一篇写给程序员的科普 + 实操指南。 从"代码写得好不好",到"能不能更精简",到"性能有没有瓶颈",再到"安全防不防得住"——看看这轮体检能不能用现成的 skill 拼出来。
0. 先看结论(30 秒版)
flowchart TD
Q{"你现在最想解决什么?"}
Q -->|"不知道项目烂在哪"| P1["① 全量体检<br/>ponytail-audit"]
Q -->|"知道问题,要系统改善"| P2["② 逐项整改<br/>addyosmani 四件套"]
Q -->|"要上线 / 要过安全评审"| P3["③ 安全纵深<br/>trailofbits"]
Q -->|"只想守住每个 MR"| P4["④ 增量守门<br/>本地 code-review"]
P1 --> P2 --> P3 --> P4
style P1 fill:#e8f0fe,stroke:#4285f4,color:#1a1a1a
style P2 fill:#e6f4ea,stroke:#34a853,color:#1a1a1a
style P3 fill:#fce8e6,stroke:#ea4335,color:#1a1a1a
style P4 fill:#fef7e0,stroke:#f9ab00,color:#1a1a1a
如果你只想记一句话:
没有"一键全能"的 skill,但有一条分工清楚的流水线。
四个阶段、四家来源、四类产出,下面逐个拆。
1. 科普:Agent Skill 到底是什么
在往下看之前,先把概念对齐,不然容易把 skill 和"插件""MCP 服务""脚本"混为一谈。
1.1 一个 skill 就是一个文件夹
~/.agents/skills/code-review/
├── SKILL.md ← 唯一必需文件
│ ├── frontmatter
│ │ ├── name: ← 唯一标识
│ │ └── description: ← 常驻上下文,只有几十字
│ ├── When to apply ← 什么时候该用它
│ ├── When NOT to apply ← 什么时候别用它(比上面更重要)
│ └── 正文:流程 / 清单 / 模板 / 反例 ← 触发后才加载
├── scripts/ ← 可选:可执行脚本
└── references/ ← 可选:资料、清单、规范
1.2 它为什么不会撑爆上下文
这是 skill 设计里最聪明的一点,叫渐进式披露(progressive disclosure):
flowchart LR
A["启动时<br/>只读 name + description<br/>≈ 50 字"] --> B{"任务匹配<br/>description?"}
B -->|否| C["不加载<br/>成本 0"]
B -->|是| D["加载 SKILL.md 正文<br/>通常几百到几千字"]
D --> E{"正文引用了<br/>references/ 里的文件?"}
E -->|是| F["按需再读<br/>只读真正用到的"]
E -->|否| G["直接执行"]
style A fill:#e8f0fe,stroke:#4285f4
style C fill:#f1f3f4,stroke:#9aa0a6
所以装 20 个 skill 不一定比装 2 个贵 —— 平时只有那几十字的 description 占位。
1.3 skill ≠ 插件 ≠ MCP
| Skill | 插件 / MCP 服务 | |
|---|---|---|
| 本质 | 一份给模型的指令文档 | 运行中的程序 |
| 提供什么 | 知识、流程、检查清单、判断标准 | 新工具、新 API、新能力 |
| 是否执行代码 | 通常不(除非自带 scripts/) | 是 |
| 典型例子 | "怎么审一个有 N+1 查询的服务" | "让我能读你的 PostgreSQL" |
一句话:MCP 让 Agent 能做更多事,Skill 让 Agent 做得更专业。
2. 生态地图:去哪儿找,怎么判断好坏
2.1 入口
包管理器是 npx skills,配套站点是 skills.sh:
npx skills find "security audit"
npx skills find "code review"
npx skills find "performance"
npx skills find "refactor"
2.2 三道质量关卡
flowchart LR
R["搜索结果"] --> G1["关卡 1<br/>安装量"]
G1 --> G2["关卡 2<br/>SKILL.md 正文<br/>When to / NOT to apply"]
G2 --> G3["关卡 3<br/>三家安全审计"]
G3 --> OK["可以装"]
style G1 fill:#fef7e0,stroke:#f9ab00
style G2 fill:#e8f0fe,stroke:#4285f4
style G3 fill:#fce8e6,stroke:#ea4335
关卡 1:安装量 —— 只代表流行度,不代表对口度(第 9 节有个血泪反例)。
关卡 2:读正文 —— 尤其看 When NOT to apply。一个愿意告诉你"别用它"的 skill,可信度远高于什么都接的。
关卡 3:三家独立审计 —— skills.sh 对每个发布 skill 都跑:
| 审计方 | 关注点 | 你可以理解为 |
|---|---|---|
| Gen Agent Trust Hub | 远程代码执行、提示注入、数据外泄、命令执行 | "这个 skill 会不会偷偷干坏事" |
| Socket | 供应链与依赖风险 | "它拉的东西干净吗" |
| Snyk | 凭据处理、外部依赖、第三方内容暴露 | "它会不会碰到你的密钥" |
结论分 Pass / Warn / Fail。Fail 直接放弃,Warn 点进去看具体原因,Pass 才是默认可用。
3. 全景:一条四段式流水线
flowchart LR
subgraph S1["① 全量体检 · 只读"]
A1["ponytail-audit"]
A2["产出:<br/>必须修 / 应该修 / 锦上添花"]
A1 --> A2
end
subgraph S2["② 逐项整改"]
B1["质量 → 精简<br/>→ 性能 → 安全"]
B2["产出:<br/>一批可合并的 PR"]
B1 --> B2
end
subgraph S3["③ 安全纵深"]
C1["semgrep / codeql<br/>供应链 / 变体"]
C2["产出:<br/>合并前安全闸门"]
C1 --> C2
end
subgraph S4["④ 增量守门"]
D1["code-review<br/>只看 diff"]
D2["产出:<br/>每个 MR 的评审意见"]
D1 --> D2
end
S1 --> S2 --> S3 --> S4
style S1 fill:#e8f0fe,stroke:#4285f4
style S2 fill:#e6f4ea,stroke:#34a853
style S3 fill:#fce8e6,stroke:#ea4335
style S4 fill:#fef7e0,stroke:#f9ab00
终端里看也一样清楚:
┌──────────────┬──────────────┬──────────────┬──────────────┐
│ ① 全量体检 │ ② 逐项整改 │ ③ 安全纵深 │ ④ 增量守门 │
│ ponytail │ addyosmani │ trailofbits │ code-review │
│ │ × 4 │ │ │
│ 只读 / 全库 │ 改代码 │ 接真实扫描器 │ 只看 diff │
│ 60.7K 装 │ 78–90K 装 │ 5–11K 装 │ 本地已有 │
│ 三家全 Pass │ 3 Pass 1 Warn│ 专业安全公司 │ 增量评审 │
└──────────────┴──────────────┴──────────────┴──────────────┘
↓ ↓ ↓ ↓
问题清单 可合并 PR 安全闸门 评审意见
四阶段横向对比
| 维度 | ① 全量体检 | ② 逐项整改 | ③ 安全纵深 | ④ 增量守门 |
|---|---|---|---|---|
| 覆盖范围 | 整个仓库 | 按维度逐项 | 外部可达面 + 依赖 | 当前 diff |
| 是否改代码 | 否,只读 | 是 | 否(出报告) | 否(出意见) |
| 典型耗时 | 10–20 分钟 | 每项半小时起 | 视工具链而定 | 秒级 |
| 前置依赖 | 无 | 无 | 需 semgrep / codeql CLI | 无 |
| 产出物 | 分级问题清单 | 一批 PR | 漏洞报告 + 修复建议 | 评审评论 |
| 多久跑一次 | 接手时 / 每季度 | 按体检结果 | 每个发布前 | 每个 MR |
为什么顺序不能反?
