等保大模型测评 Skill（Dengbao LLM Assessment）
面向大模型系统的网络安全等级保护测评方法体系。以 GB/T 22239-2019《网络安全等级保护基本要求》、GB/T 28448-2019《网络安全等级保护测评要求》为基线，融合 T/ISEAA 006-2024《大模型系统安全测评要求》（与 T/ISEAA 005-2024《大模型系统安全保护要求》配套）、大模型扩展要求、GB/T 45654-2025《网络安全技术 生成式人工智能服务安全基本要求》、GB 45438-2025《网络安全技术 人工智能生成合成内容标识方法》 与 2025版《网络安全等级保护测评高风险判定指引》，提供可直接落地执行的测评方法、测评步骤、整改要求与管理制度文件。
本仓库为符合 Agent Skills 开放标准（Anthropic 发起、社区维护）的 Skill 包：一个
SKILL.md+references/+assets/的可复用知识包，可被市面上主流 AI Agent / 编程助手按需加载，也可作为测评人员的手册直接阅读。你不需要重新训练模型——只需把它放进对应工具的 Skill 目录，AI 就能掌握等保大模型测评方法。
目录结构
大模型测评 skill/
├── SKILL.md # Skill 主入口（AI 加载此文件）
├── README.md # 本说明 + 使用教程（见下方「使用教程」）
├── 等保大模型测评方法总览.html # 方法体系总览（浏览器直接打开）
├── references/ # 测评知识库（按需加载）
│ ├── 01-测评方法与测评步骤.md # 测评方法、五阶段操作步骤
│ ├── 02-技术类测评项清单.md # 五大技术类控制点测评项全清单
│ ├── 03-管理类测评项清单.md # 五大管理类控制点测评项全清单
│ ├── 04-大模型专项测评要点.md # 语料/训练/模型/推理/内容/数据六域专项
│ ├── 05-整改要求与整改流程.md # 整改分级、整改建议、验收复测
│ ├── 06-高风险判定指引.md # 2025版高风险判定 + 大模型高风险项
│ ├── 07-大模型专项测试用例库.md # 提示注入/越狱/内容安全等现成测试用例
│ └── 08-T-ISEAA006-2024标准映射.md # 006 条款级映射（5~10 章逐条对应+反查表）
├── assets/
│ ├── 制度文件模板/ # 等保大模型扩展要求配套 10 份管理制度模板
│ └── 模板/ # 测评方案/记录表/报告/整改计划模板
└── 等保大模型测评方法总览.html总览图
![图片[1]李白你好-实战攻防等保大模型测评 Skill：面向大模型系统（训练/推理/RAG/Agent/一体机）的网络安全等级保护测评方法体系，融合 GB/T 22239-2019、T/ISEAA 006-2024、GB/T 45654-2025、GB 45438-2025 及 2025 版高风险判定指引。李白你好-实战攻防李白你好](https://www.libaisec.com/wp-content/uploads/2026/08/20260817155955112-图片.png)
快速使用
测评人员：从 references/02、references/03 选取测评项 → 按 references/01 实施 → 对照 references/06 判高风险 → 按 references/05 出整改要求 → 用 assets/模板/ 出报告 → 用 assets/制度文件模板/ 补齐制度。
AI 助手：先阅读下方「使用教程」选择接入方式（Hermes/OpenClaw/Codex/Claude Code/国内平台/纯文档），再作为 Skill 加载本目录，读取 SKILL.md 后按导航自动加载对应 reference 文件。
使用教程
本 Skill 兼容对象：Claude Code、Codex、OpenClaw、Hermes、Cursor、GitHub Copilot、Windsurf、Gemini CLI、Antigravity、Claude.ai、ChatGPT 等。国内平台（扣子 Coze、Dify、Kimi、阿里云百炼等）用「知识库导入」方式接入，见 C 类。
教程按 A / B / C / D 四类组织。
A 类 — 原生 SKILL.md 加载（主力方式）
这类工具原生支持 Agent Skills 标准，把仓库放进对应目录即可自动发现、按需加载。推荐方式。
A1. Hermes（本地主力 Agent）
git clone https://github.com/lingfengz/llm-dengbao-assessment.git
mkdir -p ~/.hermes/skills/
cp -r llm-dengbao-assessment ~/.hermes/skills/装载后可直接用「等保大模型测评」「编制大模型测评方案」「设计提示注入测试用例」等指令触发。
A2. OpenClaw
# 从 GitHub 仓库安装（推荐）
openclaw skills install git:lingfengz/llm-dengbao-assessment
