相关实践
用 prompt-injection-auditor 给 Agent Prompt 跑注入风险评分
7 月 19 日新仓库 `prompt-injection-auditor` 把提示注入防御做成开放 Agent Skill，同时提供零依赖静态 scanner。实践输入可以是系统 prompt 或待发布的 `SKILL.md`；安装用 `npx skills add <repo>/prompt-injection-auditor`，agent 侧直接要求“Audit this system prompt against prompt injection”；无 agent 场景可跑 `python scripts/pi_scan.py system_prompt.txt --md report.md --json out.json`。README demo 显示含硬编码 API key、邮件读取和代码执行能力的脆弱 prompt 被评为 100/100 严重暴露，输出 Critical/High/Medium/Low 规则；加上 instruction hierarchy、non-disclosure、delimiter 后 hardened prompt 得分 0/100。CI 中 Critical/High 退出码为 1，适合做 Agent Skill 发布前的安全 gate。
用 VulnHunter 在 Claude Code 里跑 Hunt-Fix-Verify 安全闭环
Capital One 7 月 16 日开源 VulnHunter，把代码安全扫描拆成三个可组合的 Claude Code Skill：`/vulnhunt` 从 API、网络消息、文件上传等入口正向追踪到危险 sink，并用 adversarial disprove 和 capability filter 淘汰假阳性；`/vulnhunter-fix` 先写 exploit demo 和失败安全测试，再修复代码并验证回归；`/vulnhunt-fix-verify` 用独立只读 agent 对修复结果给出 verdict。README 还给出 `./install.sh` 安装、Claude Opus 启动、headless runtime、batch harness 和 OWASP NodeGoat/Juice Shop/WebGoat benchmark corpus 配置。适合把 agentic security review 从“扫出告警”升级成“发现、修复、验证、批量评测”的可复用流程。
用 code-humanizer 扫描 AI 生成代码里的结构性 slop
7 月 15 日创建的 code-humanizer 把“去 AI 味”从文案扩展到代码结构治理。安装用 `npx skills add LeonardNJU/code-humanizer`，默认模式是 scan -> report，输出 finding table：pattern 编号、0-4 severity、evidence、proposed fix、behavior risk；fix mode 需要用户批准，并要求 one pattern-class per commit、每步跑测试、行为风险单独标记。README 列出 16 类 AI coding tell，包括重复造 helper、`_v2` clone、单实现抽象、无意义 wrapper、broad exception、try-import fallback、narrating comments 和 test slop。真实 field test 在 13.4k LOC 私有 ML repo 上跑出 24 findings，其中 11 个 Tier-1 duplication、4 个 severity 1 exempt，并保持 git status clean。适合把 Agent 代码审查从风格争论变成可回归清单。
用 Agent Skills + OpenClaw + Waza 验证医疗 PDF 工作流
Paul J. Swider 为个人医疗 AI Tula 构建了 `med-pdf` 和 `epic-note` 两个 Agent Skills：在 source-of-truth repo 中维护 `skills/AGENTS.md`、两个 Skill 目录和 `evals/<skill>/tasks/`，再将技能同步到 OpenClaw 运行时 `~/.openclaw/workspace/skills/`。他用明确优先级规则处理 Anthropic Agent Skills 规范与 Microsoft Waza 检查的冲突，并按 progressive disclosure 把 `SKILL.md`、`scripts/`、`references/` 拆层。最终 `med-pdf` 通过 Waza 5/5 eval，success rate 100.0%，aggregate score 1.00，duration 29.369s；`epic-note` 的 4-task suite 也 clean，覆盖 PHI 边界、非医疗 PDF 拒绝、LabCorp/MyChart 解析和跨 Skill portal message 路由。
用 eval 闭环验证 Agent Skill 是否真的提升任务成功率
OpenHands 团队把 Agent Skill 当成可评测工程资产，而不是“写完就信”的提示词。案例先定义三个真实任务：离线 Trivy 漏洞报告、两份季度财报结构化抽取、Excel+PDF 销售透视分析；再分别跑 no-skill 与 improved-skill 条件，记录 trace、runtime、events 和 pass rate。结果显示漏洞报告任务从 0/10 提升到 10/10，平均耗时从 266s 降到 109s；财报抽取从 9/10 提升到 10/10；销售透视任务则暴露出 skill 可能让部分模型退化。适合用 skill-creator 做完 Skill 后，继续用 eval 证明它真的改善了输入、过程、输出和结果。
小白也能看懂的Skill-Creator教程来了！
我姚学AI 出品的 Skill-Creator 入门教程，面向零基础用户，手把手教你使用 Skill-Creator 创建自定义 Agent Skill。