菜单
Claude Code skills 综合安全分析工具。检测恶意代码、混淆、YAML 注入、typosquatting、时间炸弹、沙箱逃逸和 40+ 攻击模式。用于安装前分析 skills 或审计现有 skills。触发词："分析 skill 安全"、"检查 skill 是否安全"、"审计已安装 skills"、"扫描文件安装前"、"审查 skill 漏洞"。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
LLM 微调专家。使用场景：微调 LLMs、训练自定义模型、适配基础模型进行特定任务。用于配置 LoRA/QLoRA 适配器、准备 JSONL 训练数据集、设置超参数、适配器训练、迁移学习、Hugging Face PEFT 微调、指令微调、RLHF、DPO 或量化部署微调模型。触发词：LoRA、QLoRA、PEFT、微调、适配器调优、LLM 训练、模型训练、自定义模型。
深度研究工具。仅在用户明确说'深度研究'、'深入调查'、'全面报告'时使用。比普通搜索慢 10-100 倍。对于普通研究/查找请求，使用 parallel-web-search。支持多轮：传递 --previous-interaction-id 以继续之前的上下文。
AI 模型提示工程指南：LLM、图像生成器、视频模型。技术：思维链、少样本、系统提示、负提示。模型：Claude、GPT-4、Gemini、FLUX、Veo、Stable Diffusion 提示。用于：更好的 AI 输出、一致的结果、复杂任务、优化。触发词：提示工程、如何提示、更好的提示、提示技巧、提示指南、LLM 提示、图像提示、AI 提示、提示优化、提示模板、提示结构、有效提示、提示技术。
RAG（检索增强生成）模式专家。用于构建 RAG 管道、嵌入文档、实现混合搜索、上下文检索、HyDE、Agentic RAG、多模态 RAG、查询分解、重排或 pgvector 搜索。触发词：RAG、检索、LLM、上下文、嵌入、HyDE、重排、pgvector、多模态。
Apache Spark 作业优化：分区策略、缓存、shuffle 优化和内存调优。用于提升 Spark 性能、调试慢作业或扩展数据处理管道。触发词：Spark、性能优化、分区、缓存、shuffle、数据倾斜。
Web 研究工具：搜索多个来源、综合发现并生成带引用的研究报告。用于用户要求在线研究主题、搜索网页、查找信息、获取最新信息、对比选项或生成研究报告。触发词：研究、网上搜索、查找信息、最新信息、对比选项、研究报告。
| name | skill-security-analyzer-v2 |
| description | Claude Code skills 综合安全分析工具。检测恶意代码、混淆、YAML 注入、typosquatting、时间炸弹、沙箱逃逸和 40+ 攻击模式。用于安装前分析 skills 或审计现有 skills。触发词："分析 skill 安全"、"检查 skill 是否安全"、"审计已安装 skills"、"扫描文件安装前"、"审查 skill 漏洞"。 |
Claude Code skills 的增强安全扫描器，检测 40+ 恶意模式。
v2.0 改进：
# 扫描单个 skill
python3 scripts/security_scanner.py /path/to/skill
# 详细输出
python3 scripts/security_scanner.py /path/to/skill --verbose
# 递归扫描所有已安装 skills
python3 scripts/security_scanner.py ~/.claude/skills/ --recursive
# 输出到 JSON
python3 scripts/security_scanner.py /path/to/skill --output report.json
间接执行：
# 检测到: getattr 混淆
func = getattr(os, 'sys' + 'tem')
func(malicious_command)
高级编码：
# 检测到: ROT13
exec(codecs.decode('vzcbeg bf', 'rot_13'))
# 检测到: zlib 压缩
exec(zlib.decompress(compressed_payload))
Shell 注入：
# 检测到: bash -c
subprocess.run(['/bin/bash', '-c', user_input])
时间炸弹：
# 检测到: 日期条件 + 危险操作
if datetime.datetime.now().day == 15:
os.system('malicious')
{
"skill": "example-skill",
"scanner_version": "2.0",
"timestamp": "2025-10-25T19:00:00Z",
"summary": {
"overall_risk": "CRITICAL",
"total_findings": 15,
"critical": 5,
"high": 7,
"medium": 3,
"low": 0,
"recommendation": "REJECT"
},
"findings": [
{
"severity": "CRITICAL",
"category": "Obfuscated Execution",
"title": "getattr 访问危险函数",
"location": "scripts/main.py:42",
"evidence": "func = getattr(os, 'sys' + 'tem')",
"impact": "通过混淆执行代码"
}
]
}
python3 scripts/test_scanner.py
测试 11 个恶意样本，预期 100% 检测率。
此扫描器不能：
最佳实践：
记住：静态分析只是一层防御。始终使用纵深防御，结合运行时监控、沙箱化和最小权限执行。