원클릭으로 Manus에서 모든 스킬 실행

cve-lookup

스타5

포크0

업데이트2026년 7월 6일 11:40

Build and maintain a local vulnerability database by looking up CVE information from the web and organizing it into a structured year/CVE hierarchy. Searches NVD, MITRE, GitHub Security Advisories, Exploit-DB, CISA KEV, and more to compile structured reports with standardized templates. Maintains a searchable database index with metadata for each CVE entry. Triggered by: "CVE", "cve查询", "漏洞查询", "vulnerability lookup", "CVE编号", "查漏洞", "漏洞详情", "security advisory", "cve lookup", "漏洞缓解", "漏洞防御", "漏洞修复", "mitigation", "remediation", "概念性POC", "概念性PoC", "漏洞分析", "深度分析", "漏洞复现", "漏洞数据库", "构建漏洞库", "vulnerability database", "CVE数据库", "漏洞库查询", "数据库统计".

설치

Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.

Manus에서 실행

출처

hershate

hershate/Meta-skill

GitHub 저장소 열기 Creator 저장소 보기

다운로드

Manus에서 실행

CVE Lookup

Purpose

Build and maintain a structured local vulnerability database by looking up CVE information from the web. For each CVE, produces an in-depth structured report with a standardized template and organized reference data. All entries are stored in a <year>/<CVE-ID> directory hierarchy with a searchable database index. Supports database queries (search by year, CWE, severity), statistics, and maintenance operations. Prioritizes completeness and analytical depth over brevity — no arbitrary size limits on generated content.

When to Use

用户输入一个 CVE 编号（如 CVE-2024-3094），要求查询漏洞详情
用户说"查漏洞"、"查 CVE"、"看下这个漏洞"
用户需要了解某个已知漏洞的发现过程、原理和 PoC
用户需要生成结构化的漏洞分析报告用于文档或团队分享
安全研究或开发过程中需要评估某个漏洞的影响
用户需要构建和维护本地 CVE 漏洞数据库（"构建漏洞库"、"建数据库"）
用户希望按年份和 CVE 编号浏览已收集的漏洞数据（"按年份查看"、"浏览数据库"）
用户需要在本地数据库中搜索、统计或分析已有 CVE 数据（"查数据库"、"数据库统计"、"有多少CVE"）
用户希望为特定年份、组件或 CWE 分类生成漏洞概览报告

When NOT to Use

查询非 CVE 编号的安全公告（如 GHSA、MSRC 编号）—— 应使用通用搜索
需要实时扫描或检测系统是否存在漏洞 —— 应使用专业扫描工具
仅需简单描述（一句话总结）而不需要完整报告 —— 直接 WebSearch 即可

Core Principles

源驱动原则（Source-Driven） — 报告中每一句事实性陈述必须可追溯到具体搜索结果。禁止推断、猜测或补全搜索结果中不存在的信息。 当搜索结果不足以支撑某个字段时，填写 暂无数据 并注明搜索范围——这是正常且预期的行为，不是失败。
证据优先原则 — 写报告前先建立"信息清单"：哪些字段有明确来源、哪些搜索结果矛盾、哪些完全未找到。不得为了填充模板而编造任何内容。
多源交叉验证 — 单一来源的信息标记为"待验证"，3+ 独立来源一致的信息标记为"高可信度"。来源冲突时保留所有说法并标注差异——不得自行选择"更可信"的版本。
数据缺失透明化 — 当某个章节信息不足时，必须向用户说明：(a) 搜索了哪些来源，(b) 为什么信息不足（如 CVE 状态为 Reserved、漏洞刚刚发布等），(c) 提供了什么替代参考信息（如有）。
数据库组织原则 — 所有获取的 CVE 数据必须按 <year>/<CVE-ID> 的层级结构存储。每条 CVE 在对应年份目录下拥有独立子目录，包含主报告和结构化参考数据。维护统一的数据库索引文件，支持按年份、CWE、严重程度等多种维度的搜索和统计。

Workflow / Steps

Step 1: 解析 CVE 编号

从 $ARGUMENTS 中提取 CVE 编号。支持以下输入格式：

输入格式	示例	标准化结果
完整编号	`CVE-2024-3094`	`CVE-2024-3094`
小写	`cve-2024-3094`	`CVE-2024-3094`
纯数字	`2024-3094`	`CVE-2024-3094`

校验规则：

格式必须匹配 CVE-\d{4}-\d{4,}（年份 + 至少 4 位数字 ID）
年份范围：1999 到当前年份
校验失败时向用户报告格式错误并停止执行

输出路径说明：本 Skill 的所有报告文件均输出到当前 VSCode 工作目录（workspace root）下的 CVE-Reports/ 文件夹中，而非 skill 安装目录内的 cve-lookup/ 文件夹。工作目录即 Claude Code 当前运行所在的项目根目录。