- 先体检再整改 → 否则在没搞清优先级的情况下对着局部 diff 使劲,修的是小事,漏的是大事
- 先整改再安全扫描 → 否则扫描结果会被一堆待重构的噪音淹没,真漏洞埋在格式问题里
4. 第一阶段:全量体检
4.1 为什么需要这一步
大部分 code review 工具看的是这次改了什么。但历史债务恰恰不在 diff 里。
flowchart LR
subgraph DIFF["增量审查 · code review 类"]
direction TB
D1["看:git diff<br/>今天改的 40 行"] --> D2["评:这 40 行"]
end
subgraph FULL["全量审查 · audit 类"]
direction TB
F1["看:全部入口 + 依赖 + 数据流"] --> F2["评:历史累积问题<br/>一起挖出来"]
end
style DIFF fill:#fef7e0,stroke:#f9ab00
style FULL fill:#e8f0fe,stroke:#4285f4
一句话选:新代码质量用左边,存量风险用右边。 左边快但覆盖窄,右边慢但能挖出三年前埋的雷。
4.2 主角:ponytail-audit
dietrichgebert/ponytail@ponytail-audit — 60.7K 安装,三家审计全 Pass。
它的审查优先级
重要性
▲
5 │ ██████████ 正确(Correct) ← 错了就是事故
4 │ █████████ 安全(Safe) ← 错了就是漏洞
3 │ ███████ 抗负载(Load) ← 错了就是雪崩
2 │ █████ 有测试(Tested) ← 错了就是改不动
1 │ ███ 快(Fast) ← 错了就是体验差
0 │ █ 精简(Lean) ← 错了就是长期成本
└──────────────────────────────────
注意"精简"排最后但没被砍掉,原文说得很狠:
every extra line must be read, tested and fixed later.
它的工作方法(这段值得抄进你自己的 code review 清单)
| 步骤 | 做什么 | 为什么重要 |
|---|---|---|
| 1. 先画地图 | 读 README、构建/部署配置、依赖清单、所有入口 | 不知道入口在哪,审的就是盲区 |
| 2. 找预期负载 | 一个人跑脚本 vs 多用户多进程,并声明自己的假设 | 负载假设不同,结论完全相反 |
| 3. 追主流程 | 数据从哪进、存了什么、往哪出 | 漏洞都在数据流上,不在文件里 |
| 4. 深挖代价最大处 | 大仓库不逐文件读,并明确声明哪些没读 | 诚实报告覆盖范围,比假装全审过有用 |
最后一条是我最欣赏的设计:它承认自己没读完哪里。
4.3 安装
npx skills add https://github.com/dietrichgebert/ponytail --skill ponytail-audit -g -y
5. 第二阶段:四个维度逐个整改
5.1 为什么是这一套
addyosmani/agent-skills — 25 个 skill,总量 1.9M 安装(页面标注仓库 118.7K stars)。作者 Addy Osmani,Google Chrome 团队。
它的四个 skill 正好拼成一条链:
flowchart LR
A["code-review-and-quality<br/>90.2K"] --> B["code-simplification<br/>78.0K"]
B --> C["performance-optimization<br/>80.7K"]
C --> D["security-and-hardening<br/>87.5K"]
A -.->|"先看清现状"| A2["质量基线"]
B -.->|"去掉多余"| B2["可维护性"]
C -.->|"再谈速度"| C2["实测数据"]
D -.->|"最后收口"| D2["威胁建模"]
style A fill:#e8f0fe,stroke:#4285f4
style B fill:#e6f4ea,stroke:#34a853
style C fill:#fef7e0,stroke:#f9ab00
style D fill:#fce8e6,stroke:#ea4335
5.2 四个 skill 横向对比
code-review-and-quality | code-simplification | performance-optimization | security-and-hardening | |
|---|---|---|---|---|
| 回答的问题 | 这段代码合格吗 | 能不能写得更少 | 慢在哪,为什么慢 | 攻击者能怎么打 |
| 核心原则 | 一致性 > 个人偏好 | 每行代码都是负债 | 先测量再优化 | 先威胁建模再加固 |
| 产出 | 分级评审意见 | 精简后的实现 | 实测前后对比 | 加固清单 |
| 安装量 | 90.2K | 78.0K | 80.7K | 87.5K |
| 审计 | — | — | Pass/Pass/Pass | Pass/Pass/Warn |
5.3 两个让我决定推荐它的细节
① 它敢说"别用"
performance-optimization 开篇第一句:
Measure before optimizing. Performance work without measurement is guessing — and guessing leads to premature optimization that adds complexity without improving what matters.
而且明确写了 When NOT to use:Don't optimize before you have evidence of a problem.
一个会劝退你的 skill,比什么活都接的可信得多。
② 它反对"先加控制,后想模型"
security-and-hardening 的原话:
Controls bolted on without a threat model are guesses.
它的适用场景筛得很具体:接受用户输入 / 实现认证授权 / 存储传输敏感数据 / 集成外部 API / 加文件上传、webhook、回调 / 处理支付或 PII。
5.4 同仓库里可以顺手拿的
| Skill | 安装量 | 什么时候顺手拿 |
|---|---|---|
api-and-interface-design | 78.0K | 要定接口边界时 |
debugging-and-error-recovery | 77.8K | 线上出问题、需要系统化排查时 |
observability-and-instrumentation | 69.0K | 和安全加固天然一对:看不见就防不住 |
browser-testing-with-devtools | 72.9K | 性能优化要在真实浏览器里量 |
5.5 那个 Warn 怎么处理
security-and-hardening 的 Snyk 结论是 Warn 而不是 Fail。
Warn 通常意味着"引用了外部依赖或第三方内容,需要人工确认",不等于有漏洞。但既然它本身讲的就是安全,这个 Warn 更该点进去看具体原因再决定 —— 这是态度问题,不是流程问题。
5.6 安装
npx skills add addyosmani/agent-skills --skill code-review-and-quality -g -y
npx skills add addyosmani/agent-skills --skill code-simplification -g -y
npx skills add addyosmani/agent-skills --skill performance-optimization -g -y
npx skills add addyosmani/agent-skills --skill security-and-hardening -g -y
6. 第三阶段:安全纵深
6.1 为什么不能只靠"讲安全"的 skill
security-and-hardening 教的是怎么写才安全,但它没法替代真实静态扫描器。
模型说"这里可能有注入",semgrep 会告诉你"第 143 行,有 7 处,这是规则 ID"。
真要做安全,用安全公司的东西:trailofbits/skills,107 个 skill。
6.2 决策树:我该装哪几个
flowchart TD
S["要做什么安全审查?"] --> Q1{"有现成<br/>扫描器吗?"}
Q1 -->|"有"| T1["装 semgrep + codeql<br/>接入真实规则"]
Q1 -->|"没有 / 环境受限"| T2["先装 sharp-edges<br/>+ insecure-defaults<br/>靠模型找模式"]
S --> Q2{"依赖是不是<br/>第三方很多?"}
Q2 -->|是| T3["supply-chain-risk-auditor"]
S --> Q3{"已经发现一处<br/>漏洞了?"}
Q3 -->|是| T4["variant-analysis<br/>找同类变体"]
S --> Q4{"要评估<br/>项目成熟度?"}
Q4 -->|是| T5["code-maturity-assessor<br/>+ entry-point-analyzer"]
style T1 fill:#fce8e6,stroke:#ea4335
style T2 fill:#fce8e6,stroke:#ea4335
style T3 fill:#fce8e6,stroke:#ea4335
style T4 fill:#fce8e6,stroke:#ea4335
style T5 fill:#fce8e6,stroke:#ea4335
6.3 选装清单
| Skill | 用途 | 优先级 |
|---|---|---|
semgrep | 接入真实静态扫描器 | ★★★ |
variant-analysis | 一处漏洞后找同类变体 | ★★★ |
supply-chain-risk-auditor | 供应链与依赖风险 | ★★★ |
sharp-edges | 危险 API 边界 | ★★ |
insecure-defaults | 默认配置不安全 | ★★ |
codeql | 语义级代码查询 | ★★ |
entry-point-analyzer | 枚举外部可达入口 | ★★ |
differential-review | 增量安全审查 | ★ |
code-maturity-assessor | 成熟度评估 | ★ |
variant-analysis 是我最看重的一个。 人工安全审计最大的痛点是:
修了一个点,忘了另外七个同样的点。
这个 skill 专门解决它 —— 拿一处已确认的漏洞当种子,反向搜索全库同类模式。
6.4 前置条件(别忽略)
flowchart LR
A["装 semgrep skill"] --> B{"semgrep CLI<br/>存在?"}
B -->|是| C["正常使用"]
B -->|否| D["卡在第一步<br/>白装"]
D --> E["先装工具链<br/>brew install semgrep"]