# 或安装到当前工作区（最高优先级）
openclaw skills install git:lingfengz/llm-dengbao-assessment --as llm-dengbao-assessment
# 或手动拷贝到全局目录
git clone https://github.com/lingfengz/llm-dengbao-assessment.git
mkdir -p ~/.openclaw/skills/
cp -r llm-dengbao-assessment ~/.openclaw/skills/OpenClaw 加载优先级（高→低）：工作区 /skills → 项目 /.agents/skills → 个人 ~/.agents/skills → 本地 ~/.openclaw/skills → 内置。同名 Skill 以高优先级为准。
A3. Codex（OpenAI CLI）
git clone https://github.com/lingfengz/llm-dengbao-assessment.git
mkdir -p ~/.codex/skills/
cp -r llm-dengbao-assessment ~/.codex/skills/（项目级放入 .codex/skills/，效果相同。）
或放入 ~/.agents/skills/（兼容通用约定）。Codex 采用渐进式加载：启动只读 name/description，任务匹配后读完整 SKILL.md。可用 $llm-dengbao-assessment 显式调用或自动匹配触发。
A4. Claude Code
git clone https://github.com/lingfengz/llm-dengbao-assessment.git
mkdir -p .claude/skills/
cp -r llm-dengbao-assessment .claude/skills/
# 或在 Claude Code 对话框中：/skills add llm-dengbao-assessmentA5. Claude.ai / ChatGPT（无桌面安装，直接粘贴）
把 SKILL.md 的原始内容直接粘贴进新对话，或粘贴 GitHub 上的 SKILL.md raw URL。AI 会读取说明并按需理解整个方法体系。
A6. 通用约定 /.agents/skills/（跨工具兼容）
越来越多工具（Cursor、Copilot、Windsurf、Codex、OpenClaw 等）会扫描：
项目级：/.agents/skills/llm-dengbao-assessment/
用户级：~/.agents/skills/llm-dengbao-assessment/需要跨多个工具复用时，拷贝到这两处即可同时被它们发现。
B 类 — AGENTS.md / 项目指令型（作为规则引用）
这类工具（Codex、Cursor、GitHub Copilot 项目规则）主要通过 AGENTS.md / .cursor/rules / .github/copilot-instructions.md 常驻注入规则。适合把本 Skill 作为”项目专属守则”引用，而非按需 Skill。次要方式——引用要点，而非全量。
在项目根目录放 AGENTS.md：
# 项目规范
当涉及"大模型系统等保测评"任务时，遵循本仓库 `llm-dengbao-assessment/` 的方法体系：
1. 先读 `SKILL.md` 确定测评范围与流程
2. 按需加载 `references/02`、`references/03` 选测评项
3. 专项测试用 `references/07` 的现成用例
4. 高风险对照 `references/06` 判定
5. 报告与制度用 `assets/模板/` 模板- Codex：全局
~/.codex/AGENTS.md，项目根AGENTS.md（项目覆盖全局） - Cursor：
.cursor/rules/或项目规则设置 - GitHub Copilot：
.github/copilot-instructions.md
⚠️ AGENTS.md 是常驻全量加载，占用上下文；Skill 是按需加载。低频、面广的方法应优先用 Skill（A 类），不要把大段方法塞进 AGENTS.md。
C 类 — 国内 Agent 平台（扣子 Coze / Dify / Kimi / 百炼 等）
国内主流平台大多不直接读取 SKILL.md 文件，而是通过「知识库（KB）导入 + 系统 Prompt / 工作流」接入。思路：把 references + assets 转成平台知识库文档，再把 SKILL.md 的关键流程写进系统 Prompt。
通用接入流程（适用于 Coze / Dify / 百炼 / Kimi / MaxKB / FastGPT 等）
- 导入知识库：把
references/下 8 个.md文件 +assets/模板/下 4 个模板，作为知识库文档上传到平台的「知识库」模块（支持 Markdown 文本导入即最佳）。中文文件名建议改成无空格文件名（如01-测评方法与测评步骤.md）。 - 写系统 Prompt（把 SKILL.md 的方法流程凝练进人设/指令）：
你是等保大模型测评专家。测评时遵循：
