给项目做一次"全身 CT":Agent Skills 生态里的代码体检全链路

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{&#34;你现在最想解决什么?&#34;} Q -->|&#34;不知道项目烂在哪&#34;| P1[&#34;① 全量体检<br/>ponytail-audit&#34;] Q -->|&#34;知道问题,要系统改善&#34;| P2[&#34;② 逐项整改<br/>addyosmani 四件套&#34;] Q -->|&#34;要上线 / 要过安全评审&#34;| P3[&#34;③ 安全纵深<br/>trailofbits&#34;] Q -->|&#34;只想守住每个 MR&#34;| P4[&#34;④ 增量守门<br/>本地 code-review&#34;] 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

text 复制代码
~/.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[&#34;启动时<br/>只读 name + description<br/>≈ 50 字&#34;] --> B{&#34;任务匹配<br/>description?&#34;} B -->|否| C[&#34;不加载<br/>成本 0&#34;] B -->|是| D[&#34;加载 SKILL.md 正文<br/>通常几百到几千字&#34;] D --> E{&#34;正文引用了<br/>references/ 里的文件?&#34;} E -->|是| F[&#34;按需再读<br/>只读真正用到的&#34;] E -->|否| G[&#34;直接执行&#34;] 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:

bash 复制代码
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[&#34;搜索结果&#34;] --> G1[&#34;关卡 1<br/>安装量&#34;] G1 --> G2[&#34;关卡 2<br/>SKILL.md 正文<br/>When to / NOT to apply&#34;] G2 --> G3[&#34;关卡 3<br/>三家安全审计&#34;] G3 --> OK[&#34;可以装&#34;] 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[&#34;① 全量体检 · 只读&#34;] A1[&#34;ponytail-audit&#34;] A2[&#34;产出:<br/>必须修 / 应该修 / 锦上添花&#34;] A1 --> A2 end subgraph S2[&#34;② 逐项整改&#34;] B1[&#34;质量 → 精简<br/>→ 性能 → 安全&#34;] B2[&#34;产出:<br/>一批可合并的 PR&#34;] B1 --> B2 end subgraph S3[&#34;③ 安全纵深&#34;] C1[&#34;semgrep / codeql<br/>供应链 / 变体&#34;] C2[&#34;产出:<br/>合并前安全闸门&#34;] C1 --> C2 end subgraph S4[&#34;④ 增量守门&#34;] D1[&#34;code-review<br/>只看 diff&#34;] D2[&#34;产出:<br/>每个 MR 的评审意见&#34;] 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:

text 复制代码
┌──────────────┬──────────────┬──────────────┬──────────────┐
│ 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[&#34;增量审查 · code review 类&#34;] direction TB D1[&#34;看:git diff<br/>今天改的 40 行&#34;] --> D2[&#34;评:这 40 行&#34;] end subgraph FULL[&#34;全量审查 · audit 类&#34;] direction TB F1[&#34;看:全部入口 + 依赖 + 数据流&#34;] --> F2[&#34;评:历史累积问题<br/>一起挖出来&#34;] 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

text 复制代码
  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

bash 复制代码
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[&#34;code-review-and-quality<br/>90.2K&#34;] --> B[&#34;code-simplification<br/>78.0K&#34;] B --> C[&#34;performance-optimization<br/>80.7K&#34;] C --> D[&#34;security-and-hardening<br/>87.5K&#34;] A -.->|&#34;先看清现状&#34;| A2[&#34;质量基线&#34;] B -.->|&#34;去掉多余&#34;| B2[&#34;可维护性&#34;] C -.->|&#34;再谈速度&#34;| C2[&#34;实测数据&#34;] D -.->|&#34;最后收口&#34;| D2[&#34;威胁建模&#34;] 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

