Anthropic Cyber給 AI 智慧體的 817 個網路安全技能

在 AI 程式設計助手逐漸接管程式碼審查和安全分析的同時，一個很現實的問題是：模型知道怎麼生成 Python 函式，卻不一定懂什麼是 ATT&CK 技術。mukul975 在 GitHub 上開源的 Anthropic-Cybersecurity-Skills 專案，正是衝著這個縫隙來的。它把網路安全領域的大量技能整理成結構化資料，餵給 Claude Code、Cursor、GitHub Copilot 這類工具，讓 AI 在動手之前先有安全上下文。

為什麼 AI 代理需要「技能包」

普通的聊天模型擅長對話，但遇到具體的安全任務——比如分析日誌、溯源攻擊鏈、檢查 IAM 策略——常常會給出泛泛而談的答案。原因很簡單：模型沒有一套標準化的操作流程。這個專案做的事情，就是把安全專家腦子裡的 checklists 和 playbooks 轉換成 AI 能讀懂的格式。它遵循 agentskills.io 標準，意味著這些技能不是一次性 prompt，而是可以持久載入到智慧體環境裡的模組。

專案一共包含 817 個結構化技能，分佈在 29 個安全領域，從威脅建模到數字取證都有覆蓋。更關鍵的是，它把這些技能對映到了六大行業框架：MITRE ATT&CK、NIST CSF 2.0、MITRE ATLAS、D3FEND、NIST AI RMF 和 MITRE F3 (Fight Fraud)。換句話說，你在使用這些技能時，AI 的回答會自覺對齊主流安全標準，這對需要合規審查的企業來說是一大加分項。

能跑在哪些地方

這個專案不是某個特定工具的外掛，而是一套通用技能集。根據倉庫描述，它已經支援 Claude Code、GitHub Copilot、Codex CLI、Cursor、Gemini CLI 等 20 多個平臺。你不需要為每個工具單獨適配，只要按 agentskills.io 的規則匯入即可。這種相容性讓它成了一個很實用的「中間層」——底層模型可以換，安全能力不會丟。

• 技能種類全：覆蓋漏洞研究、事件響應、日誌分析、雲安全、身份與訪問管理等。
• 框架對齊：每個技能都標註了對應的 ATT&CK 技術編號或 NIST 控制項，方便審計。
• 開源免費：Apache 2.0 許可，可直接商用，也能按需修改。

實際使用場景

想象一支小型安全團隊，沒有預算買昂貴的 SOAR 產品，但已經開始用 Cursor 或 Copilot 寫程式碼。他們可以把這些技能安裝進現有 AI 工具，讓助手在提交程式碼時自動檢查是否存在 OWASP 風險，或者在收到告警時生成初步的處置建議。尤其是 MITRE ATLAS 和 NIST AI RMF 對應的技能，對正在做 AI 安全合規的團隊很有參考價值，因為這兩個框架專門針對機器學習系統本身的威脅。

另一個典型場景是教育。安全新手可以用它來學習 ATT&CK 技術如何對映到具體操作，AI 在解釋時會引用框架編號，比直接翻幾百頁文件高效得多。不過，它也有侷限——畢竟這是靜態技能庫，不是實時情報源。對於 0day 或新型攻擊模式，可能還需要結合其他工具。

上手建議與侷限

如果你決定嘗試，直接從 GitHub 倉庫的 README 開始即可。專案提供了安裝指令碼，但需要一定命令列基礎，尤其是配置不同平臺的 agent 整合時，可能得手動調整路徑或環境變數。建議先在沙盒環境裡跑一遍，確認技能載入正常再擴充套件。

另外，技能質量取決於社羣的持續維護。目前倉庫活躍度很高，但安全領域變化快，定期拉取更新是必要的。整體而言，這個專案把「AI 加持安全」的門檻拉低了不少，值得開發者們把它當作一個基礎設施來對待。