Step 2: 多源搜索漏洞信息

使用 WebSearch 和 WebFetch 从以下来源搜索，按优先级顺序尝试。每个来源失败时自动降级到下一来源，不中断整体流程。

来源列表（按优先级）：

NVD (National Vulnerability Database) — 官方权威漏洞数据库
- 搜索关键词："CVE-XXXX-XXXX nvd.nist.gov"
- 可获取：CVSS 评分、CWE 分类、受影响版本、官方参考链接
MITRE CVE — CVE 编号管理机构
- 搜索关键词："CVE-XXXX-XXXX mitre.org"
- 可获取：CVE 描述、状态（已发布/保留/拒绝）、参考列表
GitHub Security Advisory — 开源项目安全公告
- 搜索关键词："CVE-XXXX-XXXX GitHub advisory"
- 可获取：受影响的开源组件、版本范围、修复版本
CISA Known Exploited Vulnerabilities — 已知被利用漏洞目录
- 搜索关键词："CVE-XXXX-XXXX CISA KEV"
- 可获取：是否已被野外利用、利用活动时间线
Exploit-DB / 安全博客 — PoC 和漏洞分析文章
- 搜索关键词："CVE-XXXX-XXXX exploit PoC" 和 "CVE-XXXX-XXXX 漏洞分析"
- 可获取：PoC 代码、技术分析文章、攻击面分析
官方安全公告与缓解建议 — 厂商官方缓解/防御/修复指南
- 搜索关键词："CVE-XXXX-XXXX advisory mitigation" 和 "CVE-XXXX-XXXX vendor recommendation"
- 可获取：厂商官方缓解措施、补丁链接、配置修改建议、临时规避方案
中文漏洞数据库 — 中国国家漏洞库信息
- 搜索关键词："CVE-XXXX-XXXX CNNVD" 和 "CVE-XXXX-XXXX CNVD"
- 可获取：CNNVD/CNVD 编号、中文描述、国内影响评估、中文补丁信息
深度技术分析来源 — 漏洞原理深度剖析
- 搜索关键词："CVE-XXXX-XXXX analysis", "CVE-XXXX-XXXX root cause", "CVE-XXXX-XXXX deep dive"
- 获取：技术博客文章（Project Zero、Qualys、Rapid7 等）、学术论文
社交媒体与安全社区 — 实时漏洞讨论与情报
- 搜索关键词："CVE-XXXX-XXXX twitter", "CVE-XXXX-XXXX reddit"
- 可获取：安全研究员的早期分析、利用状态讨论、社区缓解方案
- 作为补充来源，不单独依赖

重试策略：

每个来源最多搜索 2 次（使用不同关键词），2 次均失败则跳过
WebFetch 获取详情页时设置超时（10 秒），超时则跳过该页面
至少有 2 个不同来源获取到有效信息，否则向用户报告"信息不足"
中文漏洞数据库和社交媒体来源作为"补充层"：即使获取失败也不中断流程，但应记录下来供用户参考

Step 3: 结构化整理搜索结果

将从各来源获取的信息按以下维度去重、合并。本步骤仅整理信息，不得新增搜索结果中不存在的内容：

信息维度	来源优先级	处理规则
漏洞描述	NVD > MITRE > GitHub	取最详细的描述，标注来源
CVSS 评分	NVD（最权威）	仅取 NVD 数据；无则填暂无数据
CWE 分类	NVD	取最具体的 CWE；无则填暂无数据
受影响版本	NVD + GitHub	合并并去重；标注各版本来源
PoC 信息	Exploit-DB > GitHub > 博客	记录链接和可用性评估
缓解措施	官方安全公告 > NVD References	合并所有来源，按类型分类
防御方案	安全厂商分析 > 官方公告	分层提取，标注来源
修复方案	GitHub Advisory > 官方公告	优先官方修复版本和补丁
技术分析	Project Zero > Unit 42 > 学术论文	提取根因、攻击链、利用细节
概念性PoC依据	技术分析 > 官方描述	提取攻击入口、利用路径、触发序列

信息可信度标记：

来自 3+ 独立来源且内容一致 → 高可信度
仅来自 1 个来源 → 待验证
不同来源冲突 → 保留所有说法，标注差异，不自行裁决

建立"信息清单"： 整理完成后，形成一份明确的清单：哪些字段有数据（标注来源）、哪些搜索结果矛盾、哪些完全未找到。此清单作为 Step 4 撰写报告的依据——清单中没有的内容不得写入报告。

Step 4: 生成 CVE 报告与结构化参考数据

前置操作： 使用 Read 工具读取 references/report-template.md，获取完整的标准报告模板。该模板包含所有必需字段、来源标注规范和"暂无数据"标记指引。

数据库目录结构： 报告和相关参考数据统一保存在 CVE-Reports/ 下的分级目录中：

CVE-Reports/                        # 漏洞数据库根目录
├── index.md                        # 数据库汇总索引（所有 CVE 的聚合概览）
├── lookup-table.md                 # 漏洞类型对照表（快速搜索用，含漏洞类型+受影响软件）
├── cve-index.json                  # 集中式索引 JSON（所有 CVE 元数据的聚合，单文件读取，高效搜索）
├── taxonomy.md                     # 分类层次说明（可选的分类体系文档）
├── 2024/
│   ├── CVE-2024-3094/
│   │   ├── report.md               # 主报告（标准模板生成的完整报告）
│   │   └── metadata.json           # 结构化参考数据（关键字段摘要，用于索引）
│   └── CVE-2024-21887/
│       ├── report.md
│       └── metadata.json
├── 2023/
│   └── ...
└── 2025/
    └── ...

