SKILLEMALL.ai
GitHub ↗ EN Войти

CF aig-agent-redteam

Когда пользователь запрашивает оценку безопасности ИИ/агента, учения синих команд, проверку безопасности ИИ, тестирование на инъекции подсказок, аудит MCP/навыков/плагинов/пакетов кода, тестирование на злоупотребление цепочкой инструментов агента или когда требуется сгенерировать Markdown/HTML, похожий на отчет о тестировании на проникновение, необходимо использовать этот навык. Этот навык позволяет агенту стать экспертом по безопасности ИИ с точки зрения авторизованной синей команды, проводя учения по безопасности для продуктов ИИ, агентов, MCP Server, навыков, репозиториев кода и инфраструктуры ИИ. Отдавайте приоритет рассуждениям на основе первых принципов и реальным доказательствам, а не механическому запуску библиотек полезной нагрузки; скрипты используются только для определения отпечатков HTTP, агрегирования доказательств, рендеринга отчетов и других детерминированных вспомогательных задач.

машинный переводПоказать оригиналСкрыть оригинал«当用户要求 AI/Agent 安全评估、蓝军演习、AI 安全审查、提示词注入测试、MCP/Skill/插件/代码包审计、Agent 工具链滥…»

当用户要求 AI/Agent 安全评估、蓝军演习、AI 安全审查、提示词注入测试、MCP/Skill/插件/代码包审计、Agent 工具链滥用测试，或需要生成类似渗透测试报告的 Markdown/HTML 时，必须使用本 skill。本 skill 让 Agent 以授权蓝军视角成为 AI 安全专家，面向 AI 产品、Agent、MCP Server、Skill、代码仓库和 AI 基础设施进行安全演习。优先使用第一性原理推理和真实证据，而不是机械跑 payload 库；脚本只用于 HTTP 指纹识别、证据聚合、报告渲染等确定性辅助任务。

Tencent/AI-Infra-Guard Agent Skills автор: Tencent Apache-2.0 80 файлов · 3 скрипта тело ≈ 3 811 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Когда пользователь запрашивает оценку безопасности ИИ/агента, учения синих команд, проверку безопасности ИИ, тестирование на инъекции подсказок, аудит…

Как процесс F 33/100 · Процесс не описан — Скилл ссылается на файлы, которых нет в архиве: scripts/aggregator.py, scripts/aig_data.py, references/report_requirements.md

ПроцедураGitHubИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
C
82/100
безопасность, качество, тесты
Безопасность 60%
96
Качество 40%
60
Прогон на моделях
не было
Процессный рейтинг
F
33/100
Процесс не описан
Скилл ссылается на файлы, которых нет в архиве: scripts/aggregator.py, scripts/aig_data.py, references/report_requirements.md
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 4

✓ Критических и высоких находок нет

Средние и низкие: 4

✓ Guard не нашёл подозрительного поведения. 4 совпадений — это строки атак, процитированные в документации самого скилла по безопасности.

Просканировано файлов: 79. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/aggregator.py
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/aig_data.py
  • предупреждение missing-ref ссылка на отсутствующий файл: references/report_requirements.md

Процессный рейтинг: все десять параметров 33/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/aggregator.py, scripts/aig_data.py, references/report_requirements.md
  • 0Инструменты и файлы. Не хватает 3 файла(ов): scripts/aggregator.py, scripts/aig_data.py, references/report_requirements.md
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 7, без проверки текущего состояния
  • 100Шаги. Шагов: 109
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3811 токенов
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (4 тегов): типизированный вызов надёжнее

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 271 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 30 заголовков
  • +3Пошаговые инструкции: 109 пунктов
  • +4Есть примеры (10 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 60.