这个 Skill 能做什么，适合哪些场景？
PentestingEverything 是 m14r41 维护的 MIT 开源渗透测试知识库，覆盖 Web、API、移动、网络、云、Active Directory、OSINT 等 23 个领域，包含 108 个文档页面、104 份参考 PDF 和 212+ 主题。该 Agent Skill 让 Cursor、Claude Code 等编码代理在回答时以仓库的 Markdown 文件为依据，而非凭记忆作答。技能内置严格的安全约束：仅限授权测试、高危操作需显式确认、自动化请求需遵守速率限制。配套网站 pentesting.m14r41.in 与清单工具 checklist.m14r41.in 可作为在线补充。
- 读取仓库中按领域分类的 Markdown 文档（如 Web Application Pentesting、API Pentesting、Active Directory Pentesting 等目录），按用户意图路由到最窄匹配的主题文件夹
- 提取测试方法、用例和命令，并把真实目标替换为占位符（如 <TARGET>、<USER_ID>、<TOKEN>）
- 产出参与假设、按优先级排序的测试清单、安全的命令草稿、取证计划以及报告草稿
- 在给出任何结论前做误报排查（如 WAF 回显、时序噪声），未经验证的发现只标注为假设
- 安装使用 npx skills add 命令，本地优先读取仓库克隆，无法访问时回退到 GitHub 树或在线文档站点
- 渗透测试工程师在开始一次授权 VAPT 之前，让代理基于仓库生成按影响排序的测试清单。
- 漏洞赏金猎人在打 SQL 注入、SSRF、IDOR 等特定漏洞类别时，让代理直接给出仓库中对应的测试方法和命令。
- AppSec 团队做移动端（Android/iOS）或 API 安全评估时，查询 MobSF、Frida、Drozer 等工具的实战用法。
- 红队或内网测试人员面对 Active Directory / Kerberos 场景，需要 BloodHound、Impacket、CrackMapExec 等工具的流程指引。
- 安全顾问在完成测试后，让代理基于仓库证据起草可写入报告的发现条目和取证说明。
- 没有书面授权或范围不明的目标——技能要求在主动测试前确认授权，且绝不臆造授权
- 想直接运行扫描器或漏洞利用工具的人——该技能只做流程与文档检索，Burp、Nmap 等工具需另行安装
- 希望对远程目标自动执行攻击步骤的无人值守运行——破坏性测试、大规模凭据填充等高影响操作需要明确的书面范围确认
如何安装这个 Skill？
- 静态审查，未执行任何验证；分数为保守估计。
- 技能核心依赖 GitHub 与海外自建站点（pentesting.m14r41.in），中国大陆网络可达性未验证，建议优先使用本地克隆。
- 安全门控依赖用户自觉与模型遵循，不构成技术强制；使用前仍须自行确认书面授权与测试范围。
- 知识库中的命令与 payload 为历史笔记，可能过时或含有风险操作，使用前须人工复核。
- 发布者身份未经验证，技能无版本字段，更新后应重新审查差异。
- Shell / 命令行
- 网络访问
- 本地文件系统
npx (Node.js) for skills add install
使用仓库提供的 Agent Skills 安装命令。项目内安装：npx skills add m14r41/PentestingEverything --skill pentesting-everything。全局安装（跨项目可用）：加上 --global 参数。也可指定目标代理，例如 --agent cursor 或 --agent claude-code。源码位于仓库的 .agents/skills/pentesting-everything/ 目录。未记录：具体的代理平台配置文件差异，安装前可用 --list 查看而不实际安装。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/m14r41/PentestingEverything.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/.agents/skills/pentesting-everything" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 为 dvwa.local 这个授权测试目标生成一份按优先级排序的 Web 渗透测试清单
