开源！Claude Code 817 个 Skill 神器斩获 19000+ Star！

AI 编程工具在代码生成上已经卷到天花板，但安全这块始终是个短板。

让 AI 写业务逻辑，它能一气呵成；让 AI 做安全审计、威胁分析、渗透测试，它大概率会给你一堆理论知识，或者直接说"这个我不擅长"。

问题出在哪？不是模型不够聪明，而是安全领域的知识过于分散，没有统一的执行标准。

为了补上这块短板，安全研究员 Mahipal 开源了 Anthropic Cybersecurity Skills。

开源后短短几个月，便拿下 19000+ GitHub Star，目前还在快速增长。

它把网络安全领域的 817 个专业技能，全部拆解成 AI 能直接执行的结构化任务包，覆盖威胁情报、漏洞分析、渗透测试、取证分析、合规审计等 29 个安全领域。

更牛的是，每个技能都严格映射到 6 大行业框架：MITRE ATT&CK、NIST CSF 2.0、MITRE ATLAS、D3FEND、NIST AI RMF、MITRE F3。

相当于把全球顶尖安全团队的方法论，直接装进了 AI 的脑子里。

在 Claude Code 里装上后，我们能让 AI 按 MITRE ATT&CK 的战术链做威胁狩猎，按 NIST CSF 的框架走合规检查，按 D3FEND 的防御矩阵写加固方案。

这套技能包的设计理念也很巧妙，采用了 开放标准。

每个技能文件分三层：YAML 前置元数据（30 tokens 扫描成本）、Markdown 执行流程（500-2000 tokens 完整加载）、参考文档（深度技术细节）。

这种渐进式架构的好处是，AI 可以在一次请求中扫描全部 817 个技能（只需约 25,000 tokens），找到匹配项后再深度加载，不会把上下文窗口撑爆。

Anthropic Cybersecurity Skills 则是「任务式」的，每个技能都是一个完整的执行流程，AI 拿来就能按步骤干活。

而且每个技能都标注了所属的安全框架：

这样 AI 在执行安全任务时，能同时输出符合多个框架的审计报告，团队直接拿去交付给客户或监管方。

一句话总结：传统知识库是让 AI 学安全，Anthropic Cybersecurity Skills 是让 AI 做安全。

一、快速上手指南

方式一：Claude Code 安装（推荐）

在 Claude Code 中执行以下命令：

安装完成后，直接唤醒技能：

方式二：Cursor 安装

将对应的 SKILL.md 文件复制到项目的 .cursor/rules/ 目录：

方式三：GitHub Copilot / Gemini CLI

项目的 docs 目录下提供了针对各平台的详细接入指南，选择对应的配置文件即可。

技能包结构展示

二、核心能力一览

覆盖 29 个安全领域

这 817 个技能横跨网络安全的方方面面：

• 威胁情报：TTP 提取、IoC 关联、威胁狩猎、APT 分析

• 漏洞管理：漏洞扫描、优先级评估、补丁验证、零日跟踪

• 渗透测试：红队模拟、社工钓鱼、权限提升、横向移动

• 事件响应：日志分析、内存取证、恶意软件逆向、时间线重建

• 合规审计：GDPR 检查、SOC 2 评估、PCI DSS 扫描

• 云安全：AWS/Azure/GCP 配置审计、容器安全、Serverless 加固

• AI 安全：模型投毒检测、对抗样本防御、数据泄露风险评估

  
  

映射 6 大行业框架

这意味着，当你让 AI 做一次威胁分析，它输出的报告会自动标注：

• 对应 ATT&CK 的哪些战术和技术 → 方便和安全团队的 TTP 库对接

• 符合 NIST CSF 的哪些控制点 → 直接满足合规审计要求

• 覆盖 D3FEND 的哪些防御措施 → 可以直接生成加固建议

  
  

三、实战场景演示

场景一：威胁狩猎

假如你怀疑内网有横向移动行为，传统做法是手动翻日志、查告警、跑检测脚本。

现在只需要告诉 AI：

AI 会自动调用 performing-threat-hunting-with-mitre-attack 技能：

1. 加载 ATT&CK 横向移动相关的检测规则

2. 分析 Windows 事件日志（4624、4648、5140）

3. 关联网络流量异常

4. 输出符合 ATT&CK 格式的威胁报告

场景二：合规审计

假如你需要生成 NIST CSF 2.0 的审计报告，传统做法是对着框架文档逐条检查，填写 Excel 表格。

现在只需要告诉 AI：

AI 会自动：

1. 扫描 AWS 资源清单（EC2、S3、RDS、Lambda）

2. 对照 NIST CSF ID.AM-1 到 ID.AM-6 的控制点

3. 生成合规/不合规清单

4. 输出可直接交付的审计报告

场景三：恶意软件分析

假如你拿到一个可疑文件，想快速判断威胁等级，传统做法是丢进沙箱、写 YARA 规则、手动逆向。

现在只需要告诉 AI：

AI 会自动：

1. 提取文件特征（字符串、API 调用、网络行为）

2. 匹配已知的 YARA 规则库

3. 映射到 ATT&CK 的战术链（如 T1059.001 执行、T1071.001 C2 通信）

4. 输出威胁评级和处置建议

写在最后

虽然 AI 的能力在快速进化，但在安全领域，光靠大模型的通用知识是远远不够的。

安全工作的特点是「标准化」和「可追溯」，你做的每一步都要能对应到某个框架、某个标准、某个最佳实践。

Anthropic Cybersecurity Skills 的价值就在于，它把全球顶尖安全团队的方法论，变成了 AI 能严格执行的技能包。

对每天都在处理安全告警、漏洞分析、合规审计的安全团队来说，这套工具远比单纯升级模型来得更实在。

它不是让 AI 变得更聪明，而是让 AI 变得更专业。

GitHub 项目地址：

https://github.com/mukul975/Anthropic-Cybersecurity-Skills

项目文档：

https://mahipal.engineer/Anthropic-Cybersecurity-Skills/

今天的分享到此结束，我们下期再见！