生成流程：

确保目录结构存在：CVE-Reports/<year>/<CVE-ID>/
创建主报告文件 CVE-Reports/<year>/<CVE-ID>/report.md
严格按模板填充，遵循以下规则：
- 有来源的事实 → 写入内容并标注来源（URL 或来源名称）
- 无来源的字段 → 填写 暂无数据，不得删除字段，不得编造内容
- 来源矛盾的字段 → 保留所有说法，标注差异，不得自行选择
- 信息不足以支撑的章节 → 标注搜索范围和不足原因（如"已搜索 NVD、MITRE、GitHub Advisory，均未找到发现过程信息"）
报告 frontmatter 中的 confidence、source_count、poc_conceptual_generated 等元数据必须与实际搜索结果一致，不得使用模板中的示例值
每完成一个章节，立即对照信息清单确认：该章节的所有事实性陈述是否均可在清单中找到对应来源。如发现清单中不存在的内容，立即删除。

生成结构化参考数据文件 CVE-Reports/<year>/<CVE-ID>/metadata.json，包含该 CVE 的关键字段摘要，用于数据库索引和搜索。推荐使用 Python 脚本生成以避免 AI 编码错误：

python cve-lookup/scripts/generate_metadata.py \
  --cve-id "CVE-YYYY-XXXX" \
  --year YYYY \
  --cvss X.X \
  --severity "CRITICAL|HIGH|MEDIUM|LOW|UNKNOWN" \
  --cwe "CWE-XXX" \
  --component "组件名称" \
  --summary "一句话摘要" \
  --vuln-type "类型1" "类型2" \
  --tags "标签1" "标签2" \
  --has-poc true/false \
  --has-mitigation true/false \
  --source-count N \
  --output "CVE-Reports/<year>/<CVE-ID>/metadata.json"

脚本会自动校验字段格式、类型和范围，并根据 CWE 自动推断 vuln_type。也可通过 stdin 传递 JSON 数据：

echo '{"cve_id":"CVE-YYYY-XXXX","year":YYYY,...}' | \
  python cve-lookup/scripts/generate_metadata.py \
    --output "CVE-Reports/<year>/<CVE-ID>/metadata.json"

生成的 metadata.json 包含以下字段：

{
  "cve_id": "CVE-YYYY-XXXX",
  "year": YYYY,
  "cvss_score": X.X,
  "severity": "CRITICAL|HIGH|MEDIUM|LOW|UNKNOWN",
  "cwe": ["CWE-XXX"],
  "vuln_type": ["RCE", "SQL注入", "缓冲区溢出", "XSS", "权限提升", ...],
  "affected_component": "组件名称",
  "summary": "一句话摘要",
  "collection_date": "YYYY-MM-DD",
  "source_count": N,
  "has_poc": true|false,
  "has_mitigation": true|false,
  "tags": ["标签1", "标签2"]
}

metadata.json 仅包含搜索结果中确实存在的数据，缺失字段填写 null
vuln_type 字段从 CWE 分类和搜索结果中的技术描述提取漏洞类型（如 RCE、SQL注入、缓冲区溢出、XSS、权限提升、拒绝服务、信息泄露等），用于索引表快速筛选。如果无法从来源确定漏洞类型，填写 null
tags 字段根据 CWE 分类、漏洞类型等自动推断（如 "RCE"、"缓冲区溢出"、"SQL注入"）

Step 5: 更新数据库索引与对照表

在 CVE-Reports/index.md 中追加或更新该 CVE 的条目。index.md 是数据库的汇总索引，涵盖所有已收集的 CVE：

# 漏洞数据库索引

更新日期：YYYY-MM-DD
CVE 总数：N

## 按年份统计

| 年份 | CVE 数量 | 严重等级分布 |
|------|---------|-------------|
| 2024 | 12 | 🟥 CRITICAL: 5, 🟧 HIGH: 4, 🟨 MEDIUM: 3 |

## 所有 CVE 列表

| CVE ID | 严重程度 | CWE | 受影响组件 | 收集日期 |
|--------|---------|-----|-----------|---------|
| CVE-YYYY-XXXX | CRITICAL | CWE-XXX | <组件> | YYYY-MM-DD |

如果 index.md 不存在，创建并写入完整格式
如果已存在该 CVE 条目，更新相关信息（收集日期、CVSS 等）
每次写入后更新统计信息（年份汇总、总数、严重等级分布）

推荐使用 Python 脚本一次性更新所有索引文件（自动处理 cve-index.json、lookup-table.md、index.md 的追加/更新/排序/统计）：

# 从已生成的 metadata.json 追加/更新索引
python cve-lookup/scripts/append_to_index.py \
  --database CVE-Reports \
  --metadata "CVE-Reports/<year>/<CVE-ID>/metadata.json"

# 或通过 stdin 直接传递 metadata JSON
cat "CVE-Reports/<year>/<CVE-ID>/metadata.json" | \
  python cve-lookup/scripts/append_to_index.py --database CVE-Reports

