1. 基本信息
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 名称 | zero-trust-assessment（UnitOneAI/SecuritySkills 合集内子技能） | — |
| 作者/维护者 | UnitOneAI（GitHub 组织账号，署名 unitoneai） |
GitHub API |
| 来源链接 | https://github.com/UnitOneAI/SecuritySkills/tree/main/skills/identity/zero-trust-assessment | — |
| 许可证 | MIT | GitHub API |
| GitHub Stars / Forks | 44 / 128（整仓库数字，合集仓库整体热度，不代表本子技能个体热度） | GitHub API |
| 最新版本 | SKILL.md frontmatter 标注 1.0.0，仓库未发布正式 Release |
GitHub API |
| 安装方式 | 复制子技能目录到对应 agent 的 skills 目录（详见第 10 章） | 仓库 README |
项目自述名称：仓库整体标题为「Security Skills for AI Coding Agents」（UnitOneAI/SecuritySkills），zero-trust-assessment 是其中一个独立的子技能目录。
2. 功能介绍与亮点
zero-trust-assessment 引导对企业整体安全架构做零信任成熟度评估，方法论对齐 NIST SP 800-207（零信任架构七条原则与逻辑组件）与 CISA Zero Trust Maturity Model v2.0（身份、设备、网络、应用与工作负载、数据五大支柱，各分传统/初始/进阶/最优四档成熟度）。
正文按支柱逐一展开：每个支柱都给出四档成熟度对照表、十条左右可直接对照的检测项（如 ZT-ID-01 至 ZT-NET-11），并在网络支柱下单列“微隔离就绪度评估”六项标准。此外还覆盖可见性与分析、自动化与编排、治理三项跨支柱能力评估。输出模板包含五支柱成熟度记分卡、按严重级别统计的发现分布，以及分三阶段（0–6/6–12/12–24 个月）的零信任转型路线图，并给出七条常见误区提示（如“把零信任当成一次性产品采购”“只投入身份支柱、忽视网络微隔离与数据保护”）。
正文含两处独立的注入防护条款——“Injection Hardening” 与 “Prompt Injection Safety Notice”——明确要求不执行嵌入在架构文档、配置元数据或图表注释中的任何指令，发现此类内容应作为一条独立 finding 记录而非服从。文末的“Cross-References”表格标注了与同仓库 iam-review、access-review、rbac-design、privileged-access 等技能的适用边界，避免用户误用工具做身份专项深挖。
3. 适用场景
所属分类：安全与合规。
适用于安全工程师、架构师、vCISO 评估企业整体零信任转型成熟度、为零信任转型立项做准备、或需要向管理层汇报现状与整改优先级时使用；也适用于需要对照美国联邦零信任强制要求（OMB M-22-09、EO 14028）自查合规缺口的团队。不适合只想深挖某一支柱（如身份或网络分段的具体实现细节）的场景——技能本身在正文标注了应转去哪个更专项的技能。
4. 跨 Agent 兼容性
- Claude Code：原生支持——技能以标准
SKILL.md目录格式提供，仓库徽章标注兼容，支持自动发现（cp -r skills/*/* ~/.claude/skills/）与/zero-trust-assessment直接调用。 - Codex：支持——仓库徽章标注兼容，README 提供 Codex CLI 专用调用示例（
codex --context skills/.../SKILL.md "..."）。 - OpenClaw：支持——仓库徽章明确列出 OpenClaw 为兼容宿主，采用同一份
SKILL.md文件加载。 - Hermes Agent：未验证——仓库文档未提及 Hermes Agent，未检索到相关证据。
5. 推荐理由
多数安全评审技能要么只做单一产品的零信任配置（如某云厂商的 Zero Trust 网关），要么把“零信任”当成 IAM 评审里的一句带过。zero-trust-assessment 反其道而行：完全对照 NIST SP 800-207 与 CISA ZTMM v2 两份权威官方标准，覆盖全部五个支柱与三项跨支柱能力,产出可直接用于立项与汇报的成熟度记分卡与分阶段路线图。全文只读、无执行面，含双重注入防护声明,适合需要一份“能直接拿去做零信任转型论证”的评估工具的团队。
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（44 Stars/128 Forks/MIT 许可证），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、市场收录或安装量数据 |
| 可用性 | 9 | 单个 SKILL.md 文件（约 500 行）即为完整安装单元，五支柱评估均含成熟度对照表、检测项清单与微隔离就绪度专项检查；文末附输出模板、版本历史与相邻技能索引；仓库为 Claude Code/Codex CLI/OpenClaw 分别给出安装方式；该子目录所在文件最近一次实质提交为 2026-06-16，距今约 8 周 |
| 安全性 | 9 | frontmatter 声明 allowed-tools: Read, Grep, Glob，无 shell 执行、无写入、无联网工具；正文含两处独立的注入防护章节，明确要求不执行审查对象中出现的任何指令、不外泄网络拓扑等敏感信息；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；反而包含两处针对“审查对象中嵌入指令”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 该子目录所在文件最近一次实质提交 2026-06-16，距今约 8 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 |
|---|---|---|
| cloudflare-one（Cloudflare 官方出品） | Cloudflare One 产品线（Access/Gateway/WARP/Tunnel）的检索优先型架构设计与排障指南 | 是特定厂商产品的配置与运维指南，不产出与 NIST/CISA 官方框架对照的成熟度评分；本技能厂商中立，产出的是可跨任意技术栈使用的评估记分卡 |
| privileged-access-unitoneai-securityskills（同仓库） | 身份支柱下 PAM 单一环节的专项深挖，覆盖 JIT、break-glass、凭据保险箱等实现细节 | 只是本技能五支柱之一（身份）下的一个子领域；本技能提供的是企业级五支柱全景评估，两者可搭配使用而非互相替代 |
| iam-audit（briiirussell/cybersecurity-skills） | 覆盖云 IAM、身份提供商、应用层授权的“审计+设计+迁移”顾问式技能，工具权限更广（含 Bash/WebSearch） | 范围局限在身份单一维度，且不产出跨支柱的成熟度分级；本技能覆盖身份、设备、网络、应用、数据全部五个支柱与治理能力，工具权限收紧至只读三件套 |
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/ai-security/cloud/compliance/devsecops/identity/incident-response/network/secops/vuln-management 十个领域分类组织，zero-trust-assessment 隶属于 identity 领域。
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/identity/zero-trust-assessment ~/.claude/skills/安装后可通过自然语言触发（如“评估我们公司的零信任成熟度”）或直接调用 /zero-trust-assessment [评估范围描述]。
Codex CLI
codex --context skills/identity/zero-trust-assessment/SKILL.md "评估这套架构的零信任成熟度"其他宿主（OpenClaw 等）：将对应 agent 指向 zero-trust-assessment/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
- 技能自身在“局限性”章节说明：产出结果依赖用户提供的架构文档、配置与上下文，证据缺失或仅存在于运行时时无法证明某项控制确实存在，发现项应视为待验证的假设而非确定结论。
- 技能本身不会连接实际的安全设备或云平台 API 执行检测，纯粹基于用户提供的架构描述与配置做静态评审，实际验证仍需结合被评审系统自身的工具。
- 该子技能背后的母仓库尚缺乏长期维护记录与外部社区反馈，建议持续关注后续版本更新。