coverage-analysis

coverage-analysis 技能概觀

coverage-analysis 技能可協助你衡量 fuzzing harness 實際執行了哪些程式碼，讓你判斷覆蓋率低到底是因為 harness 太弱、parser 太頑固，還是真有像 magic value 檢查這類實際阻礙。它特別適合安全工程師、fuzzing 實作者，以及在 Security Audit 的 coverage-analysis 工作中需要判斷「這個 harness 有沒有碰到高風險程式碼？」的人；比起原始執行量，這類情境更重視是否真的觸及目標路徑。

這個技能適合用在什麼情境

當你需要比較不同版本的 harness、找出死路徑，或判斷 fuzzer 是否真的有進展時，就很適合用 coverage-analysis 技能。它是用來協助判斷 harness 品質的工具，不是通用的程式碼品質檢查器。

什麼情況下最適合

如果你手上已經有目標 binary、corpus，或 fuzzing 環境，而且想從 coverage report 找證據，這個技能最合適。若你只需要快速直覺判斷，普通 prompt 可能就夠了；但如果你需要可重複的 coverage 解讀流程，這個技能就能補上結構。

它和其他做法有什麼不同

它的核心價值在於聚焦：coverage-analysis 會把重點放在把 coverage 當成訊號來解讀、找出阻礙、再用這個訊號改善 harness。這比起直接叫一般模型「分析 coverage」卻沒有流程或判斷標準，實用得多。

如何使用 coverage-analysis 技能

正確安裝 coverage-analysis

如果是 GitHub 託管的 skill pack，請使用你的 skills runner 預期的安裝流程，例如 npx skills add trailofbits/skills --skill coverage-analysis。安裝完成後，先確認這個 skill 已經在你的 agent 環境中可用，再開始撰寫 prompts。

先閱讀正確的檔案

先從 SKILL.md 看流程與範圍，再視你的環境提供哪些 repository 指引，進一步檢查相關內容。對這個技能來說，最重要的資訊通常就在主說明與範例裡，所以在自行設計 coverage 流程前，先把這些內容讀過一遍。

提供足夠的 coverage 背景

一個好的 coverage-analysis 使用 prompt，應該包含目標、量測方法，以及你想做的決策。比如說：Analyze coverage for my libpng fuzz harness using LLVM sancov on corpus A versus corpus B; identify which changes increased reachable code and which remaining branches look like magic-value blockers. 這比單純說「看一下這份 coverage report」更好，因為它明確交代了系統、指標與預期結果。

用流程，不要只丟一次性問題

實用的 coverage-analysis 做法，是分階段提問：先摘要目前的 coverage 狀況，再找出阻礙，接著提出 harness 修改建議，最後把下一輪結果和基準線比較。這樣輸出才會一直對齊實際行動，而這正是 fuzzing 過程中做 coverage analysis 的目的。

coverage-analysis 技能 FAQ

coverage-analysis 只適合 fuzzing 嗎？

大致上是。這個技能是為了評估 fuzzing harness 的有效性與進度追蹤而設計，不是用來做一般原始碼審查的。如果你不是用 coverage 來改善 fuzz target 或安全測試 harness，這個技能的適配度就會比較低。

它和一般 prompt 有什麼不同？

一般 prompt 可能只能描述 coverage 數字，但 coverage-analysis 技能提供的是一套更緊密的流程，讓你能在 fuzzing 的脈絡下解讀這些數字。當你需要分辨「harness 太差」和「程式路徑本來就難以到達」時，這點特別重要。

我需要是專家才能用嗎？

不用，但你至少要有足夠背景，能說清楚目標、harness，以及 coverage 資料來源。初學者通常在提供一份 report、一個 baseline，以及一個具體問題時，最容易得到好結果。

什麼情況下不該用？

如果你沒有可執行的 target、沒有 coverage data，或根本沒有要改善 fuzzing 設定的打算，就不要用 coverage-analysis。在這些情況下，訊號太少，技能很難給出可靠建議。

如何改善 coverage-analysis 技能

從 baseline 和 delta 開始

最好的 coverage-analysis 輸出來自比較：harness 修改前後、corpus A 對 corpus B，或目前執行結果對比上一次穩定版本。如果你只提供單一份 report，可以請模型指出缺少哪些背景，並告訴你什麼樣的比較會讓結論更有說服力。

把你懷疑的阻礙直接說出來

如果你已經懷疑有 checksum、格式檢查、驗證閘門，或 magic constant，直接說明即可。這能讓模型知道該往哪裡找，也有助於區分是真正的 coverage 停滯，還是刻意設下的門檻。

提供精確的 coverage 來源

告訴模型資料來自 LLVM source-based coverage、SanitizerCoverage、gcov，或其他收集器，並附上相關路徑或 report 片段。coverage-analysis 在輸出有綁定到量測系統時，會比只看百分比有用得多。

針對 harness 修改持續迭代，不只是看報告

把第一次回覆當成診斷結果。接著重新執行 harness、收集新的 coverage report，再問有哪些變化、還有哪些因素卡住進展。這種回饋迴圈，正是 coverage-analysis 技能在 Security Audit 工作流程中真正發揮價值的地方。