如果无法使用脚本，再手动更新各索引文件。

同时生成/更新集中式索引 JSON 文件 CVE-Reports/cve-index.json：

[
  {
    "cve_id": "CVE-2024-3094",
    "year": 2024,
    "severity": "CRITICAL",
    "cwe": ["CWE-506"],
    "vuln_type": ["供应链后门", "嵌入式恶意代码"],
    "affected_component": "liblzma / xz-utils",
    "summary": "xz-utils 库中被植入后门，影响 SSH 认证安全",
    "collection_date": "2026-07-06"
  },
  {
    "cve_id": "CVE-2023-44487",
    "year": 2023,
    "severity": "HIGH",
    "cwe": ["CWE-400"],
    "vuln_type": ["资源耗尽", "拒绝服务"],
    "affected_component": "HTTP/2 协议栈（多种实现）",
    "summary": "HTTP/2 快速重置攻击导致拒绝服务",
    "collection_date": "2026-07-06"
  }
]

cve-index.json 是当前数据库所有 CVE 的集中式索引，每个条目包含的关键字段用于快速筛选
读一个文件即可获取全部 CVE 的概览，无需遍历文件系统
新增 CVE 时追加条目到数组末尾；更新已有 CVE 时替换对应条目
使用标准的 JSON 格式，可被其他工具（jq、Python、JavaScript）直接读取和处理

同时生成/更新漏洞类型对照表（人类可读）CVE-Reports/lookup-table.md：

# 漏洞类型对照表

> 快速搜索用索引表，按漏洞类型分类。更新日期：YYYY-MM-DD | 总数：N

## 按漏洞类型索引

| 漏洞类型 | CVE 数量 | 相关 CVE |
|---------|---------|---------|
| RCE（远程代码执行） | 5 | CVE-2024-xxx, CVE-2024-yyy |
| SQL 注入 | 3 | CVE-2024-zzz, ... |
| 缓冲区溢出 | 2 | ... |
| 供应链后门 | 1 | CVE-2024-3094 |

## 按受影响软件索引

| 受影响软件 | CVE 数量 | 相关 CVE |
|-----------|---------|---------|
| Linux Kernel | 4 | CVE-2024-xxx, ... |
| OpenSSL | 2 | ... |
| xz-utils / liblzma | 1 | CVE-2024-3094 |

以 vuln_type 和 affected_component 为核心维度交叉索引
目的：用户按漏洞类型或软件名称搜索时，一眼定位到相关 CVE
每次新增或更新 CVE 后同步刷新统计数字

Step 6: 输出报告摘要

向用户呈现以下内容的简要报告：

基本信息：CVE ID, CVSS 评分, 严重程度, 受影响组件
一句话总结：该漏洞的核心要点（不超过 50 字）
关键发现：发现者、利用状态、是否已有公开 PoC
概念性 PoC：是否已生成概念性 PoC 分析（✅ 是 / ❌ 信息不足以生成）
缓解/防御/修复状态：是否有已知缓解措施、检测规则和官方修复版本（简明标注如 ✅ 有 / ⚠️ 部分 / ❌ 暂无）
数据库路径：报告文件保存位置 CVE-Reports/<year>/<CVE-ID>/
信息来源数量：成功从几个来源获取了信息（注明成功/失败数量）

如果 Step 2 执行过程中有来源降级或失败，在此一并报告。

Step 7: 数据库搜索与查询（使用集中式索引）

当用户要求查询已有数据库内容时，优先使用集中式索引 cve-index.json 进行快速搜索，仅在需要完整报告时访问具体文件：

搜索策略

使用集中式索引搜索（首选，高效）：
- 使用 Read 读取 CVE-Reports/cve-index.json（单文件，一次读取全部 CVE 元数据）
- 在读取的内容中按条件筛选（通过关键词匹配 vuln_type、affected_component、cwe、severity、year 等字段）
- 以表格形式呈现筛选结果，每行包含：CVE ID、漏洞类型、受影响软件、严重程度、摘要
- 优点：无论数据库规模多大（10 条或 1000 条），只需读取 1 个文件，无文件系统遍历开销

使用搜索脚本（推荐，精确筛选）：

# 按漏洞类型搜索
python cve-lookup/scripts/search_cve.py --database CVE-Reports --vuln-type RCE

# 按受影响软件 + 严重程度组合搜索
python cve-lookup/scripts/search_cve.py --database CVE-Reports --software OpenSSL --severity HIGH

# 关键词搜索
python cve-lookup/scripts/search_cve.py --database CVE-Reports --keyword "buffer overflow"

# 数据库统计
python cve-lookup/scripts/search_cve.py --database CVE-Reports --stats

# 列出所有漏洞类型
python cve-lookup/scripts/search_cve.py --database CVE-Reports --list-types

脚本支持多条件组合筛选、JSON 格式输出、详细模式，适合复杂查询。

使用漏洞类型对照表搜索（辅助，可视化）：
- 使用 Read 读取 CVE-Reports/lookup-table.md
- 按漏洞类型或软件名称定位到相关 CVE 组
- 适合"有哪些 RCE 漏洞"或"Linux Kernel 受影响"这类宽泛分类查询
直接访问 CVE 目录（获取完整报告）：
- 当用户需要查看某条 CVE 的完整报告时，读取 CVE-Reports/<year>/<CVE-ID>/report.md
- 年份从 cve-index.json 的 year 字段获取，无需遍历目录

查询场景示例

查询场景	搜索策略	操作
"查RCE漏洞"	读 cve-index.json → 筛 vuln_type 包含 RCE	1 次 Read
"OpenSSL有哪些漏洞"	读 cve-index.json → 筛 affected_component 含 OpenSSL	1 次 Read
"2024年的CRITICAL漏洞"	读 cve-index.json → 筛 year=2024 AND severity=CRITICAL	1 次 Read
"看CVE-2024-3094的完整报告"	读 cve-index.json 获取 year → 读 report.md	2 次 Read
"统计CWE分布"	读 cve-index.json → 按 cwe 字段聚合计数	1 次 Read

