全球网络安全人才缺口在 2024 年已达到 480 万（ISC2 数据），而 AI 代理的潜力远未被充分挖掘 —— 它们能写代码、能搜索，却缺乏安全分析师的实践 playbook。Anthropic Cybersecurity Skills 项目正是为此而生：一个包含 754 条结构化技能的开源库，覆盖 26 个安全域，同时映射到 MITRE ATT&CK、NIST CSF 2.0 等五大行业框架，让任何 AI 代理都能获得资深分析师的攻防能力。
为什么是 "技能" 而非脚本集合
传统安全工具仓库提供的是漏洞利用代码、字典或 payload，但 AI 代理需要的是决策工作流：何时使用某种技术、执行前检查哪些前提条件、如何分步操作、如何验证结果。该项目采用 agentskills.io 开放标准，每条技能都是 AI 原生知识库 ——YAML frontmatter 用于亚秒级发现，Markdown 正文承载分步执行流程，reference 文件提供深层技术上下文。
技能的结构设计体现了 "渐进式加载" 理念：扫描 frontmatter 仅需约 30 tokens，完整加载工作流约 500-2000 tokens。这意味着代理可以在单次上下文中遍历全部 754 条技能，再按需加载最相关的 3-5 条深度执行，避免窗口溢出。
五框架统一映射的工程价值
该项目是目前唯一开源实现单技能五框架映射的技能库：
| 框架 | 版本 | 覆盖范围 |
|---|---|---|
| MITRE ATT&CK | v18 | 14 战术・200 + 技术 |
| NIST CSF 2.0 | 2.0 | 6 功能・22 类别 |
| MITRE ATLAS | v5.4 | 16 战术・84 技术（AI/ML 对抗威胁） |
| MITRE D3FEND | v1.3 | 7 类别・267 防御技术 |
| NIST AI RMF | 1.0 | 4 功能・72 子类别 |
以 "分析恶意软件网络流量" 技能为例，单条技能同时映射到 ATT&CK T1071（应用层协议）、CSF DE.CM（持续监控）、ATLAS AML.T0047（ML 推理访问）、D3FEND D3-NTA（网络流量分析）和 AI RMF MEASURE-2.6。这种设计让企业用一份技能库满足多合规框架的审计要求。
26 个安全域的完整覆盖
技能库按安全域组织，数量分布反映实际工作负载：
- 威胁狩猎（55 条）：假设驱动狩猎、LOTL 检测、行为分析
- 云安全（60 条）：AWS/Azure/GCP 加固、CSPM、云取证
- 数字取证（37 条）：磁盘镜像、内存取证、时间线重建
- 恶意软件分析（39 条）：静 / 动态分析、逆向工程、沙箱
- 红队 / 渗透测试（47 条）：全范围演练、AD 攻击、钓鱼模拟
- OT/ICS 安全（28 条）：Modbus/DNP3 协议、IEC 62443
每个技能包含标准化章节：When to Use（触发条件）、Prerequisites（工具与权限）、Workflow（分步命令与决策点）、Verification（结果确认）。
AI 代理的执行示例
当用户要求 "分析内存转储中的凭证窃取迹象" 时，代理的执行流程如下：
- 扫描阶段：遍历 754 条技能的 frontmatter，匹配标签与描述，识别出 12 条相关技能
- 加载阶段：选取 top 3 匹配项 ——Volatility3 内存取证、LSASS 凭证转储狩猎、Windows 事件日志凭证访问分析
- 执行阶段：按 Workflow 运行 Volatility3 插件、检查 LSASS 访问模式、关联事件日志证据
- 验证阶段：确认 IOCs，将发现映射到 ATT&CK T1003（凭证转储）
没有这些技能时，代理只能猜测工具命令并遗漏关键步骤；有了技能库，它遵循的是资深 DFIR 分析师的同款 playbook。
企业落地建议
集成方式：支持npx skills add一键安装或 git clone 本地部署，兼容 Claude Code、Copilot、Cursor 等 20 + 平台。
框架选择策略：
- 若需威胁情报与检测工程，优先使用 ATT&CK 映射
- 若需合规审计与治理报告，优先使用 CSF 2.0 映射
- 若涉及 AI/ML 系统安全，启用 ATLAS 与 AI RMF 映射
版本更新注意：ATT&CK v19 将于 2026 年 4 月发布，Defense Evasion（TA0005）将拆分为 Stealth 和 Impair Defenses 两个新战术，建议关注项目 release 更新。
社区参与：Deception Technology（2 条）和 Compliance & Governance（5 条）域技能较少，企业安全团队可优先贡献这些领域的实践经验。
局限与澄清
该项目明确标注为独立社区项目，与 Anthropic PBC 无官方关联。Apache 2.0 许可证允许商业使用，但企业应建立内部技能审核流程，确保关键安全操作的准确性。
资料来源
- Anthropic Cybersecurity Skills GitHub 仓库：https://github.com/mukul975/Anthropic-Cybersecurity-Skills
- Agent Skills 标准文档：https://agentskills.io/
内容声明：本文无广告投放、无付费植入。
如有事实性问题，欢迎发送勘误至 i@hotdrydog.com。