1) 五阶段流程：准备→方案→现场测评→结果分析→报告编制
2) 四类方法：访谈/核查/测试/大模型专项测试
3) 判定规则：单项(符合/基本符合/不符合/不适用)、整体、高风险降级
4) 测评项取自知识库文档"02/03技术管理类清单"，专项测试用"07用例库"
5) 高风险对照"06判定指引"，整改用"05"，报告用"04"及模板
先说明将采用哪些测评项和方法，再输出。- （可选）建工作流：用平台可视化工作流把「上传测评范围 → 选测评项 → 生成方案 → 输出报告框架」串成固定节点。
各平台差异：Coze(扣子)、Dify、阿里云百炼、Kimi 开放平台、腾讯元器等均以「知识库 + 插件 + 工作流」为核心，接入方式大同小异；具体入口以平台右侧面板为准。
已兼容 Agent Skills 的国内/开源工具
部分国内或国内团队开源工具已支持 Agent Skills，可直接按 A 类加载：
- ZCode（智谱）：支持技能软链
~/.zcode/skills/ - 支持
.agents/skills/约定的开源 Agent 均可直接复用 A 类第 6 步
D 类 — 通用最小流程（不装任何工具 / 纯文档）
没有 Agent 环境或想快速上手做测评时，把本仓库当人工手册直接阅读：
1. 读 README.md 了解方法体系与标准依据
2. 读 SKILL.md 确定测评对象与流程
3. 打开浏览器看 等保大模型测评方法总览.html 或 flowchart.png 全局走一遍
4. 选测评项：references/02（技术类）+ references/03（管理类）
5. 按 references/01 实施测评，专项测试用 references/07 用例库
6. 判高风险：references/06
7. 出整改：references/05
8. 出报告：assets/模板/（方案/记录表/报告框架/整改计划）
9. 补制度：assets/制度文件模板/（替换单位名即可）快速对照表
| 工具 | 接入方式 | 目录/命令 | 类型 |
|---|---|---|---|
| Hermes | SKILL.md | ~/.hermes/skills/ | A |
| OpenClaw | SKILL.md | openclaw skills install git:lingfengz/llm-dengbao-assessment | A |
| Codex | SKILL.md | ~/.codex/skills/ 或 .codex/skills/ | A |
| Claude Code | SKILL.md | .claude/skills/ 或 /skills add | A |
| Claude.ai / ChatGPT | 粘贴 | 粘贴 SKILL.md 原文/raw URL | A |
| Cursor / Copilot / Windsurf | SKILL.md 或规则 | /.agents/skills/ 或 AGENTS/cursor/copilot 规则 | A / B |
| Codex (规则) | AGENTS.md | 项目根 AGENTS.md | B |
| Coze / Dify / Kimi / 百炼 等 | 知识库 | 平台「知识库」+ 系统 Prompt | C |
| ZCode（智谱） | SKILL.md | ~/.zcode/skills/ 软链 | A |
| 人工阅读 | 直接看文档 | 浏览器打开总览 HTML / 按 D 类步骤 | D |
触发示例（装好后怎么说）
- 「帮我编制一份大模型推理服务的等保测评方案」
- 「按等保要求对这份 RAG 应用做测评项选取并说明方法」
- 「设计 5 条提示注入测试用例」
- 「这份大模型系统哪些项属于高风险？依据是什么？」
- 「给我一套大模型内容安全管理制度模板」
依据的标准与文件
| 标准/文件 | 状态 | 用途 |
|---|---|---|
| GB/T 22239-2019 网络安全等级保护基本要求 | 现行 | 通用安全要求基线 |
| GB/T 28448-2019 网络安全等级保护测评要求 | 现行 | 测评方法与判定依据 |
| 网络安全等级保护基本要求 大模型扩展要求 | 征求意见稿（以正式发布稿为准） | 大模型专项控制点 |
| GB/T 45654-2025 生成式人工智能服务安全基本要求 | 2025-11-01 实施 | 语料/模型/内容安全要求 |
| GB 45438-2025 人工智能生成合成内容标识方法 | 2025-09-01 实施（强制） | 生成内容标识 |
| 网络安全等级保护测评高风险判定指引（2025版） | 现行 | 高风险判定 |
| TC260-004 政务大模型应用安全规范 | 已发布 | 政务场景参考 |
| OWASP LLM Top 10 | 外部参考 | 大模型应用威胁模型 |
说明
- 测评项编号沿用等保通用框架（如”安全计算环境-身份鉴别 a)…”），大模型扩展项以「LLM-」前缀标识，便于与通用项区分。
- 大模型扩展要求目前处于征求意见稿阶段，正式发布后请以正式文本核对控制点编号与措辞。
- 本仓库内容仅供测评工作参考，不构成法律意见；具体测评以委托合同与监管要求为准。
暂无评论内容