下载

Skill UI

浏览并发现 9916+ 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 HIS系统，共找到 66 条记录

默认排序最新上传最多下载

自动化AI数据采集代理

data-scraper-agent

affaan-m/everything-claude-code

该代理旨在为任何公开数据源（如招聘板、价格、新闻等）构建一个全自动、AI驱动的数据采集系统。它能定时抓取数据，利用免费的大语言模型（如Gemini Flash）进行数据富集和分析，并将结果结构化地存储到Notion、Sheets或Supabase等数据库中。适用于需要持续监控和跟踪网络数据的场景。

使用Osquery进行端点监控

deploying-osquery-for-endpoint-monitoring

mukul975/Anthropic-Cybersecurity-Skills

本技能提供部署和配置osquery的完整指南，可用于跨平台（Windows, macOS, Linux）实现端点全面监控。它利用SQL查询强大的能力，深入检查运行进程、开放端口、系统配置和已安装软件，是进行威胁狩猎、合规性审计和集中式可见性的关键工具。

利用Zeek检测DNS数据外泄

detecting-exfiltration-over-dns-with-zeek

mukul975/Anthropic-Cybersecurity-Skills

本技能旨在提供一套检测数据通过DNS隧道外泄的方法。通过分析Zeek生成的dns.log文件，系统计算子域名的香农熵，并监测异常长的标签和过多的唯一子域名。这对于安全运营中心（SOC）分析人员识别绕过传统安全控制的恶意隧道工具至关重要。

检测本地二进制文件滥用行为

detecting-living-off-the-land-with-lolbas

mukul975/Anthropic-Cybersecurity-Skills

本技能提供了一套完整的检测生活在土地上（LOLBAS）恶意工具滥用的框架，可识别certutil、regsvr32等系统工具被恶意利用的行为。它结合了Sysmon和Windows事件日志的进程遥测数据、Sigma规则匹配以及父子进程异常分析，适用于安全运营中心（SOC）分析师和威胁猎手，以应对规避传统安全控制的复杂攻击。

基于风险的SOC告警疲劳缓解

implementing-alert-fatigue-reduction

mukul975/Anthropic-Cybersecurity-Skills

本技能提供了一套系统化的方法论，用于缓解安全运营中心（SOC）的告警疲劳问题。它指导用户通过实施基于风险的告警（RBA），将海量、低质量的阈值告警，转化为具有高价值、高上下文的风险评分。核心在于量化告警质量，通过分析真阳性/假阳性比率，系统性地调优检测规则，从而大幅提升分析师的警报处理效率。

SIEM规则调优与误报减少

implementing-siem-use-case-tuning

mukul975/Anthropic-Cybersecurity-Skills

本技能提供一套系统化的方法，用于调优安全信息和事件管理（SIEM）的检测规则。通过分析历史告警数据、建立环境基线、创建白名单并统计调整规则阈值，可以大幅减少误报，提高安全运营的准确性和效率。

学术研究新颖性检查

wanshuiyin/Auto-claude-code-research-in-sleep

这是一个高级的学术研究工具，用于系统性地检查拟议的研究方法或创新点是否具有新颖性。它能跨越多个知识源（如arXiv、Google Scholar等）进行多轮检索，并结合多阶段的AI推理过程，生成结构化的报告。帮助用户判断研究是否重复，并评估其贡献度，有效避免学术重复。

Foremost文件数据提取与恢复

performing-file-carving-with-foremost

mukul975/Anthropic-Cybersecurity-Skills

该指南详细介绍了使用Foremost和Scalpel等工具进行高级数字取证文件提取（File Carving）。通过分析文件头尾签名，它能够在文件系统元数据丢失或损坏的情况下，从原始磁盘镜像或未分配空间中恢复特定的文件类型（如图片、文档等），是进行证据提取的关键技术。

指标生命周期管理系统

performing-indicator-lifecycle-management

mukul975/Anthropic-Cybersecurity-Skills

该技能提供了一个系统化的框架，用于管理指标的完整生命周期，涵盖从初始发现、验证、富集、部署到监控和最终退役的全过程。它强调实施置信度衰减、追踪命中率和误报，以维护高质量、可操作的威胁情报数据库，最大限度地提高检测效率。

足球实体假设与验证

football-entity-hypothesis

EverMind-AI/EverOS

本技能指导用户系统性地识别和验证足球实体（球员或俱乐部）。当搜索结果提供初步线索，或当问题提供了足够的详细约束条件（如国籍、时代、联赛）进行假设时使用。核心步骤是构建针对性的名称搜索，并交叉比对所有约束（如出生年份、职业生涯等）以确保信息准确性。

足球线索深度追踪法

football-lead-tracking

EverMind-AI/EverOS

这是一种用于深入研究足球主题的进阶搜索方法。它要求用户不只依赖原始问题，而是必须系统地追踪搜索结果中发现的每一个实体（如球员、俱乐部或教练）。将这些实体视为新的线索，通过结合发现的名称和原始问题中的约束条件，进行后续的二次搜索，确保知识链的完整性，不遗漏任何关键信息。

历史事件与纪念碑关联搜索

geo-historical-monument

EverMind-AI/EverOS

本技能用于指导用户通过历史事件关联搜索相关的纪念碑或地标。核心思路是将历史事件（如战役、重大日期）作为主要的搜索锚点，再定位相关的纪念设施或建筑。提供系统化的查询模板和反模式，确保在进行地理和历史信息检索时，能准确捕捉事件背景。

上一页 1 234 5 6 下一页

语言