并按需调用关联文件或运行内置代码模块。
核心优势:该设计使智能体始终保持轻量高效,同时具备“按需扩展上下文”的能力,既保障响应速度,又确保复杂任务拥有充分执行依据。
推荐 3 种方式组合使用:
注:以上导入方式文件大小控制在10M之内。
常见路径如下(不同系统略有差异,以你本机为准):
同一份 SKILL.md 通常可以跨工具复用。你在 SkillWink 导入后,也可以查看“放置指引/安装说明”。
可以。很多技能本质是标准化说明 + 资源,只要目标工具支持读取该格式,就能共享使用。
比如:检索类技能 + 写作类技能 + 自动化脚本,形成“发现 → 处理 → 输出”的工作流。
一部分skills来源于公开的 GitHub 仓库。我们会筛掉低质量仓库(至少 2 星),并扫描基本质量指标,还有一部分是SkillWink平台的创作者独立上传的。作为使用者,在安装前应始终审查代码,对安全问题负责。
最常见原因是这几类:
我们会尽量避免。你可以用 排序 + 评论 让“好用的”更靠前: