Agent Skills Hub

secure-claude-code

监控 Claude Code、Codex 和基于 MCP 的开发环境的 Runwall 安全状态、已启用的防护措施及近期审计记录。

systematic-debugging

一套严格的四阶段方法论，强制要求在应用任何代码修复前，必须先进行系统性的根本原因分析。

clawsec-nanoclaw

NanoClaw WhatsApp 机器人的安全咨询监控，通过 MCP 工具提供漏洞扫描、技能安全检查与完整性保护。

toh-framework

专为 AI 生成代码设计的安全性优先审计框架。提供多层级防护，包含硬编码密钥检测、危险代码模式识别，以及针对现代 Web 应用程序的完整漏洞审计。

metrics-dashboard

设计完整产品指标仪表板，定义关键绩效指标 (KPI)，并建立包含数据可视化、警示阈值与架构整合的监控计划。

Auditing Security

执行系统性的安全性稽核、漏洞扫描与风险评估，并结合 OWASP 方法论，确保代码的强健安全性。

guard

为提示词中的 JSON 数据提供认知安全分析，防止大型语言模型在处理不完整或大规模数据集时产生幻觉与推理错误。

meteorology-driver-classification

将气象与环境变量分类为驱动因素类别，以进行一致的归因分析与环境建模。

lomb-scargle-periodogram

使用 Lomb-Scargle 周期图法分析天文时间序列数据，特别适用于非均匀采样数据，并透过 lightkurve 函数库检测周期性信号。

Python Security Scan

专为 Flask、Django 与 FastAPI 项目设计的 Python 安全扫描工具。支持 OWASP Top 10 风险检测、依赖包漏洞分析、硬编码密钥检测与框架专属安全审计。

kpi-dashboard-design

掌握 KPI 仪表板设计，利用成熟的指标框架、SMART 目标与层级模式，协助您从高阶决策到运营监控，全面提升业务绩效。

scikit-learn

使用 scikit-learn 进行经典机器学习。适用于分类、回归、聚类、降维、数据预处理、模型评估，以及构建 Python 机器学习流程。