anthropics GitHub avatar

defending-code-reference-harness

7.8K Stars9 Skills647 ForksNOASSERTION8月7日更新Skill 仓库

AI 概览 · 由大模型根据 SKILL.md 与仓库数据生成 · 2026年7月19日

面向安全分析、扫描、处置与修复的 AI Skill 集合

这个项目提供了一组面向安全工作的可复用 AI Agent Skill,围绕 threat modeling、scanning、triage、patching,以及一个可自定义的自动化扫描 harness 组织起来。它的内容指向代码漏洞、日志排查、事件响应和修复验证等安全流程,适合按不同任务选择对应 Skill 使用。

包含 Skill

9

可以单独安装

GitHub Star

7,760

仓库累计 Star

近 7 天

+30

新增 Star

代码更新

2026年8月7日

最近一次推送

核心亮点

  • 1流程覆盖

    把安全工作拆成建模、发现、研判、修复、验证等环节。

  • 2场景集中

    面向代码漏洞、日志分析、事件响应和自动化扫描等安全任务。

  • 3可复用组织

    各 Skill 独立成块,便于按任务调用或改造。

能做什么

  • 进行威胁建模
  • 对 web/application logs 做主动威胁狩猎
  • 基于告警或 IOC 做事件响应研判
  • 对批量安全发现结果进行 triage
  • 为已验证的安全发现生成候选修复
  • 对 harness 变更进行端到端验证

适用场景

  • 分析一批可疑日志,寻找异常访问模式。

  • 对已确认的问题生成候选修复方案。

  • 把扫描流程迁移到不同漏洞类型或不同语言环境。

  • 对哈工变化做端到端验证,确认流程仍可运行。

用之前和用之后

  • 安全任务容易分散在多个步骤里可以按环节拆成专门 Skill。
  • 批量发现结果需要人工逐条判断可以先做 triage 再进入修复或验证。
  • 流程改造需要自己重新组织可参考 customize 思路做迁移或改造。

它是怎么工作的

  1. 第 1 步

    建模分析

  2. 第 2 步

    发现研判

  3. 第 3 步

    修复验证

快速上手

安装与复制命令见“安装方式”。

  1. 1

    先判断当前任务属于建模、扫描、研判、修复还是验证。

  2. 2

    打开对应 Skill 的源文件查看具体使用说明。

  3. 3

    准备与任务相关的输入,例如日志、告警、IOC 或验证目标。

  4. 4

    按 Skill 的工作方式逐步执行并检查输出。

适合谁

  • 安全工程师
  • 漏洞分析与响应人员
  • 需要处理日志或 IOC 的排查人员
  • 需要迁移或改造扫描流程的使用者

局限

  • 部分 Skill 的摘要信息较短,细节需要回到源文件确认。
  • 仓库中多个 Skill 标注为高风险,使用前要先确认适用范围。
  • 当前提供的信息不足以判断每个 Skill 的完整输入输出。
  • 有些摘要内容不完整,实际能力边界需要查看原文。

使用前注意

  • · 多个 Skill 的 riskLevel 为 high,使用前需核验是否适合当前环境。
  • · 涉及扫描、研判、修复和验证的流程,需先确认输入数据来源与范围。
  • · customize 类 Skill 可能改变原有流程,使用前要核验目标漏洞类型、语言和检测机制是否匹配。

包含的 Skills · 9

公开来源

相关 Skills

查看更多