SuperAPI AI 工具集找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 10-16 00:02
4,809 个结果
该技能用于评估 MotherDuck 的安全、权限、隔离、数据驻留与合规要求，并对照其公开文档中的控制措施进行核查。它强调以 MotherDuck 当前公开的信任、安全、定价与产品文档为准，优先使用 MCP 的 ask_docs_question 功能，并在涉及身份提供商登录、恢复窗口、命名快照或 UNDROP DATABASE 时参考最新的 SSO 与数据恢复文档。技能给出默认安全姿态建议：生产系统使用服务账号而非个人令牌，凭据存放于后端控制的密钥中，对严肃的 B2B 或 CFA 工作负载优先采用结构性隔离而非查询时租户过滤，并将区域与驻留视为需要公开确认的一等架构约束。工作流涵盖识别凭据位置与管理员、定义实际隔离边界、确定角色与授权、检查驻留与合规要求，并区分文档化保证与架构建议。
这是一个专注于基础设施安全的安全工程师智能体，属于 tony363/superclaude 项目。它面向 DevSecOps、云安全与合规框架，覆盖漏洞管理、合规自动化、事件响应，并强调将安全融入开发生命周期的各个阶段，以自动化和持续改进为核心。该智能体主要使用 Read、Write、MultiEdit、Bash 以及 nmap、metasploit 等工具，关键能力包括 CIS 基准合规验证、生产环境零严重漏洞、CI/CD 流水线安全扫描、密钥管理自动化、RBAC 正确实施和网络分段强制。它会在涉及安全工程师相关工作、领域特定实现与优化、技术指导与最佳实践的任务中激活，并可与其他智能体协作完成跨职能协作、领域专长共享和质量验证。
isms-audit-expert 是一个面向信息安全管理体系（ISMS）审计的专家级 AI 技能，专注于内部与外部 ISMS 审计，基于 ISO 27001 与 ISO 27002 提供审计计划管理、风险评估、控制测试、合规验证与报告能力。它覆盖技术、管理、物理与运营四类安全控制，支持漏洞评估与渗透测试协调、云安全审计、行业合规审计（如 HIPAA、PCI DSS、NIST CSF 等），以及 ISO 27001 认证审核准备与外部审核协调。该技能还包含审计员能力框架与审计程序持续优化内容，并提供脚本（audit 调度、审计准备、控制测试、合规报告）、参考文档、模板、测试工具与培训材料等资源目录。适合安全审计、合规管理与认证准备工作使用。
该技能提供 ffuf 网页模糊测试的专家指导，用于渗透测试中的目录与文件发现、子域名枚举、参数与 POST 数据模糊测试、请求头模糊测试等场景。内容涵盖 FUZZ 关键字用法、多字典模式（clusterbomb、pitchfork、sniper）、匹配与过滤规则、自动校准（-ac）、速率限制与超时、输出格式、通过原始 HTTP 请求进行带认证的模糊测试、代理使用、编码、漏洞测试与批量处理等，并包含辅助资源（字典指南、请求模板、ffuf_helper.py 脚本）以及最佳实践与故障排查建议。
cso 是 gstack 提供的安全审计技能，用于在代码仓库中查找可被利用的缺陷。它以“先证据、后结论”为原则，支持静态审计：在不需要运行应用、也不需要扫描器配置的情况下，基于快照与脱敏源码完成检查，并输出带稳定编号的安全发现。默认每日调查会呈现有支撑的发现与覆盖范围；在具备匹配的合格运行时目录配置时，--comprehensive 模式可增加隔离环境下的复现与最多三个修复候选，但仍不改变被判审计的分支。该技能通过可信安装中的 gstack-cso 启动器执行，强调私有启动、受控访问与证据标注。它支持多种审计范围选择，如基础设施、代码、技能、供应链、OWASP 或指定域名，并支持 diff 模式、基准引用、时间预算与离线模式。对于无法运行的场景，会明确报告未评估及安装前提，而不是给出干净的假结论。
Better Auth 是一个与框架无关的 TypeScript 身份认证与授权框架，内置邮箱/密码、社交 OAuth、邮箱验证、密码重置、会话管理与限流，并通过插件扩展 2FA、Passkeys、Magic Link、用户名登录与组织多租户等能力。