备用方案

如果 cve-index.json 不存在（如旧版本数据库），降级到 Glob 搜索：

使用 Glob pattern: CVE-Reports/*/*/metadata.json 遍历所有 metadata.json
读取后逐条筛选
添加 Note 提示用户执行"重建索引"以生成集中式索引

Step 8: 数据库维护操作

当用户要求执行数据库维护时：

更新已有 CVE：重新执行 Step 1-6 刷新某条 CVE 的数据，新报告覆盖旧报告目录
清理空目录：删除没有有效数据（report.md 只有"暂无数据"）的空 CVE 目录
重建索引：遍历所有 <year>/<CVE-ID>/metadata.json，重新生成 index.md、cve-index.json 和 lookup-table.md（Step 5 的全部索引文件）
```
# 推荐使用脚本一次性重建所有索引：
python cve-lookup/scripts/append_to_index.py --database CVE-Reports --rebuild
```
导出数据：按用户要求导出指定 CVE 或年份范围的 cve-index.json 子集或 metadata 数据
数据库完整性检查：检查每个 CVE 目录是否包含 report.md 和 metadata.json，缺少则报告；同时验证 cve-index.json 中的条目是否与文件系统中的 CVE 目录一致

Step 9: 生成分类概览报告（可选）

当用户要求按特定维度生成漏洞概览时：

遍历所有 metadata.json，按用户指定的维度（年份、CWE 分类、严重程度、受影响组件）聚合
生成分类概览报告 CVE-Reports/taxonomy.md，包含统计图表或表格
支持按严重程度筛选（"列出所有 CRITICAL 级别的漏洞"）
支持按 CWE 分类筛选（"列出所有 CWE-89 SQL 注入漏洞"）

Constraints

源驱动与防编造

Always 在写报告前建立"信息清单"，明确哪些字段有来源、哪些未找到、哪些矛盾
Always 每项事实性陈述必须标注信息来源（URL 或来源名称），不得有无来源的断言
Never 推断、猜测或补全搜索结果中不存在的信息 —— "暂无数据"是正常且预期的
Never 为了填充模板而编造内容 —— 模板中的示例值（如 cvss_score: 9.8、severity: CRITICAL）不得直接使用，必须以实际搜索结果为准
Never 在来源矛盾时自行裁决 —— 必须保留所有说法并标注差异

数据质量

Always 从至少 3 个不同来源获取 CVE 信息（含 1 个官方来源），避免单一来源偏差
Always 在报告中标注信息来源和可信度（高/中/待验证）
Always 区分临时缓解措施和永久修复方案，不得混为一谈
Always 在防御方案中注明适用范围（网络层/主机层/应用层），避免笼统建议
Never 提供未经验证的缓解措施 —— 每项措施必须有来源支撑
Never 删除模板中的任何字段 —— 无数据时填写"暂无数据"
报告必须使用模板中的标准结构，不得自行简化格式
生成的报告无字数限制：各章节以信息完整性和分析深度为目标，不限字数

安全与合规

Always 在 PoC 和概念性 PoC 部分添加明确免责声明
Always 在概念性 PoC 中仅使用伪代码和自然语言描述，不生成可执行的攻击代码
Always 在概念性 PoC 的每段代码块前注明其"概念性"属性
Never 在未验证的情况下断言某个 PoC 是否有效
Never 报告生成过程中执行或运行任何 PoC 代码
Never 对尚未修复的漏洞提供不准确的修复建议
Never 在概念性 PoC 中包含真实的 shellcode、ROP 链、反连 IP 等实际利用载荷

边界处理

概念性 PoC 分析仅在有足够的技术分析信息（漏洞原理、触发条件、利用方式至少各一项有明确来源）时生成；信息不足以推导时跳过该章节并注明原因
中英文混合场景优先使用中文输出报告
如果 CVE 编号格式校验失败，立即报告错误并停止执行，不进行模糊搜索

数据库管理

Always 每次新增 CVE 后更新 index.md 的统计信息（总数、按年份分布、严重程度分布）
Always 在 metadata.json 中仅写入搜索结果中存在的数据，缺失字段填写 null，不得使用默认值或估算值
Always 重建索引（Step 8）时遍历所有 metadata.json 重新生成统计，不依赖 index.md 中的旧数据
Always 在新增或更新 CVE 后同步刷新 cve-index.json 和 lookup-table.md，确保索引与数据一致
Always 执行数据库搜索时优先尝试读取 cve-index.json（单文件一次读取），仅在索引不存在时降级为 Glob 遍历
Never 在数据库搜索时修改或写入任何 CVE 数据 —— 搜索操作为只读
Never 在不通知用户的情况下执行数据库清空、批量删除等破坏性操作 —— 需要显式确认
Never 在 cve-index.json 或 lookup-table.md 中出现与实际文件系统不一致的记录（如索引中存在但目录已删除的 CVE）
metadata.json 中的 vuln_type 字段必须从 CWE 分类和搜索结果中的技术描述提取，不得凭空编造
metadata.json 中的 tags 字段应基于 CWE 分类和搜索结果中的描述推断，而非凭空编造
更新已有 CVE 时保留旧的 metadata.json 备份（命名为 metadata.json.bak），除非用户明确要求覆盖

