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

Skill介绍

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 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）

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.gitmkdir -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.gitmkdir -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.gitmkdir -p .claude/skills/cp -r llm-dengbao-assessment .claude/skills/# 或在 Claude Code 对话框中：/skills add llm-dengbao-assessment

A5. 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

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）

1. 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）。

2. 写系统 Prompt（把 SKILL.md 的方法流程凝练进人设/指令）：

1. （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。

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/067. 出整改：references/058. 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）

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

项目地址

https://github.com/lingfengz/llm-dengbao-assessment