- 根据仓库资料讲讲怎么测 SSRF，并给出安全的命令草稿
- 我在做一次授权的 Active Directory 评估，帮我从仓库整理 BloodHound 和 Impacket 的工作流程
- 帮我起草一段有证据支撑的报告发现，并附上仓库里的引用路径
安装后，在授权评估场景中向代理描述需求即可触发，例如："为一次针对 Web 应用的授权渗透测试生成测试清单"或"从仓库中查找 SSRF 的测试方法"。技能会先确认授权与范围，再定位并阅读仓库文档，输出计划、清单和带证据的报告草稿。任何主动攻击步骤都会先要求用户确认目标与约束。
这个 Skill 有哪些优点和局限？
- 知识库规模大且结构化：23 个领域、108 个文档页、104 份 PDF、212+ 主题，并有可搜索的在线站点。
- 安全护栏写得具体：授权确认、高危操作门控、误报排查、速率限制等都是可执行规则，不是口号。
- 要求所有回答引用仓库具体路径和 URL，可验证、可追溯。
- MIT 许可，持续更新（v2.0.0 加入站点、PDF 库、学习路径），并新增 LLM/MCP 安全模块。
- 仓库含第三方 PDF 等材料，技能本身明确要求不要整篇粘贴，需摘要引用，部分原始内容归属需注意。
- 技能只提供流程与文档检索，不运行任何扫描器或漏洞利用工具；实际工具（Burp、Nmap 等）需自行安装。
- 云端和企业基础设施渗透模块仍在探索、征求协作阶段，覆盖深度不均。
- 仓库没有公开测试套件的证据，内容质量依赖社区贡献，个别主题可能过时。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| PentestingEverything 渗透测试知识库技能 本页 | 59 · 推荐 | ★ 2.1k | 20 天前 | MIT |
| 代码库威胁建模 ✓ OpenAI · 官方 | 51 · 谨慎使用 | ★ 28k | 4 个月前 | — |
| FFUF Web 模糊测试技能 | 50 · 谨慎使用 | ★ 213 | 1 年前 | — |
| TweetClaw：X/Twitter 搜索与自动化插件 | 67 · 推荐 | ★ 94 | 8 天前 | MIT |
| 安全审计技能（Cloudflare Security Audit） | 59 · 推荐 | ★ 30k | 1 个月前 | MIT |
FollowSkills 如何评估这个 Skill？
SKILL.md 明确要求合法授权、活跃测试前用户确认、高危动作书面范围门控、占位符替换真实目标、来源引用，安全设计在同文档类技能中属上乘；扣分项：无隔离/回滚机制说明，依赖外部站点（GitHub、pentesting.m14r41.in）作为回退来源，数据流透明度部分依赖未审计的仓库内容。
文档自洽，路径怪癖（拼写错误、双空格、readme 大小写）已被 REPOSITORY_MAP 明确记录，失败路径（无本地克隆时的远程回退）有交代；扣分项：纯静态审查，无测试套件或可执行验证，引用的 REPOSITORY_MAP.md/OUTPUT_TEMPLATES.md 内容正确性未逐一核对，仓库规模大、路径漂移风险存在。
触发场景（规划渗透测试、构建清单、查找漏洞类、起草报告）描述清晰，明确声明不适用边界（不授予授权、不自动执行利用），含快速路由表；扣分项：核心功能依赖 GitHub 与自建 docs 站点，在中国大陆网络可达性未验证且未声明，无中文支持说明。
渐进式披露良好（SKILL.md→REPOSITORY_MAP→OUTPUT_TEMPLATES→分类README），MIT 许可明确，README 显示活跃维护与 changelog 提交（v2.1.0）；扣分项：SKILL.md frontmatter 未含版本号，版本/变更记录未与技能目录绑定，发布者身份未经注册表验证，维护责任依赖单一作者。
输出模板（假设、计划、清单、命令草图、证据日志、发现报告、总结）具体且可直接填充使用，含 CVSS 向量示例与假阳性排查规则，相对手动整理有明显边际价值；扣分项：静态审查未验证实际产出质量，模板完整性依赖用户自行填写，知识库内容准确性未经执行验证。
声称可通过仓库相对路径与公开 URL 审计，REPOSITORY_MAP 主动披露文件夹命名怪癖（拼写、双空格），事实与推断区分较好；扣分项：无测试或第三方执行证据，内容准确性（命令、方法）未交叉验证，静态审查仅覆盖技能文件与部分仓库上下文，不能高于 5 分。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →