Anthropic Cyber给 AI 智能体的 817 个网络安全技能

在 AI 编程助手逐渐接管代码审查和安全分析的同时，一个很现实的问题是：模型知道怎么生成 Python 函数，却不一定懂什么是 ATT&CK 技术。mukul975 在 GitHub 上开源的 Anthropic-Cybersecurity-Skills 项目，正是冲着这个缝隙来的。它把网络安全领域的大量技能整理成结构化数据，喂给 Claude Code、Cursor、GitHub Copilot 这类工具，让 AI 在动手之前先有安全上下文。

为什么 AI 代理需要「技能包」

普通的聊天模型擅长对话，但遇到具体的安全任务——比如分析日志、溯源攻击链、检查 IAM 策略——常常会给出泛泛而谈的答案。原因很简单：模型没有一套标准化的操作流程。这个项目做的事情，就是把安全专家脑子里的 checklists 和 playbooks 转换成 AI 能读懂的格式。它遵循 agentskills.io 标准，意味着这些技能不是一次性 prompt，而是可以持久加载到智能体环境里的模块。

项目一共包含 817 个结构化技能，分布在 29 个安全领域，从威胁建模到数字取证都有覆盖。更关键的是，它把这些技能映射到了六大行业框架：MITRE ATT&CK、NIST CSF 2.0、MITRE ATLAS、D3FEND、NIST AI RMF 和 MITRE F3 (Fight Fraud)。换句话说，你在使用这些技能时，AI 的回答会自觉对齐主流安全标准，这对需要合规审查的企业来说是一大加分项。

能跑在哪些地方

这个项目不是某个特定工具的插件，而是一套通用技能集。根据仓库描述，它已经支持 Claude Code、GitHub Copilot、Codex CLI、Cursor、Gemini CLI 等 20 多个平台。你不需要为每个工具单独适配，只要按 agentskills.io 的规则导入即可。这种兼容性让它成了一个很实用的「中间层」——底层模型可以换，安全能力不会丢。

• 技能种类全：覆盖漏洞研究、事件响应、日志分析、云安全、身份与访问管理等。
• 框架对齐：每个技能都标注了对应的 ATT&CK 技术编号或 NIST 控制项，方便审计。
• 开源免费：Apache 2.0 许可，可直接商用，也能按需修改。

实际使用场景

想象一支小型安全团队，没有预算买昂贵的 SOAR 产品，但已经开始用 Cursor 或 Copilot 写代码。他们可以把这些技能安装进现有 AI 工具，让助手在提交代码时自动检查是否存在 OWASP 风险，或者在收到告警时生成初步的处置建议。尤其是 MITRE ATLAS 和 NIST AI RMF 对应的技能，对正在做 AI 安全合规的团队很有参考价值，因为这两个框架专门针对机器学习系统本身的威胁。

另一个典型场景是教育。安全新手可以用它来学习 ATT&CK 技术如何映射到具体操作，AI 在解释时会引用框架编号，比直接翻几百页文档高效得多。不过，它也有局限——毕竟这是静态技能库，不是实时情报源。对于 0day 或新型攻击模式，可能还需要结合其他工具。

上手建议与局限

如果你决定尝试，直接从 GitHub 仓库的 README 开始即可。项目提供了安装脚本，但需要一定命令行基础，尤其是配置不同平台的 agent 集成时，可能得手动调整路径或环境变量。建议先在沙盒环境里跑一遍，确认技能加载正常再扩展。

另外，技能质量取决于社区的持续维护。目前仓库活跃度很高，但安全领域变化快，定期拉取更新是必要的。整体而言，这个项目把「AI 加持安全」的门槛拉低了不少，值得开发者们把它当作一个基础设施来对待。