Examples

✅ Do This — 源驱动报告（正确做法）

用户输入：

/cve-lookup CVE-2024-3094

期望行为：

解析出 CVE ID：CVE-2024-3094，校验格式通过
从 NVD、MITRE、GitHub Advisory、Exploit-DB、官方安全公告、CNNVD 等多个来源搜索
先建立信息清单：明确 NVD 提供了 CVSS 9.8 + CWE-506；MITRE 提供了描述；GitHub 提供了受影响版本；厂商公告提供了修复版本 5.6.1 — 发现者信息未在任何来源中找到 → 标记为"暂无数据"
在 CVE-Reports/2024/CVE-2024-3094/report.md 生成报告，在 CVE-Reports/2024/CVE-2024-3094/metadata.json 生成参考数据，每个字段要么有来源标注，要么标注"暂无数据"或 null
更新 CVE-Reports/index.md 索引（更新年份统计和总表）
输出摘要

✅ Do This — 信息不足时的正确处理

场景： 搜索一个刚发布的 CVE，仅 NVD 和 MITRE 有基本信息

正确做法：

在报告中如实说明"已搜索 9 个来源，仅 NVD 和 MITRE 返回有效信息"
概述表格中填写已有信息（CVSS、描述），其余字段填"暂无数据"
"发现过程"章节写明"搜索未找到该漏洞的发现过程信息（已搜索：NVD、MITRE、GitHub Advisory、Exploit-DB、安全博客）"
"概念性 PoC 分析"章节跳过，注明"信息不足以构建概念性 PoC（缺少：漏洞原理技术分析、触发条件细节）"
报告可信度标记为"低"

✅ Do This — 数据库查询与统计（正确做法）

用户输入：

帮我查一下数据库里2024年的CRITICAL漏洞

期望行为：

使用 Glob 搜索 CVE-Reports/2024/*/metadata.json
读取所有匹配的 metadata.json，筛选 severity == "CRITICAL" 的条目
以表格形式呈现结果（CVE ID、CWE、受影响组件、摘要）
不读取或输出完整的 report.md 内容（除非用户要求）

用户输入：

统计一下数据库里所有漏洞的CWE分布

期望行为：

遍历所有 */*/metadata.json 文件
按 CWE 分类聚合计数
输出饼图/表格形式的 CWE 分布统计
同时统计受影响组件排名前十

✅ Do This — 数据库维护（正确做法）

用户输入：

帮我重建数据库索引

期望行为：

使用 Glob 搜索所有 */*/metadata.json
遍历每个文件，提取年份、CVE ID、severity、CWE、affected_component
重新生成 CVE-Reports/index.md，包含最新的年份统计和完整列表
报告重建完成：总 CVE 数、年份覆盖范围

✅ Do This — 使用集中式索引快速搜索（高效做法）

用户输入：

查一下数据库里有哪些RCE漏洞

期望行为（使用集中式索引）：

使用 Read 读取 CVE-Reports/cve-index.json（1 次 I/O，无论数据库多大）
在返回的 JSON 数组中筛选 vuln_type 包含 "RCE" 的条目
以表格形式输出结果（CVE ID、漏洞类型、受影响软件、严重程度、摘要）
不遍历文件系统，不读取任何 metadata.json

效率对比：

❌ 旧方式（Glob 遍历）：打开 N 个 metadata.json 文件，N 次 I/O
✅ 新方式（集中式索引）：读取 1 个 cve-index.json，1 次 I/O

用户输入：

看看lookup-table里有哪些软件被影响最多

期望行为：

使用 Read 读取 CVE-Reports/lookup-table.md
从"按受影响软件索引"表格中提取统计
按 CVE 数量排序，输出受影响软件 Top N

❌ Not This — 编造与推断（错误做法）

用户输入：

/cve-lookup CVE-2024-3094

错误行为：

❌ 编造发现者：搜索结果中未找到发现者信息，但报告中写了"由某安全研究员发现"（编造）
❌ 复制模板示例值：模板中 cvss_score: 9.8 是示例，但搜索结果中 CVSS 为 7.5，仍写成 9.8
❌ 推断攻击链：搜索结果中仅有漏洞描述，却自行推演完整的利用步骤和攻击场景
❌ 静默跳过缺少的信息：未找到缓解措施时，不写"暂无数据"也不做任何说明，直接跳过该章节
❌ 仅从单一来源搜索，未交叉验证
❌ 直接执行 PoC 脚本（严重安全违规）
❌ 将临时缓解措施与永久修复方案混在一起，没有明确区分
❌ 防御方案仅写"更新到最新版本"，缺乏分层建议和来源引用
❌ 概念性 PoC 直接包含可执行的攻击代码而非伪代码（严重安全违规）