bash 复制代码
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[&#34;要做什么安全审查?&#34;] --> Q1{&#34;有现成<br/>扫描器吗?&#34;} Q1 -->|&#34;有&#34;| T1[&#34;装 semgrep + codeql<br/>接入真实规则&#34;] Q1 -->|&#34;没有 / 环境受限&#34;| T2[&#34;先装 sharp-edges<br/>+ insecure-defaults<br/>靠模型找模式&#34;] S --> Q2{&#34;依赖是不是<br/>第三方很多?&#34;} Q2 -->|是| T3[&#34;supply-chain-risk-auditor&#34;] S --> Q3{&#34;已经发现一处<br/>漏洞了?&#34;} Q3 -->|是| T4[&#34;variant-analysis<br/>找同类变体&#34;] S --> Q4{&#34;要评估<br/>项目成熟度?&#34;} Q4 -->|是| T5[&#34;code-maturity-assessor<br/>+ entry-point-analyzer&#34;] 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[&#34;装 semgrep skill&#34;] --> B{&#34;semgrep CLI<br/>存在?&#34;} B -->|是| C[&#34;正常使用&#34;] B -->|否| D[&#34;卡在第一步<br/>白装&#34;] D --> E[&#34;先装工具链<br/>brew install semgrep&#34;] 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)

bash 复制代码
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:

bash 复制代码
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[&#34;看到 361K 安装&#34;] --> B[&#34;名字叫 analyze-project&#34;] B --> C[&#34;看起来完美 😍&#34;] C --> D[&#34;读了 When to apply&#34;] D --> E[&#34;发现是深度学习专用 😑&#34;] E --> F[&#34;省下了一次无效安装 ✅&#34;] 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[&#34;skill 给出建议&#34;] --> B{&#34;和仓内规范<br/>冲突吗?&#34;} B -->|否| C[&#34;采纳&#34;] B -->|是| D[&#34;以仓内规范为准&#34;] D --> E[&#34;记录冲突原因<br/>避免下次重复讨论&#34;] 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[&#34;skills.sh 搜索结果&#34;] --> A{&#34;安装量 > 1K?&#34;} A -->|否| X1[&#34;谨慎,看作者是否可信&#34;] A -->|是| B{&#34;When to apply<br/>真的对口吗?&#34;} B -->|否| X2[&#34;跳过&#34;] B -->|是| C{&#34;有 When NOT to apply<br/>吗?&#34;} C -->|&#34;没有(红旗)&#34;| D1[&#34;降低信任&#34;] C -->|有,且写得具体| D2[&#34;加分&#34;] D1 --> E{&#34;三家审计有 Fail?&#34;} D2 --> E E -->|有| X3[&#34;放弃&#34;] E -->|无| F{&#34;需要额外 CLI?&#34;} F -->|是| G[&#34;先装工具链再装 skill&#34;] F -->|否| H[&#34;直接装&#34;] G --> H H --> I[&#34;小范围试跑一个模块<br/>看产出是否真有用&#34;] 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&#34;必须修&#34;决定装哪几个整改 skill

具体操作:

bash 复制代码
# 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。

text 复制代码
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:

text 复制代码
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

bash 复制代码
# 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"

附录 C:参考来源

相关推荐
培培说证9 分钟前
大专商务数据分析与应用可以报考哪些职业证书?
人工智能·数据挖掘·数据分析
颜进强10 分钟前
微信小微AI-提审与发布|评测过了不等于能上线:四道前置条件,缺一道都白提交
前端·ai编程·全栈
pursuit_c12 分钟前
关于 Personal Agent 的思考碎片
人工智能
颜进强12 分钟前
微信小微AI-【实战二】从零写一个 skill|卡片死活不出来?这 4 个坑我们全踩了一遍
前端·ai编程·全栈
颜进强15 分钟前
微信小微AI-命中效果调优|在 AI 的「选择题」里,怎么让小微更愿意选中你(系列收官)
前端·ai编程·全栈
颜进强16 分钟前
微信小微AI-【实战四】给 Agent 立人设|一份 AGENTS.md,决定小微是靠谱助手还是满嘴跑火车
前端·ai编程·全栈
颜进强16 分钟前
微信小微AI - 【实战一】工程化落地|Taro 主工程里塞进一套原生 AI 代码,我们这样让它们共存
前端·ai编程·全栈
龙腾AI白云18 分钟前
具身智能的空间导航与未知环境探索
大数据·数据库·人工智能·机器学习·知识图谱
Java旅途22 分钟前
课程表编排与调课申请系统|排得开,也能把每次调整管清楚
后端