在 GitHub 上看到一个项目，名字叫 Anthropic-Cybersecurity-Skills。虽然挂着 Anthropic 的名，但它不是官方项目，而是开发者 Mahipal 发起的社区项目，Apache 2.0 协议。目前 29.6k star，最近还入选了 Black Hat USA 2026 的 Arsenal Lab。


它解决一个很具体的问题：AI agent 做安全任务时，如果只靠模型自身知识，经常漏步骤或瞎编命令。安全操作讲究流程，比如内存取证要先识别 OS profile，再列出进程，再检测注入代码。这些流程资深分析师都熟，但模型不知道。于是作者把 817 个这样的流程写成结构化 Markdown 文件，每个文件是一个 skill，agent 遇到任务时按步骤执行。

每个 SKILL.md 开头是 YAML frontmatter（一段结构化的元数据），只有名称、描述、标签，大约 40 个 token。agent 先读这段，判断是否与当前任务相关，相关才加载完整工作流。这种渐进式披露模式，省 token，也避免无关信息干扰。

比如内存取证技能，frontmatter 里写清楚名称、描述、标签（forensics、volatility3 等），正文包含何时使用、前置条件（Volatility3 已安装、内存镜像已获取）、工作流（用 windows.pslist 列出进程，用 windows.malfind 检测注入代码）。类似地，还有 AWS S3 权限审计、Kerberoasting 等技能。

817 个技能，36 个类别，覆盖从云安全、威胁狩猎、恶意软件分析，到 OT/ICS、红队、合规等 26 个安全域。每个技能映射到 MITRE ATT&CK、NIST CSF 2.0、D3FEND 等框架，agent 执行时能对应到行业标准。

兼容性方面，支持 Claude Code、GitHub Copilot、Cursor、Gemini CLI 等 20+ 平台。只要是读 Markdown 的 agent 都能用。安装很简单：

```bash

npx skills add mukul975/Anthropic-Cybersecurity-Skills

```

需要 Node.js 18+。或者手动 clone 到 ~/.claude/skills/ 目录。

在 X 上，有评论说“Generic LLMs guess at security, this fixes it”。也有网友提到，每个团队可以 fork 下来只保留自己需要的技能。还有人观察到，“skill packs”正在成为新的 dotfiles，开发者开始默认给 agent 装技能库。

这个项目的思路是，把安全知识结构化，而不是让模型背下来。在 agent 能力越来越强的今天，给 agent 提供可检索、可执行的技能库，可能比追求更大参数更实际。当然，它只是工具，实际效果取决于使用者的判断。如果你在给 agent 接安全任务，值得看看。