Notes

NVD API 2.0 无 API key 时限制为 5 次/30 秒，建议获取免费 API key 以获得 50 次/30 秒的配额
MITRE CVE API 为公开接口，无需认证：https://cveawg.mitre.org/api/cve/<CVE-ID>
GitHub Advisory Database 可通过 https://github.com/advisories/<GHSA-ID> 访问
CISA KEV 目录 JSON feed：https://www.cisa.gov/sites/default/files/feeds/known_exploited_vulnerabilities.json（JSON Schema 更新于 2024-06-25）
Exploit-DB 搜索可通过 https://www.exploit-db.com/search?cve=YYYY-XXXX 进行
CNNVD(https://www.cnnvd.org.cn) 和 CNVD(https://www.cnvd.org.cn) 无公开 API，通过 WebSearch 搜索公开页面
阿里云 AVD(https://avd.aliyun.com) 提供开放查询接口，可作为中文数据的替代来源
对于较旧的 CVE（2020 年之前），部分来源可能已下线或不完整
对于 0-day 或刚发布的 CVE，信息可能较少，报告中应如实标注"信息有限"并在 Step 6 摘要中向用户说明
如果 CVE 编号指向保留（Reserved）或拒绝（Rejected）状态，在报告中明确标注并仅提供基本信息，不生成完整分析
报告文件为 Markdown 格式，可直接在 VSCode 中预览或转换为 PDF
缓解措施仅适用于临时规避，不能替代彻底修复，报告中应明确这一前提
防御方案中的检测规则（YARA/Sigma/Suricata）可能需根据实际环境调整，报告中应注明"需根据环境适配"
如果官方尚未发布修复版本，修复方案章节应如实标注并建议替代迁移路径或持续关注厂商公告
概念性 PoC 分析仅基于公开的技术分析推导，不代表漏洞在实际环境中一定可被利用
概念性 PoC 中的伪代码仅供理解漏洞原理，不保证在真实环境中可运行
如果搜索到的技术分析信息不足以支撑概念性 PoC 推导，应在报告中注明原因并跳过该章节
报告模板完整版位于 references/report-template.md，修改报告结构时应同步更新该文件

数据库相关

数据库根目录为 CVE-Reports/，位于当前 VSCode 工作目录根（workspace root），与 skill 安装位置无关
目录结构 CVE-Reports/<year>/<CVE-ID>/ 支持通过 Glob 高效搜索（按年份索引，无需遍历所有文件）
metadata.json 使用标准 JSON 格式，便于其他工具读取和处理（如 jq、Python json 模块）
索引文件 index.md、lookup-table.md 和分类报告 taxonomy.md 均为 Markdown 格式，可在 VSCode 中直接预览
cve-index.json 是集中式索引 JSON，包含所有 CVE 的关键字段（cve_id、year、severity、cwe、vuln_type、affected_component、summary），一次 Read 即可获取全部数据用于搜索筛选
lookup-table.md 是漏洞类型对照表，以 vuln_type 和 affected_component 为核心维度交叉索引，适合人类快速浏览
搜索效率大幅提升：无论数据库中有 10 条还是 1000 条 CVE，搜索操作只需读取 cve-index.json 一个文件（1 次 I/O），无需遍历文件系统读取 N 个 metadata.json
重建索引（Step 8）会同时重新生成 index.md、cve-index.json 和 lookup-table.md
删除 CVE 时仅删除对应 <year>/<CVE-ID>/ 目录，不影响其他年份和其他 CVE；但删除后需要重建索引以保持 cve-index.json 与文件系统一致
如果 cve-index.json 不存在（如从旧版本升级），Step 7 会自动降级为 Glob 搜索，建议用户执行"重建索引"以启用高效搜索
由于 Glob 工具可能存在 head_limit 限制，建议优先使用集中式索引搜索而非 Glob 遍历
多条 CVE 数据采集建议间隔 NVD 的 API 频率限制（无 key: 5次/30秒，有 key: 50次/30秒）

Python 脚本说明

cve-lookup/scripts/ 目录下提供了 4 个 Python 脚本：

check_env.py — 环境诊断工具（独立脚本，建议首次使用前运行）
- 检查 Python 版本、必需模块、配套脚本完整性、磁盘访问权限
- 支持 --verbose 详细输出 / --json JSON 格式 / --quiet 仅错误
- 用法：python cve-lookup/scripts/check_env.py
- 诊断范围：Python >= 3.8、json/os/sys/argparse/importlib/datetime/typing/re/subprocess
generate_metadata.py — 从结构化数据生成标准化的 metadata.json
- 自动校验字段格式、类型和范围
- 内置 CWE→vuln_type 映射表，自动推断漏洞类型
- 支持命令行参数和 stdin 两种输入方式
- python generate_metadata.py --validate <file> 可校验已有文件
- 用法：python cve-lookup/scripts/generate_metadata.py --cve-id CVE-2024-3094 --year 2024 ...
append_to_index.py — 将 CVE 元数据追加/更新到集中式索引
- 一次命令同时更新 cve-index.json、lookup-table.md、index.md
- 自动排序（按年份降序、严重程度降序）和去重
- 支持 --rebuild 模式：遍历所有 metadata.json 重建全部索引
- 用法：python cve-lookup/scripts/append_to_index.py --database CVE-Reports --metadata <file>
- 重建：python cve-lookup/scripts/append_to_index.py --database CVE-Reports --rebuild
search_cve.py — 从 cve-index.json 中快速搜索和筛选
- 支持按漏洞类型、受影响软件、严重程度、年份、CWE、关键词等组合筛选
- 支持 --stats 统计模式（年份分布、严重程度、漏洞类型 Top、软件 Top）
- 支持 --list-types / --list-software 列出所有类型/软件
- 支持 --json JSON 输出和 --detail 详细模式
- 用法：python cve-lookup/scripts/search_cve.py --database CVE-Reports --vuln-type RCE