style D fill:#fce8e6,stroke:#ea4335
style C fill:#e6f4ea,stroke:#34a853
semgrep / codeql 都需要对应 CLI。装 skill 之前先确认工具链在。
6.5 安装(核心几个)
npx skills add trailofbits/skills --skill semgrep -g -y
npx skills add trailofbits/skills --skill variant-analysis -g -y
npx skills add trailofbits/skills --skill supply-chain-risk-auditor -g -y
npx skills add trailofbits/skills --skill sharp-edges -g -y
npx skills add trailofbits/skills --skill insecure-defaults -g -y
7. 第四阶段:增量守门
这一步大概率你本机已经有了:
ls ~/.agents/skills
我这次一查,code-review、ai-debt-detector、open-code-review-delegate 都在。
结论:外部 skill 的价值在"全量扫描"和"安全纵深",不是替代本地增量审查。
本地 code-review | ai-debt-detector | |
|---|---|---|
| 看什么 | 这次改动的正确性与一致性 | AI 生成代码特有的隐藏债务 |
| 触发时机 | 每个 MR | 生成代码后 / 审查 AI 写的模块 |
| 关系 | 互补,不重复 | 补的是 code-review 看不到的那类问题 |
AI 写的代码有个特点:能跑,但脆。 错误处理很薄、资源忘了释放、清理逻辑缺失 —— 这些正常 review 很容易放过。
ai-debt-detector就是抓这个的。
8. 横向大对比:12 个候选一次看全
| Skill | 安装量 | 定位 | 前置依赖 | 审计 | 建议 |
|---|---|---|---|---|---|
ponytail-audit | 60.7K | 全仓体检 | 无 | Pass/Pass/Pass | ✅ 必装 |
code-review-and-quality | 90.2K | 代码质量 | 无 | — | ✅ 必装 |
code-simplification | 78.0K | 精简重构 | 无 | — | ✅ 必装 |
performance-optimization | 80.7K | 性能 | 无 | Pass×3 | ✅ 必装 |
security-and-hardening | 87.5K | 安全加固 | 无 | Pass/Pass/Warn | ✅ 必装 |
trailofbits/variant-analysis | 7.4K | 漏洞变体 | 无 | — | ✅ 必装 |
trailofbits/semgrep | 10.8K | 静态扫描 | semgrep CLI | — | ⭐ 强烈建议 |
trailofbits/supply-chain-risk-auditor | 9.6K | 供应链 | 无 | — | ⭐ 强烈建议 |
vercel-optimize | 133.9K | 前端产物优化 | 前端项目 | — | ○ 前端专用 |
animation-performance | 93.3K | 动画掉帧 | 前端项目 | — | ○ 前端专用 |
thermo-nuclear-code-quality-review | 24.7K | 极端严格审查 | 无 | — | ○ 想被打醒时用 |
security-threat-model | 9.3K | 威胁建模 | 无 | — | ○ 设计阶段用 |
一张象限图看清"该不该装"
quadrantChart
title 安装量 vs 对本场景的对口度
x-axis 安装量 低 --> 高
y-axis 对口度 低 --> 高
quadrant-1 首选:高对口高人气
quadrant-2 小众但精准
quadrant-3 可以忽略
quadrant-4 热门但泛用
ponytail-audit: [0.30, 0.95]
addyosmani 四件套: [0.60, 0.90]
variant-analysis: [0.15, 0.88]
semgrep: [0.25, 0.85]
vercel-optimize: [0.80, 0.45]
rigorpilot-analyze: [0.72, 0.06]
thermo-nuclear: [0.40, 0.55]
右下象限那个 rigorpilot-analyze,就是下一节要讲的反例。
9. 踩坑清单
坑 1:安装量高 ≠ 对口(真实反例)
搜 audit 时排在前面的有一个 361.2K 安装的 rigorpilot-skills@analyze-project。名字看起来完美。
但它实际是深度学习仓库的只读分析工具 —— 用来梳理模型结构、训练入口、推理入口、配置关系的。跟"给我这个 Web 项目做体检"毫无关系。
flowchart LR
