用途：threat-list 用于对新遇到的 ML 系统、数据集、API、模型发布、智能体或数据管道执行一次固定的失效模式排查。产物是一份简短备忘录：对清单中每一项，说明是否适用于该系统、为什么（哪个接口、访问级别或数据流使其成为可能）、最现实变体的可行程度，以及是否值得研究。零线索也是合法结论。做法源自 Carlini 在 Latent Space 播客（约 00:53）的描述：维护一份可能出问题的坏情况清单，对每个新系统逐项检查，接受多数检查结果为空白。清单位于 references/checklist.md，执行前需先阅读。
运行前需先明确：系统是什么（模型、数据集、服务 API、带工具的智能体、训练管道或检索栈）；谁控制什么（谁训练、谁服务、谁供数据、谁能查询、以何种访问级别，如仅查询输出、logits 或概率、权重、训练数据）；暴露的接口及其限制（速率限制、记录字段、返回字段、文件或 URL 摄入、工具调用）；重要资产（权重、训练数据、用户数据、系统提示、下游动作）。若未知，需说明哪些未知并照常运行，同时标记依赖缺失事实的条目。
执行：对清单每项按顺序写一行，列包括 Item、Applies?、Why（接口、访问、数据流）、最现实变体与大致成本、已知先前工作、Worth a look?。规则：区分目标、技术与假设的访问级别；优先看实际变体；不因看似不可能而跳过；不声称新颖性，'none known' 只表示未找到。
输出：完整表格；最多两条线索，每条给出使其可行的关键观察和第一个可确认或否定的低成本实验；若均不适用，一句话说明，不得编造线索；当线索真实时给出披露说明，判断缺陷是否可由系统所有者修补，以决定报告与公开的速度。
限制：该技能只做分析，不运行攻击、不以对抗方式查询生产系统、不联系供应商。