Sensitive Browser 是一个用于安全执行敏感浏览器操作的 CLI 工具，将登录、支付、表单填写等涉及凭据与个人数据的操作从核心智能体循环中分离出来，交由独立子进程在隔离上下文中完成。它通过敏感数据 JSON 文件传入凭据、支付和个人信息，支持加载与输出 Playwright 存储状态，并可与 agent-browser 配合完成会话交接。敏感数据值不会被记录或显示，仅提示将使用哪些字段。使用前需配置 ATXP_CONNECTION 环境变量。
ciso-review 是一个面向安全与合规审查的命令式技能，命令为 /cs:ciso-review <plan>。它针对任何涉及数据、合规或生产访问的计划进行“风险偏执式”审问，在触及客户数据或合规范围的生产变更前提出六个 CISO 问题：威胁模型（STRIDE）、爆炸半径、检测能力（MTTD）、响应（IR 运行手册与桌面演练）、监管通知窗口（GDPR 72 小时、HIPAA 60 天等）以及供应商与供应链安全状况。适用于部署涉及 PII/PHI/持卡人数据的系统前、签约有数据访问权限的新供应商前、SOC 2/ISO 27001/HIPAA/GDPR 合规审计前、跨越信任边界的架构决策前，以及任何未遂事件之后。输出为结构化审查报告，包含威胁模型、爆炸半径、检测、响应、监管、供应商和最终裁决（SHIP / MITIGATE THEN SHIP / BLOCK），并可路由至 cto-review、gc-review、decide、boardroom 等相关技能。
本技能介绍如何对以太坊 Solidity 智能合约进行静态分析与符号执行，以检测重入、整数溢出、访问控制等安全漏洞。它覆盖 Slither 与 Mythril 两款工具的使用流程：先用 Slither 快速静态分析，利用中间表示在数秒内匹配 90 多种漏洞模式；再用 Mythril 进行符号执行与 SMT 求解，发现重入、未检查的外部调用、算术问题等路径敏感型漏洞。流程还包括对两工具结果去重、按可利用性与资金影响评估严重程度、过滤误报，最终生成结构化审计报告。报告以 JSON 输出，列出漏洞、SWC（智能合约弱点分类）标识、严重等级、受影响函数与修复建议。适用于安全事件调查、检测规则与威胁狩猎查询构建、SOC 分析人员结构化流程、以及验证相关攻击技术的安全监控覆盖。需 Python 3.10+ 与 pip、Slither（pip install slither-analyzer）与 solc 编译器、Mythril（pip install mythril）与 solc-select，以及 Solidity 源码或编译字节码，Foundry 或 Hardhat 为可选。
OpenFGA 授权建模最佳实践技能，用于端到端设计与审查 OpenFGA 模型：定义类型与关系、写入关系元组、派生 can_* 权限、选择 usersets 与继承模式，并通过 .fga.yaml 测试与 CLI 校验验证行为。资料提供最小模型示例（user、organization、document 类型及 admin、member、can_edit、can_view 关系）、示例元组（如 organization:acme#admin@user:alice、document:roadmap#organization@organization:acme）与测试目标（check、list_users、list_objects）。规则索引按核心理念、关系、设计、角色、优化、测试、SDK 及推荐工作流分类，每类指向 references/ 下的具体文件。推荐工作流包括：建模资源图、添加元组并测试意图、审查父子创建与删除路径、简化前先确认无引用、运行 fga model validate 与 fga model test 直至全绿。SDK 参考仅在集成任务时使用，纯建模与测试可跳过。