A["看到 361K 安装"] --> B["名字叫 analyze-project"]
B --> C["看起来完美 😍"]
C --> D["读了 When to apply"]
D --> E["发现是深度学习专用 😑"]
E --> F["省下了一次无效安装 ✅"]
style E fill:#fce8e6,stroke:#ea4335
style F fill:#e6f4ea,stroke:#34a853
教训:安装量是第一道筛子,不是最终判断。 花 60 秒读 When to apply / When NOT to apply,能省掉一次无效安装和一堆误导性建议。
坑 2:全装整个仓库
trailofbits/skills 有 107 个。全装的结果是:每次任务都有几十个 skill 在后台匹配,噪音远大于收益。
选装,5 个起步。
坑 3:忽略工具链前置条件
装了 semgrep skill 但没有 semgrep CLI,等于装了个说明书。先装工具链,再装 skill。
坑 4(最重要):外部 skill 覆盖不了仓内规范
通用 skill 给的是通用最佳实践。但真实仓库里通常有比"最佳实践"更硬的约束。比如一个真实项目里可能写着:
| 仓内硬规则 | 和哪个外部建议可能冲突 |
|---|---|
| 每个源文件最多 1000 物理行(空行注释都算) | 通用建议会说"按职责拆分",但不会给你行数红线 |
| 每个功能必须有单测,覆盖正常/关键失败/具体回归 | 通用建议只会说"写测试" |
| 日志上报必须走统一总开关,载荷不能含用户信息 | 通用建议可能直接教你怎么上传错误详情 |
| 性能优化必须实测定位 | 通用建议有时会直接推荐"用 X 优化" |
| 涉及第三方来源有法律隔离门槛 | 通用 skill 完全没有这个概念 |
冲突时一律以仓内规范为准。skill 是顾问,不是权威。
flowchart TD
A["skill 给出建议"] --> B{"和仓内规范<br/>冲突吗?"}
B -->|否| C["采纳"]
B -->|是| D["以仓内规范为准"]
D --> E["记录冲突原因<br/>避免下次重复讨论"]
style D fill:#fef7e0,stroke:#f9ab00
10. 自己判断一个 skill 值不值得装:5 步筛选法
flowchart TD
S["skills.sh 搜索结果"] --> A{"安装量 > 1K?"}
A -->|否| X1["谨慎,看作者是否可信"]
A -->|是| B{"When to apply<br/>真的对口吗?"}
B -->|否| X2["跳过"]
B -->|是| C{"有 When NOT to apply<br/>吗?"}
C -->|"没有(红旗)"| D1["降低信任"]
C -->|有,且写得具体| D2["加分"]
D1 --> E{"三家审计有 Fail?"}
D2 --> E
E -->|有| X3["放弃"]
E -->|无| F{"需要额外 CLI?"}
F -->|是| G["先装工具链再装 skill"]
F -->|否| H["直接装"]
G --> H
H --> I["小范围试跑一个模块<br/>看产出是否真有用"]
style X2 fill:#f1f3f4,stroke:#9aa0a6
style X3 fill:#fce8e6,stroke:#ea4335
style I fill:#e6f4ea,stroke:#34a853
红旗清单(看到这些就多留个心眼)
| 红旗 | 为什么 |
|---|---|
没有 When NOT to apply | 说明它想包打天下,大概率什么都做不好 |
| description 写得又长又全 | 会污染上下文,每个任务都被误触发 |
自带 scripts/ 且要联网 | 先看审计里的 Socket 结论 |
| 通篇"最佳实践"没有具体清单 | 正确的废话,不带信息量 |
| 要求你粘贴密钥/连接串 | 直接放弃 |
| 只讲"怎么做"不讲"怎么验证" | 无法判断它到底做没做到 |
加分项
- 明确写出验收标准("改完要能跑通 X 测试")
- 明确写出覆盖范围("大仓库只深挖代价最大处,并声明哪些没读")
- 明确写出失败时怎么办
- 引用了
references/而不是把一切塞进正文
11. 30 分钟上手路线
timeline
title 从零到跑完第一轮体检
section 准备
0-5 分钟 : ls ~/.agents/skills 查重
5-10 分钟 : 装 ponytail-audit
section 体检
10-25 分钟 : 跑全量体检,拿分级问题清单
section 决策
25-30 分钟 : 按清单里的"必须修"决定装哪几个整改 skill
具体操作:
# 第 0 步:查重(很多人跳过这一步,然后装了一堆重复的)
ls ~/.agents/skills
# 第 1 步:全量体检
npx skills add https://github.com/dietrichgebert/ponytail --skill ponytail-audit -g -y
