SkillsScout
SECURITY-COMPLIANCE ／ 安全与合规

agentic-top-10-unitoneai-securityskills

收录日期 2026-08-07·来源仓库 ↗
受欢迎程度
5
可用程度与相关性
9
安全性
9
7.7SCOUT SCORE

1. 基本信息

项目 内容
名称 agentic-top-10（UnitOneAI/SecuritySkills 合集内子技能）
作者/维护者 UnitOneAI（GitHub 组织账号，署名 unitoneai）
来源链接 https://github.com/UnitOneAI/SecuritySkills/tree/main/skills/ai-security/agentic-top-10
许可证 MIT（GitHub API 获取）
GitHub Stars 41（整仓库，GitHub API 获取；合集仓库整体数字，不代表本子技能个体热度）
Forks 128（整仓库，GitHub API 获取）
最新版本 SKILL.md frontmatter 标注 1.0.1（网页抓取获取，非 GitHub Release）
安装方式 复制子技能目录到对应 agent 的 skills 目录（详见第 10 章）

项目自述名称：仓库整体标题为「Security Skills for AI Coding Agents」（UnitOneAI/SecuritySkills），agentic-top-10 是其中一个独立的子技能目录。

2. 功能介绍与亮点

agentic-top-10 是一份针对自主 AI agent 系统的结构化安全评估方法论，围绕 OWASP GenAI Security Project 研究提出的十类 agentic AI 威胁（过度授权、工具滥用、权限提升、记忆投毒、信任边界违规、通过工具调用的数据外泄、级联故障、绕过人工审核、资源耗尽、身份认证缺口）逐类展开。

每一类威胁都配有：具体的代码/架构审查要点、一个真实披露的失败案例（引用具体研究者、论文或 CVE 编号，如 LangChain CVE-2023-29374、Greshake 等人 2023 年论文 arXiv:2302.12173）、可执行的缓解措施清单，以及到 OWASP LLM Top 10（2025）、MITRE ATLAS、NIST AI RMF 三大框架的映射表。技能末尾附带风险分级标准、结构化输出报告模板、常见误区总结与“局限性”说明。

亮点：全文仅依赖 Read/Grep/Glob 三个只读工具，不执行代码、不联网、不写入文件；内置专门的“Prompt Injection Safety Notice”章节，明确要求将被审查内容中的任何指令视为数据而非命令，与本技能自身的审计立场一致。

3. 适用场景

所属分类：安全与合规。

适用于已部署或正在设计多 agent 架构、工具调用型 AI agent 的团队：在代码评审、系统设计评审阶段，对照十类威胁逐项排查权限模型、工具校验、记忆存储、agent 间信任关系等设计缺陷，产出带风险等级与整改优先级的评估报告，供合规审计（如 SOC 2、ISO 27001、FedRAMP 场景下的 AI 风险评估）留档使用。

4. 跨 Agent 兼容性

5. 推荐理由

现有安全审计类技能大多聚焦传统应用（Web、API、云基础设施）的漏洞扫描，专门针对“agent 本身的架构安全”（权限模型、工具滥用、记忆投毒、多 agent 信任边界）系统化建模的技能较少。agentic-top-10 用三个公认框架（OWASP Agentic AI、MITRE ATLAS、NIST AI RMF）交叉校准十类风险，每类都附真实案例而非空泛描述，且全程只读、无执行面，是一份可直接用于设计评审的检查清单，适合正在把 AI agent 推向生产环境、但尚无专职安全人员评估这类新型攻击面的团队。

6. 评分

维度 分数 说明
受欢迎程度 5 所属仓库 UnitOneAI/SecuritySkills 为个人/小型团队维护的开源项目（41 Stars/128 Forks/MIT 许可证，2026-03-06 创建），非广为人知的一线厂商或专业机构；专门检索未找到本子技能独立于母仓库的第三方讨论、市场收录页或安装量数据（母仓库 41 Stars/128 Forks 为整个合集共享的数字，不代表本子技能个体热度）
可用性 9 单个 SKILL.md 文件即为完整安装单元，无需额外脚本或依赖；仓库为 Claude Code/Gemini CLI/Cursor/Codex CLI/OpenClaw/Kiro 六种宿主分别给出具体安装命令；正文含十类威胁的详细审查清单、真实案例引用、缓解措施、框架映射表与结构化输出模板，共 629 行；该子目录最近一次实质性提交为 2026-06-16
安全性 9 frontmatter 声明 allowed-tools: Read, Grep, Glob，无 shell 执行、无写入、无联网工具；正文显式声明“不修改文件、不部署代码、不发送网络请求”，并含完整的提示注入防御声明章节；MIT 许可证明确；作者为可查证的 GitHub 组织账号，无主动造假迹象

综合评分：7.67（三项均值）

安全检查清单： ① 仅声明 Read/Grep/Glob 只读工具权限，无 shell 命令执行能力 ② 不联网外发数据 ③ 不涉及任何 API Key 或凭据索取 ④ 全文未见可疑指令或混淆代码；反而包含针对“分析内容中嵌入指令”的显式防御条款 ⑤ 作者为个人/小型团队维护，信誉一般，无主动造假迹象 ⑥ MIT 许可证明确 ⑦ 该子目录最近一次实质提交 2026-06-16，距今约 7 周，维护尚属近期

7. 跟同类 Skills 相比的优势

技能 定位 与本技能的差异
16-ai-llm-security（Masriyan/Claude-Code-CyberSecurity-Skill） LLM/AI 应用安全测试技能，覆盖提示注入、越狱测试、RAG 安全、模型供应链，附带可对目标端点发起真实 HTTP 请求的注入测试脚本 偏“主动渗透测试”，需要真实可访问的目标端点与 Python 依赖；本技能是纯只读的架构级设计评审，不需要可运行的目标系统
prompt-injection（briiirussell/cybersecurity-skills） 面向应用层的提示注入专项审计，逐步排查 AI 集成点、提示构造、输出处理与权限边界 聚焦“提示注入”这一单一攻击类别，工具权限含 Bash/Write/WebSearch；本技能覆盖十类更广的 agent 架构风险，且工具权限更收敛

两者均为同类合集仓库中的安全评估型技能，可作为提示注入等特定子领域的补充读物；本技能的差异化在于覆盖面（十类 agent 特有风险，而非单一提示注入维度）与最小化的工具权限声明。

8. 用户评价

该技能目前在第三方平台尚无具名用户评价。

9. 其他补充

仓库同时提供了 45+ 个同风格的安全技能，按 appsec/cloud/compliance/devsecops/identity/incident-response/network/secops/vuln-management/ai-security 十个领域分类组织，另有 5 个按角色（AppSec 工程师、云安全工程师、安全工程师、SOC 分析师、vCISO）打包的“角色套件”，用于按工程师职能串联多个技能的使用顺序。

10. 安装使用方式

Claude Code（全局安装）

git clone https://github.com/UnitOneAI/SecuritySkills.git
cp -r SecuritySkills/skills/ai-security/agentic-top-10 ~/.claude/skills/

安装后可通过自然语言触发（如“评审这个多 agent 架构的安全性”）或直接调用 /agentic-top-10 [目标文件或目录]。

Codex CLI

codex --context skills/ai-security/agentic-top-10/SKILL.md "评审这个 agent 系统的安全性"

其他宿主（Gemini CLI / Cursor / OpenClaw / Kiro 等）：将对应 agent 指向 agentic-top-10/SKILL.md 文件路径即可加载，具体挂载方式见各宿主自身文档。

安装后无需重启，首次调用即可生效；无付费依赖。

11. 注意事项