核心功能: 本技能提供中文交互等能力。

核心功能: 本技能提供化工作流场景等能力。

Agentic Security Aud

付费版进阶功能

能力	免费版	付费版
基础功能	支持	支持
深度漏洞扫描与CVE关联	不支持	支持
安全基线合规审计	不支持	支持
批量资产风险评分	不支持	支持
威胁情报实时订阅与告警	不支持	支持

能力清单

• Audit codebases, infrastructure, AND agentic AI systems for security issues
• Covers traditional s

安装向导

1. 确认运行环境满足依赖说明中的要求
2. 在AI Agent对话中调用本技能,提供必要的输入参数
3. 检查输出结果,根据需要进行后续处理

详细的输入输出格式请参考下方章节说明。

场景示例

场景	输入	输出
代码库安全审计	源代码仓库路径或URL	安全漏洞清单和修复优先级
基础设施审计	云资源配置和部署清单	基础设施安全评估和合规报告
AI Agent安全审查	Agent系统架构和工具定义	Agent安全风险和缓解措施

不适用于：非安全相关的功能测试和性能优化场景

参数说明

参数名	类型	必填	说明
target_path	string	是	待审计的目标路径或代码库URL
audit_scope	string	否	审计范围, 可选: code/infra/agent/all, 默认: all

输出规范

{
  "success": true,
  "data": {
    "overall_grade": "A",
    "total_score": 92,
    "max_score": 100,
    "summary": "处理完成",
    "details": [
      {
        "item": "代码风格",
        "status": "pass",
        "score": 95,
        "comment": "符合规范"
      },
      {
        "item": "安全合规",
        "status": "warn",
        "score": 80,
        "comment": "符合规范"
      }
    ],
    "improvements": [
      {
        "priority": "high",
        "suggestion": "建议优化",
        "expected_gain": "+5分"
      },
      {
        "priority": "medium",
        "suggestion": "建议优化",
        "expected_gain": "+3分"
      }
    ]
  },
  "error": null
}

运行环境

运行环境

• Agent平台: 支持SKILL.md的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等)
• 操作系统: Windows / macOS / Linux

工具依赖

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由Agent内置LLM提供

API Key 配置

可用性分类

• 分类: MD+execute()
• 说明: 基于Markdown的AI Skill,

API Key配置方式:

export API_KEY="${API_KEY:?请设置环境变量}"

配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.

异常管理机制

错误场景	原因	处理方式
LLM响应超时或无响应	网络延迟或模型负载过高	请求重试；确认Agent平台LLM服务正常
输入内容格式不正确	用户输入不符合skill预期格式	检查输入是否符合skill使用说明中的格式要求，参考示例章节
执行结果与预期不符	指令描述不够明确或上下文不足	提供更详细的指令描述，补充必要的上下文信息
命令执行失败	运行环境不满足要求或权限不足	确认运行环境符合依赖说明中的要求；检查命令权限设置

创新特色

效率提升量化分析

操作步骤	手动耗时	自动化耗时	时间节约	准确率提升
漏洞扫描	1-2小时/项目	15-30分钟/项目	0.5-1小时/项目	5-10%
合规审计	1-2天/项目	2-4小时/项目	1-2天/项目	10-20%
风险评分	1-2天/项目	1-2小时/项目	1-2天/项目	5-10%
威胁情报分析	1-2天/项目	1-2小时/项目	1-2天/项目	5-10%
报告生成	1-2天/项目	30分钟-1小时/项目	0.5-1天/项目	5-10%

差异化对比

对比维度	本技能	手动操作	Python脚本	专业软件
操作便捷性	一键操作，自动完成	需要手动执行多个步骤	需要编写脚本，操作复杂	需要安装和配置，操作复杂
扫描范围	全面覆盖代码库、基础设施和AI系统	限于特定领域	限于代码库	限于代码库、基础设施和AI系统
扫描速度	快速扫描，节省时间	慢速扫描，耗时较长	中等速度，取决于脚本复杂度	快速扫描，节省时间
报告质量	自动生成详细报告	需要手动整理报告	报告格式可能不统一	报告格式统一，但可能不详细

核心痛点解决

痛点	描述	影响范围	解决方案	量化效果
安全漏洞检测效率低	手动检测漏洞效率低，容易遗漏	代码库、基础设施和AI系统安全风险	自动化检测，提高效率	提高检测效率10-20%
安全合规审计难度大	手动审计合规性难度大，耗时较长	企业合规性风险	自动化审计，节省时间	节省审计时间50%
安全风险评分不准确	手动评分准确性低	风险管理决策	自动化评分，提高准确性	提高风险评分准确性10-20%

常见问题FAQ

Q2: Agentic Security Aud支持哪些类型的审计？

A: Agentic Security Aud支持代码库、基础设施和AI系统的安全审计。

Q3: Agentic Security Aud的输出报告包含哪些内容？

A: 输出报告包含总体评分、详细评分、改进建议和风险清单等内容。

Q4: Agentic Security Aud是否支持自定义审计规则？

A: 目前版本不支持自定义审计规则，但我们会根据用户反馈进行功能扩展。

Q5: Agentic Security Aud的自动化程度如何？

A: Agentic Security Aud具有较高的自动化程度，可以一键完成安全审计流程。

诊断与修复

错误现象	可能原因	诊断步骤	解决方案
扫描结果为空	没有扫描到任何问题	检查输入参数是否正确，确保目标路径或URL正确	重新输入正确的参数，重新执行扫描
扫描速度慢	网络延迟或模型负载过高	检查网络连接，确认LLM服务正常运行	确保网络连接稳定，降低模型负载
扫描过程中出现错误	输入参数格式不正确	检查输入参数格式是否符合要求	仔细阅读输入格式说明，确保输入格式正确
扫描结果不准确	模型训练数据不足	优化模型训练数据，增加样本数量	使用更多样化的数据集进行模型训练
扫描结果无法生成报告	缺少必要的工具或库	确认依赖工具和库已正确安装	安装缺失的工具和库，重新执行扫描

安全提示

1. 确保输入的目标路径或URL正确，避免扫描到不必要的安全区域。
2. 在执行审计操作时，确保系统有足够的权限，避免因权限不足导致扫描失败。
3. 定期更新LLM模型，以适应新的安全威胁和漏洞。
4. 在处理敏感数据时，确保数据传输和存储的安全性。
5. 在使用Agentic Security Aud时，遵守相关法律法规和公司政策。

主要特点

• 自动化执行: 审计代码库/基础设施/Agent AI系统安全,覆盖传统与新型风险,一键出报告。Audit codebases, inf
• 文件处理: 支持多种文件格式的读取、解析和写入操作
• API集成: 通过标准化接口调用外部服务并处理响应
• 命令执行: 在安全沙箱中执行系统命令并收集结果