# 第 2 步:让 Agent 跑一轮(自然语言触发即可)
# "用 ponytail-audit 审一下这个仓库,我只想先看必须修的部分"
# 第 3 步:按结果决定下一步装什么
12. 中文生态里的两个替代
不在 skills.sh 的 CLI 生态里,但更贴"老系统全量巡检 + 修复闭环"这个诉求:
| Code Audit Pro | skill-engineering-audit | |
|---|---|---|
| 定位 | 9 维代码审查 | 六维一体工程审计 |
| 特色 | AI 幻觉检测 | 修复跟踪闭环 |
| 维度 | 安全/性能/逻辑/风格/AI 幻觉等 | 质量/安全/架构/性能/依赖/合规 |
| 模式 | 完整 / PR / 安全 / 快速 | 全量扫描 + 多轮对比 |
为什么"AI 幻觉检测"这个维度值得单独说
AI 写的代码有一类问题,普通 review 抓不到:调用了根本不存在的 API。
真实存在的: fs.readFileSync(path, 'utf8')
AI 编出来的: fs.readFileAsync(path, { encoding: 'utf8' }) ← 参数对不上
await db.queryOnce(sql) ← 方法不存在
chart.render({ responsive: 'auto' }) ← 配置项是编的
这类问题往往"看起来很像真的",编译器不报错(动态语言)、类型检查放过(any)、测试没覆盖到,直到线上第一调用才发现。
西文 skill 普遍没有这个维度,但这是当下最实际的一类问题。
13. 结语
回到最初的问题:有没有一个 skill 能全包?
没有。因为"体检"本身就不是一件事,而是四件事:
全量体检 ≠ 逐项整改 ≠ 安全纵深 ≠ 增量守门
找出问题 解决问题 证明防得住 防止再烂
把它们拼起来,就是一条能跑通的流水线:
| 你的诉求 | 装什么 |
|---|---|
| 想知道项目烂在哪 | ponytail-audit |
| 想按阶段系统改善 | addyosmani/agent-skills 四件套 |
| 想有专业级安全深度 | trailofbits/skills 选装 |
| 想守住每个 MR | 本机已有的 code-review |
生态里没有银弹。但这条链已经足够跑完一轮真正有产出的体检 —— 而且每一步你都知道它在做什么,为什么是这个顺序。
附录 A:完整安装命令
# ① 全量体检
npx skills add https://github.com/dietrichgebert/ponytail --skill ponytail-audit -g -y
# ② 四件套
npx skills add addyosmani/agent-skills --skill code-review-and-quality -g -y
npx skills add addyosmani/agent-skills --skill code-simplification -g -y
npx skills add addyosmani/agent-skills --skill performance-optimization -g -y
npx skills add addyosmani/agent-skills --skill security-and-hardening -g -y
# ③ 安全纵深(需要 semgrep / codeql CLI)
npx skills add trailofbits/skills --skill semgrep -g -y
npx skills add trailofbits/skills --skill codeql -g -y
npx skills add trailofbits/skills --skill supply-chain-risk-auditor -g -y
npx skills add trailofbits/skills --skill variant-analysis -g -y
npx skills add trailofbits/skills --skill sharp-edges -g -y
npx skills add trailofbits/skills --skill insecure-defaults -g -y
附录 B:术语表
| 术语 | 含义 |
|---|---|
| Skill | 一份给模型的指令文档包(SKILL.md + 可选脚本/资料),用来注入专业流程和判断标准 |
npx skills | Skill 生态的包管理器,负责搜索、安装、更新 |
| skills.sh | Skill 索引站,展示安装量、SKILL.md 正文和三方安全审计结论 |
| 渐进式披露 | 先只加载 description,任务匹配后才读正文,避免撑爆上下文 |
| frontmatter | SKILL.md 顶部 --- 包裹的元数据(name / description) |
| 全量审查 | 扫描整个仓库,会和历史债务一起挖 |
| 增量审查 | 只看 git diff,速度快但覆盖窄 |
| 变体分析 | 拿一处已确认漏洞当种子,反查全库同类模式 |
| 威胁建模 | 动手加固前,先枚举"谁会从哪打进来" |