---
title: Claude_Skills调研报告
date: 2025-11-15 12:19:12
categories:
- 实习笔记
---
# **前言（网络安全 × Skill 能力）**
**适配场景**：在网络安全垂直领域中，安全团队需要处理海量而杂乱的内容：从威胁情报、漏洞公告，到攻击链分析、日志告警、取证记录，各类文档格式结构不一，**导致信息提炼缓慢、分析效率难以提升**。传统依赖大模型的做法虽能辅助阅读和理解，但在应对多文档、多格式、持续高频的安全输入时，仍面临成本高、结果不稳定等问题。
**核心功能**：Claude 推出的 Skill 机制让这些场景首次可以实现**“规则化、模板化、标准化”**的自动处理：如自动解析威胁情报、自动对公告进行结构化提取、自动拆解攻击链、自动识别关键实体与风险点，并能**长期保持一致的分析口径。**
# 一、什么是skill
## 一种**模块化工具调用框架**，核心思想是“**给大模型喂预制菜**”
- 提前将可复用的能力封装为 **skill 模块**；
- 通过 JSON 文件注册每个 skill 的名称和描述，并注入到 system prompt 中，让大模型知晓可用工具；
- 大模型根据用户问题**自动选择合适 skill**；
- 系统据此查找**对应 `skill.md` 说明文件**；
- 最终按 `skill.md` 的指示**执行脚本或调用程序**，完成任务。
## mapping策略
| 用户输入 / 模型决策 | → | 系统中的具体资源 |
| ------------------------- | ---- | ----------------------------------- |
| 模型选择的 **skill 名称** | → | `skills/{skill_name}/skill.md` 文件 |
| skill 名称 + 描述（JSON） | → | 注入 prompt 的工具列表 |
| `skill.md` 中的指令 | → | 实际执行的脚本/程序/工作流 |
```Mermaid
graph LR
A[用户请求任务] --> B[任务类型识别]
B --> C[技能匹配]
C --> D[加载资源]
D --> E[执行并返回结果]
style A fill:#f9f,stroke:#333
style E fill:#bbf,stroke:#333
```
# 二、skill与MCP
**Skill 就像“功能说明书”，写清楚某个功能是干什么的；MCP 则像“遥控器和接口”，让大模型真的能找到这些功能、并把它们跑起来。Skill 负责描述，MCP 负责执行。**把两者结合起来，就是让模型既“知道能力”，又“能调用能力”。
Skill 用来把安全能力写成清晰的功能说明书，例如“解析威胁情报”“提取IOC”“分析日志”“匹配ATT&CK 技术”“查询资产漏洞”，模型一读就知道这项能力是干什么的、输入是什么、输出长什么样。MCP 则负责把这些能力真正连到后台系统上，让模型可以实时调用安全脚本、情报查询接口、扫描工具、资产数据库、日志平台等。
# 三、项目框架
第一步：首先需要准备好技能包，包含SKILL.md文档以及文档中所需的功能性脚本
第二步：在skills.json中注册好技能名称，描述和对应SKILL.md文档
第三步：如果是在本地运行，需要定义支持工具，例如
**文件读写**
```python
@tool
def read_file(file_path: str):
"""
读取指定文件内容
"""
try:
with open(file_path, "r", encoding="utf-8") as f:
return f.read()
except Exception as e:
return f"Error: {str(e)}"
@tool
def write_file(file_path: str, content: str):
"""
将内容写入指定文件
"""
try:
with open(file_path, "w", encoding="utf-8") as f:
f.write(content)
return f"文件已写入: {file_path}"
except Exception as e:
return f"Error: {str(e)}"
```
**执行代码/shell指令**
```python
@tool
def execute_python_code(code: str):
"""
执行一段 Python 代码，并返回结果或错误信息
"""
try:
local_vars = {}
exec(code, {}, local_vars)
return local_vars
except Exception as e:
return f"Error: {str(e)}"
@tool
def execute_shell_command(command: str) -> str:
"""
在新的 cmd 窗口中执行命令（仅限 Windows 系统）。
"""
os_type = platform.system()
try:
if os_type == "Windows":
# 使用 'start' 指令打开新的 cmd 窗口，/k 表示执行后窗口保持
subprocess.Popen(["cmd.exe", "/c", f"start cmd.exe /k {command}"])
return f"在新的 cmd 窗口中启动命令: {command}"
else:
return "仅支持 Windows 系统。"
except Exception as e:
return f"错误: {str(e)}"
```
**提示词：**
```python
# 这里是在加载技能注册表.json
def load_skills():
