SuperAPI AI 工具集

Skill 广场

找到适合任务的 Agent Skill,阅读介绍并复制安装命令。

更新于 10-22 00:14

安全与审计

7,285 个结果

security-threat-model

该技能面向仓库级安全威胁建模,强调基于代码仓库证据而非通用清单,输出具有 AppSec 可操作性的威胁模型。它通过提取系统模型、划分信任边界、清点资产与入口点、校准攻击者能力,将威胁枚举为具体滥用路径,并对每个威胁做定性的可能性与影响评估,最终给出排序后的优先级和针对性缓解建议。整个流程要求所有架构判断都有仓库证据支撑,并将假设显式列出。工作流包含八个阶段:范围与系统模型提取、边界与资产与入口推导、资产与攻击者能力校准、滥用路径枚举、显式优先级推理、与用户确认服务上下文与假设、缓解措施与关注路径建议,以及最终的质量检查。最终结果以 Markdown 文件写出,命名基于仓库或目标目录名。它还会明确区分运行时代码与 CI/构建/开发工具及测试示例,避免把非运行时组件误纳入威胁范围。使用前需准备仓库根路径、范围内的子路径、预期用途、部署模式、互联网暴露情况和认证期望等输入。该技能适合需要对具体代码库做安全评审的团队,尤其是有明确部署与暴露面信息的项目。限制方面:它依赖仓库摘要与用户确认,若缺少上下文会以条件形式标注建议;具体支持的平台、是否收费、价格等信息暂未提供。

安全与审计27 次安装

plan-dependency-provenance

这是一个仅做审计与规划的依赖供应链安全技能,用于排查依赖中是否存在幻觉包或抢注包(slopsquatting)、供应链风险以及许可证缺口。它会对每个直接依赖在其注册表中进行解析核实,检查包是否真实存在、是否近期发布、下载量是否异常、是否与流行包仅一字之差,并检查锁文件完整性、来源与补丁历史、许可证合规以及冗余依赖。该技能只输出审计与修复计划,绝不安装任何可疑包来“验证”,最终生成 plan-dependency-provenance.md 报告,并按阶段给出修复方向。

安全与审计27 次安装

ai-code-security

这是一个面向 AI 生成代码与 LLM 应用的安全技能,聚焦 AI 代码中的安全漏洞、LLM 应用的 OWASP Top 10、安全编码模式以及 AI 特有的威胁模型。该技能以安全工程师视角,强调不信任 AI 输出、纵深防御、将 AI 视为不可信输入源、关注模型与数据集供应链,并通过自动化检测应对规模化风险。它要求回答基于参考文件:创建时参考 patterns.md,诊断时参考 sharp_edges.md,审查时参考 validations.md,并以此作为该领域的事实依据。

安全与审计27 次安装