登录
软件下载 帮助文档 新闻资讯

Skill UI

浏览并发现 16597+ 精选技能
全部 编程开发 人工智能 设计创意 产品商业 数据科学 市场营销 职场通用 效率工具 硬件工程 语言学习
搜索 安全验证 ，共找到 27 条记录
默认排序 最新上传 最多下载

Claude内容安全防护与卫栏

clade-policy-guardrails
jeremylongshore/claude-code-plugins-plus-skills
220
本技能指导如何在应用中使用Claude时，构建全面的内容安全防护层。它涵盖了系统提示词强化、输入验证（包括检测注入攻击和长度限制）以及输出校验（防止系统提示词泄露），确保AI应用的安全性、合规性和可靠性。
查看详情

Abridge医疗AI持续集成

abridge-ci-integration
jeremylongshore/claude-code-plugins-plus-skills
306
用于为Abridge临床AI集成构建完整的CI/CD流程。该流程通过GitHub Actions自动化执行，重点包括FHIR资源格式验证、PHI泄露扫描（确保HIPAA合规性）以及沙箱环境的端到端集成测试。确保医疗AI应用的安全性与可靠性。
查看详情

临床AI部署准备清单

abridge-prod-checklist
jeremylongshore/claude-code-plugins-plus-skills
128
这是一个用于评估和确保临床AI系统（如Abridge）在受监管的医疗环境中部署就绪的综合清单。它涵盖了HIPAA合规性、业务伙伴协议（BAA）、电子病历（EHR）集成验证（如FHIR R4）、稳健的基础设施安全（TLS 1.3、密钥管理）等关键方面，并提供了完整的上线验证和回滚流程。
查看详情

Anthropic SDK安装与身份验证指南

anth-install-auth
jeremylongshore/claude-code-plugins-plus-skills
496
本指南提供了关于Anthropic SDK的全面安装和配置流程，支持Python和TypeScript。它详细介绍了如何设置环境API密钥，安全管理认证凭证，并验证与Claude Messages API的连接，是进行任何Claude API集成的必备知识。
查看详情

核心AI数据管理与合规

coreweave-data-handling
jeremylongshore/claude-code-plugins-plus-skills
148
用于在GPU云工作负载中管理大型数据集、模型权重和训练数据。它涵盖了数据生命周期管理的全流程，包括通过Kubernetes PVC安全导入、合规导出和数据验证。确保数据处理过程符合行业最佳实践、加密标准（AES-256）和数据安全合规要求。
查看详情

ElevenLabs Webhook事件处理

elevenlabs-webhooks-events
jeremylongshore/claude-code-plugins-plus-skills
371
本指南提供了处理ElevenLabs异步Webhooks的完整方案。它详细演示了如何接收和验证来自ElevenLabs的POST通知（包括转录完成、通话音频和失败事件），重点实现HMAC-SHA256签名验证，确保数据传输的安全性。适用于将ElevenLabs集成到对话式AI流程中，实现可靠的后台数据处理和事件管理。
查看详情

具界AI代理循环设计

loop-library
sickn33/antigravity-awesome-skills
377
本技能旨在帮助用户定义、调整和设计具有边界的AI代理工作流和反馈循环。无论用户是寻找现有流程、调整既有循环，还是需要从零开始设计全新自动化任务，本工具都能提供结构化的引导。它强调设置明确的退出机制、安全护栏和可验证的步骤，确保自动化流程始终可控且目标明确。
查看详情

检测数据与模型投毒攻击

detecting-data-and-model-poisoning
mukul975/Anthropic-Cybersecurity-Skills
215
本工具提供一套全面的解决方案，用于检测机器学习系统中的数据投毒、模型后门和供应链安全漏洞。它利用ART工具箱进行激活聚类和谱指纹分析，同时结合Cleanlab进行标签质量校验，并通过哈希验证和safetensors格式强制执行模型完整性。适用于模型训练前、部署前及整个生命周期安全审计。
查看详情

基于Garak的LLM红队安全测试

red-teaming-llms-with-garak
mukul975/Anthropic-Cybersecurity-Skills
117
NVIDIA garak是一款开源的LLM漏洞扫描工具，用于全面的红队测试和安全评估。它通过向大型语言模型（支持OpenAI API、Hugging Face等）发送数千个对抗性提示词，系统性地检测关键漏洞。这些漏洞包括提示注入、越狱、数据泄露和毒性内容等。可用于建立部署前后的安全基线，验证安全卫士的有效性，或为AI风险评估提供定量证据。
查看详情

RAG流程提示注入安全测试

testing-prompt-injection-in-rag-pipelines
mukul975/Anthropic-Cybersecurity-Skills
232
本技能提供全面的安全测试方法，用于检测检索增强生成（RAG）流程中的漏洞。它专注于探测通过污染文档实现的间接提示注入，以及向量空间中的嵌入操纵攻击。使用NVIDIA garak、Promptfoo和PyRIT等工具，可验证RAG系统的检索防护能力和CI/CD的安全性，确保系统不会受到恶意输入或数据泄漏的攻击。
查看详情

构建最小化AI智能体技能栈

agent-skill-stack
github/awesome-copilot
182
本技能用于评估和组装实现复杂自然语言目标所需的最精简、最高效的AI智能体技能栈。它能动态推导出多步骤工作流，通过本地索引、注册表和外部源进行搜索。系统采用“需求、操作、结果、连接方式”四重透镜，严格验证技能间的兼容性、安全性和重叠度，确保为用户推荐最可靠的解决方案。
查看详情

设备端隐私信息模型选择

pick-a-pii-model
maziyarpanahi/openmed
215
本指南用于从预定模型库中选择适合在设备端运行的个人身份信息（PII）检测模型。它根据输入语言、所需运行环境（如PyTorch、MLX）和内存预算进行筛选。核心流程包括离线构建候选列表，并强调在部署前必须进行严格的召回率验证和性能基准测试，以确保数据隐私安全。
查看详情
上一页123下一页
语言
简体中文
English