if not os.path.exists(SKILLS_PATH):
return []
with open(SKILLS_PATH, "r", encoding="utf-8") as f:
skills = json.load(f)
return skills
skills_text = load_skills()
SYSTEM_PROMPT = f"""
你是一个智能代理，具备执行多种技能的能力。请根据以下步骤提供准确的答案：
系统除了内置工具外，还提供以下技能（来自 skills/skills.json）：
{skills_text}
当用户提出需求时，按照以下流程处理：
a. 从 skills.json 中检索最匹配的技能；
b. 根据技能路径定位到本地相应技能包；
c. 打开并阅读 SKILL.md 文件，了解工具使用方法和示例；
d. 确保理解技能的操作方式和所需输入。
执行时：
按照 SKILL.md 中的要求，正确调用工具，确保输入和输出一致；
Action 名称与技能名称需完全匹配，输入字段填写准确无误。
回答时，结合执行结果，提供完整的推理过程和清晰的解释，确保用户理解。
注意事项：
系统提供以下四个内置工具：
execute_python_code(code: str)：执行 Python 代码并返回结果或错误；
read_file(file_path: str)：读取文件内容；
write_file(file_path: str, content: str)：写入内容到文件；
execute_shell_command(command: str)：在新的命令行窗口中执行命令并实时输出结果。
"""
```
**示例：**
脚本实施成功：
结果：
# 四、应用前景/优势/缺陷
## 4.1 前景
**安全文档解析标准化**
通过 Skill 将威胁情报、漏洞公告、攻防报告等解析流程模块化，**自动输出统一格式的结构化数据**，显著提升信息摄取效率。
**自动化安全分析流程（轻量 SOAR）**
结合 MCP，Skill 能驱动实时调用漏洞扫描、情报查询、日志检索等内部系统，实现高性价比的自动化安全分析工作流。
**构建企业 AI 安全工作流**
通过 Skill 封装企业内部多系统能力，使 LLM 能作为“统一的安全入口”，实现资产查询、情报关联、风险评估的自动链路化处理。
**多技能协同形成完整的分析流水线**
多个 Skill 可以像插件链一样组合，完成“解析 → 抽取 → 关联 → 判断 → 处置”全流程，从而打造新一代智能化 SOC 分析体系。
## 4.2 优势
**支持多技能协同，适合构建自动化流水线**
多个 Skill 可组合为端到端流程，如“文档解析 → IOC 抽取 → 关联分析 → 风险评估”，形成类 SOAR 的智能工作流。
**复用强、易维护、可迭代**
安全流程、解析逻辑、字段规范等都可以以 Skill 的方式沉淀下来，后续只需**修改 skill.md 或脚本即可**，维护成本低。
**输出稳定、格式统一**
Skill 使用预定义的输入/输出规范，使模型生成的 JSON、结构化字段和分析结果高度一致，特别适合网络安全场景的标准化需求。
## 4.3 缺陷
**Skill 调用依赖模型对自然语言的理解**
Skill 匹配基于描述文本，容易在技能较多时出现误选或冲突，需要大量调优。
# 四、自定义技能包
**目前Claude在GitHub上开源了以下skills技能包**
| `algorithmic-art` | 使用 p5.js 创建生成式艺术（如流场、粒子系统） |
| ------------------- | ------------------------------------------------------------ |
| `canvas-design` | 使用设计原则生成 .png / .pdf 格式的视觉艺术 |
| `slack-gif-creator` | 创建符合 Slack 尺寸限制的动画 GIF |
| `artifacts-builder` | 使用 React + Tailwind CSS + shadcn/ui 构建 claude.ai HTML artifacts |
| `mcp-server` | **指导如何创建高质量 MCP 服务器**，用于集成外部 API 和服务 |
| `webapp-testing` | 使用 Playwright 测试本地 Web 应用的 UI |
| `brand-guidelines` | 应用 Anthropic 官方品牌色和排版规范 |
| `internal-comms` | 撰写内部沟通材料（如状态报告、新闻简报、FAQ） |
| `theme-factory` | 为 artifacts 提供 10 种预设专业主题，或动态生成新主题 |
| `skill-creator` | 指导如何创建有效的技能以扩展 Claude 能 |
**示例简单SKILL.md**
```markdown
## 指令
当用户请求与 **数据转换、自动化报告、文件处理** 相关的任务时，主动使用本技能。
### 能力说明
- 支持输入：CSV、JSON、纯文本
- 输出格式：XLSX、PDF、HTML
- 可配置模板（见 resources/templates/）
### 使用规则
1. **永远先确认输入文件路径是否存在**
2. **输出文件必须保存到用户指定目录**
3. **不要假设默认路径，必须让用户明确提供**
### 示例工作流
1. 用户说：“把 sales.csv 转成带图表的 Excel”
2. 你调用 `scripts/convert.py sales.csv --format xlsx --chart`
3. 返回结果文件路径：`./output/sales.xlsx`
```