sops-encryption 是一项用于加密配置文件中敏感信息的技能，主要围绕 Mozilla SOPS 展开。它能够在加密密钥的同时保留配置文件的结构可见性，适用于将密钥安全地存入 Git、以 GitOps 方式管理密钥、将 Kubernetes Secret 作为代码管理以及加密配置文件等场景。使用前需要已安装 SOPS，并具备 KMS 访问权限（AWS、GCP、Azure）或 PGP 密钥。支持通过 AWS KMS、GCP KMS 或 PGP 进行密钥管理，可通过命令行执行加密、解密、直接编辑加密文件以及就地加密等操作，并能借助 .sops.yaml 配置按路径规则匹配不同环境的密钥。该技能还涉及 Kubernetes 集成，例如在 Secret 的 stringData 中保留 ENC[...] 加密值并声明 sops 使用的 KMS，以及通过 ksops 插件配合 ArgoCD 解密。它给出了若干最佳实践，包括将 .sops.yaml 存入仓库、按环境使用不同密钥、定期轮换加密密钥、不提交未加密的密钥、使用密钥别名提升可读性。
Tauri v2 生物识别插件的使用指南，聚焦生物识别认证流程与回退策略。该技能适用于在 Tauri 应用中集成 Face ID 或指纹认证、设计认证提示与错误处理、以及在生物识别不可用时制定回退与恢复方案的场景。使用时先明确认证流程与回退需求，再配置插件的权限与能力，随后实现认证提示和错误处理，并建议将生物识别认证与安全存储结合以保存敏感信息。产出物包括生物识别认证流程方案、回退与恢复清单。技能边界限定为生物识别认证，核心是认证流程与回退策略。
该技能让 AI 智能体依据 OWASP GenAI 安全项目发布的《OWASP LLM 应用十大风险（2025）》对大型语言模型（LLM）与生成式 AI 应用执行安全评估。评估范围覆盖提示注入、敏感信息泄露、供应链、数据与模型投毒、输出处理不当、过度代理、系统提示泄露、向量与嵌入弱点、错误信息、无界消耗等十类风险。适用于 LLM 应用上线前审计、GenAI 集成漏洞审查、RAG 系统评估、聊天机器人或 AI 助手安全评估、AI 功能渗透测试、安全架构设计与第三方 AI API 集成审查、安全合规评审准备及 AI 安全事件响应。技能要求提供应用描述，可选提供架构细节、LLM 供应商、部署环境、数据敏感度、现有控制与具体关注点；执行实时或主动测试时必须提供明确授权、环境和边界，默认仅做文档审查。审计流程包括应用理解、漏洞评估、风险评分与报告生成四步，并给出 P0 至 P4 的漏洞优先级划分与十项最佳实践。
Threat Modeling Expert 是一个专注于威胁建模方法论、安全架构评审与风险评估的技能。它掌握 STRIDE、PASTA、攻击树以及安全需求提取等方法，适用于安全架构评审、威胁识别和构建安全设计（secure-by-design）系统。该技能可主动用于新系统或功能设计、架构安全缺口审查、安全审计准备、攻击向量识别、安全投资优先级排序、安全文档编写以及团队安全思维培训。其能力包括 STRIDE 威胁分析、攻击树构建、数据流图分析、安全需求提取、风险优先级排序与评分、缓解策略设计以及安全控制映射。使用流程涵盖定义系统范围与信任边界、创建数据流图、识别资产与入口点、对每个组件应用 STRIDE、为关键路径构建攻击树、对威胁评分与排序、设计缓解措施以及记录残余风险。该技能不适用于缺乏安全评审范围或授权、需要法律或合规认证、或仅需自动化扫描而无需人工审查的场景。
本技能用于对恶意 PDF 文档进行静态分析，借助 peepdf、pdfid 和 pdf-parser 提取内嵌 JavaScript、shellcode 及可疑对象。适用于钓鱼邮件可疑 PDF 附件研判、PDF 漏洞利用文档的恶意软件分析、从 PDF 中提取内嵌脚本或可执行文件、武器化文档取证，以及构建 PDF 威胁检测特征。使用前需准备 Python 3.8+ 与 peepdf-3、Didier Stevens 套件中的 pdfid.py 和 pdf-parser.py，并在隔离环境（虚拟机或沙箱）中操作；可选安装 PyV8 用于 JavaScript 模拟、Pylibemu 用于 shellcode 分析。
中文介绍正在整理，稍后补充。
Authentication Setup 是一个用于为 Web 应用和 API 设计或重构产品认证方案的技能。它聚焦于认证的“设置层”，帮助在托管认证、框架原生认证、平台原生认证、企业附加认证与自托管认证之间做出选择，并明确会话与令牌边界、登录方式（邮箱密码、魔法链接、社交 OAuth、Passkeys）、应用自有的用户/资料/组织/成员数据，以及 SSO/SCIM、域名映射和迁移切换边界。该技能强调先确定认证路线与所有权边界，再进入实现，避免直接堆砌 JWT 代码片段，也避免把认证、授权、安全加固和文档混为一谈。
本技能用于解析 NetFlow v9 与 IPFIX 网络流数据，识别流量异常与潜在威胁，包括流量型异常、端口扫描、数据外泄以及 C2 信标行为。技能基于 Python netflow 库实现，依赖 Python 3.8+ 环境。适合安全事件调查、检测规则编写、威胁狩猎查询构建，以及在 SOC 场景中为相关分析提供结构化流程。使用时需先安装 netflow 依赖，可从路由器采集流数据或使用内置采集器监听端口获取数据，再调用解析函数处理原始数据包，并按端口扫描、数据外泄、C2 信标、流量型异常等维度分析流记录。最后可通过脚本生成按优先级排序的发现报告。该技能面向具备网络安全基础知识并拥有测试或实验环境与适当授权的人员。
本技能来自 bagelhole/devops-security-agent-skills 仓库，用于以结构化流程处理安全事件。资料给出的核心是事件响应（IR）手册与流程，覆盖检测、遏制、根除、恢复等阶段，并提供严重级别划分、证据采集脚本、取证命令参考、沟通模板以及“凭证泄露”专项 Playbook。适用于正在响应活跃安全事件（入侵、恶意软件、未授权访问）、编写 IR Playbook 与 Runbook、开展桌面演练、搭建证据采集与取证能力、建立安全事件沟通协议、进行事后复盘与流程改进等场景。资料同时列出了使用前提，包括 IR 团队名单与轮值升级路径、独立于生产系统的安全通信渠道、装有分析工具的取证工作站、具备证据链管控的存储、法务联系人以及预先授权的响应动作。
OpenAI Privacy Filter 是双向 token 分类模型（1.5B 参数、50M 激活），用于检测和遮蔽文本中的 PII，单次前向传播配合约束 Viterbi 解码，支持 128k token 上下文，Apache 2.0 许可。提供 opf CLI 与 Python API，可遮蔽、评估与微调。
该技能是一个“路由优先”的 Web / 应用 / API 安全加固技能。当团队提出“让系统变安全”但缺失的安全层尚不明确时使用。它不罗列庞大的 OWASP 清单或中间件目录，而是先界定攻击面与风险，选择一个主要加固模式（浏览器边界策略、会话 Cookie 与 CSRF、滥用控制、验证与不安全执行、密钥与运行时配置、审查与验证），推荐最小可行的首批切片，给出验证阶梯，并把相邻工作如实路由到其他技能。
该技能用于分析目标网站的机器人检测（Bot Detection）供应商、具体产品与挑战类型，并支持在 stealth（隐身）与非 stealth 浏览器模式之间进行对比分析。它通过 Kernel 浏览器创建两种会话，在控制网络路径的前提下访问目标站点，自动分析首页与登录页，识别 Akamai、Cloudflare、DataDome、HUMAN/PerimeterX、Imperva、Kasada、Google reCAPTCHA、hCaptcha、FingerprintJS、Arkose Labs 等供应商及其产品，并输出 JSON 报告与页面截图。适用于需要评估网站反爬机制、比较隐身浏览器有效性或排查被拦截原因的场景。使用前需安装并认证 Kernel CLI，准备 Bash、Node.js 22+ 与 jq，并设置 KERNEL_API_KEY。
用于实现集中式审计日志与SIEM集成、日志保留和安全监控的技能，适用合规审计轨迹建设。
Security Scanning 是一个面向 CI 流程的安全扫描技能，覆盖密钥泄露、依赖漏洞、SAST 静态分析、问题分级处置以及带过期时间的例外管理。它强调密钥问题快速失败并在暴露后轮换，依赖问题对严重和高危级别进行门禁并自动化更新，SAST 从高信号规则起步并逐步收紧。该技能还提出开源安全评估框架，从许可证风险、按严重度加权的 CVE、组件过时程度三个独立维度评估第三方组件，并以最差维度作为门禁依据。例外需要提供原因、负责人和过期时间。