所有脚本均使用 Python 标准库，无外部依赖
首次使用前建议运行环境诊断：python cve-lookup/scripts/check_env.py
可使用 python cve-lookup/scripts/check_env.py --verbose 查看详细模块状态
可使用 python cve-lookup/scripts/check_env.py --json 获取 JSON 诊断报告
脚本路径相对于 VSCode 工作目录根（workspace root）
当 skill 安装在项目级 .claude/skills/cve-lookup/ 时，脚本路径为 .claude/skills/cve-lookup/scripts/<脚本名>.py
当 skill 安装在用户级 ~/.claude/skills/cve-lookup/ 时，脚本路径为 ~/.claude/skills/cve-lookup/scripts/<脚本名>.py
如果无法确定安装位置，使用 Glob 搜索 **/cve-lookup/scripts/*.py 定位脚本

name	cve-lookup
description	Build and maintain a local vulnerability database by looking up CVE information from the web and organizing it into a structured year/CVE hierarchy. Searches NVD, MITRE, GitHub Security Advisories, Exploit-DB, CISA KEV, and more to compile structured reports with standardized templates. Maintains a searchable database index with metadata for each CVE entry. Triggered by: "CVE", "cve查询", "漏洞查询", "vulnerability lookup", "CVE编号", "查漏洞", "漏洞详情", "security advisory", "cve lookup", "漏洞缓解", "漏洞防御", "漏洞修复", "mitigation", "remediation", "概念性POC", "概念性PoC", "漏洞分析", "深度分析", "漏洞复现", "漏洞数据库", "构建漏洞库", "vulnerability database", "CVE数据库", "漏洞库查询", "数据库统计".
version	3.1.0
allowed-tools	Read Write WebSearch WebFetch Glob Bash
dependencies	python>=3.8
metadata	{"tags":"security, cve, vulnerability, exploit, database, vulnerability-database, scripts"}

name	cve-lookup
description	Build and maintain a local vulnerability database by looking up CVE information from the web and organizing it into a structured year/CVE hierarchy. Searches NVD, MITRE, GitHub Security Advisories, Exploit-DB, CISA KEV, and more to compile structured reports with standardized templates. Maintains a searchable database index with metadata for each CVE entry. Triggered by: "CVE", "cve查询", "漏洞查询", "vulnerability lookup", "CVE编号", "查漏洞", "漏洞详情", "security advisory", "cve lookup", "漏洞缓解", "漏洞防御", "漏洞修复", "mitigation", "remediation", "概念性POC", "概念性PoC", "漏洞分析", "深度分析", "漏洞复现", "漏洞数据库", "构建漏洞库", "vulnerability database", "CVE数据库", "漏洞库查询", "数据库统计".
version	3.1.0
allowed-tools	Read Write WebSearch WebFetch Glob Bash
dependencies	python>=3.8
metadata	{"tags":"security, cve, vulnerability, exploit, database, vulnerability-database, scripts"}

cve-lookup

이 저장소의 다른 Skills

이 저장소의 다른 Skills

CVE Lookup

Purpose

When to Use

When NOT to Use

Core Principles

Workflow / Steps

Step 1: 解析 CVE 编号

Step 2: 多源搜索漏洞信息

Step 3: 结构化整理搜索结果

Step 4: 生成 CVE 报告与结构化参考数据

Step 5: 更新数据库索引与对照表

Step 6: 输出报告摘要

Step 7: 数据库搜索与查询（使用集中式索引）

搜索策略

查询场景示例

备用方案

Step 8: 数据库维护操作

Step 9: 生成分类概览报告（可选）

Constraints

源驱动与防编造

数据质量

安全与合规

边界处理

数据库管理

Examples

✅ Do This — 源驱动报告（正确做法）

✅ Do This — 信息不足时的正确处理

✅ Do This — 数据库查询与统计（正确做法）

✅ Do This — 数据库维护（正确做法）

✅ Do This — 使用集中式索引快速搜索（高效做法）

❌ Not This — 编造与推断（错误做法）

Notes

数据库相关

Python 脚本说明

CVE Lookup

Purpose

When to Use

When NOT to Use

Core Principles

Workflow / Steps

Step 1: 解析 CVE 编号

Step 2: 多源搜索漏洞信息

Step 3: 结构化整理搜索结果

Step 4: 生成 CVE 报告与结构化参考数据

Step 5: 更新数据库索引与对照表

Step 6: 输出报告摘要

Step 7: 数据库搜索与查询（使用集中式索引）

搜索策略

查询场景示例

备用方案

Step 8: 数据库维护操作

Step 9: 生成分类概览报告（可选）

Constraints

源驱动与防编造

数据质量

安全与合规

边界处理

数据库管理

Examples

✅ Do This — 源驱动报告（正确做法）

✅ Do This — 信息不足时的正确处理

✅ Do This — 数据库查询与统计（正确做法）

✅ Do This — 数据库维护（正确做法）

✅ Do This — 使用集中式索引快速搜索（高效做法）

❌ Not This — 编造与推断（错误做法）

Notes

数据库相关

Python 脚本说明