conducting-external-reconnaissance-with-osint
作者 mukul975conducting-external-reconnaissance-with-osint 技能适用于基于公开来源进行被动外部足迹探查、攻击面梳理和 Security Audit 准备，数据源包括 DNS、crt.sh、Shodan、GitHub 和泄露数据。面向授权侦察，强调清晰的范围控制、来源隔离和可落地的发现结果。
该技能评分为 74/100，说明它可以上架，但更适合作为一个中等偏强、领域专用的 OSINT 工具来介绍，而不是开箱即用的一键式工作流。目录用户会得到一个范围明确的被动侦察技能，实施细节也足够判断是否匹配，但仍需一定配置和源站相关知识。
- 对 OSINT 侦察、外部足迹探查和被动攻击面映射有明确触发性。
- 运营内容较充实：包含多个标题、工作流指引，以及覆盖 crt.sh、DNS、Shodan、邮件安全和 GitHub 泄露检查的 API 参考。
- 提供可运行脚本和 CLI 示例，相比通用提示词更利于 agent 调用，也能减少试错。
- 部分功能需要外部 API 和 token（例如 Shodan 和 GitHub），因此能否采用取决于用户凭据和环境配置。
- 该仓库似乎更强调广度，而非端到端编排；用户可能仍需针对具体评估自行整合或调整工作流的部分内容。
conducting-external-reconnaissance-with-osint 技能概览
这个技能能做什么
conducting-external-reconnaissance-with-osint 技能帮助 AI 以被动、基于 OSINT 的方式生成对某个组织外部足迹的视图。它面向的是已获授权的安全工作：攻击面映射、前期接触前研究，以及 Security Audit 准备，而不是直接探测目标系统。
适合谁使用
如果你需要一种结构化的方法，来收集并整理来自 DNS、证书透明度、搜索引擎、社交平台、代码仓库和泄露来源的公开信息，那么就适合使用 conducting-external-reconnaissance-with-osint skill。它尤其适合希望采用“先侦察、后验证”工作流的渗透测试人员、红队成员和安全审计人员。
它为什么不一样
它的核心价值在于工作流纪律：强调被动收集、来源分离，以及把零散的公开信号整理成目标画像。相比一个泛泛的“做 OSINT”提示词，conducting-external-reconnaissance-with-osint guide 更实用，因为它支持更安全的范围控制，也能产出更一致的结果。
适配场景与限制
它不适合做侵入式扫描、利用攻击或监控。如果你的目标是主动验证、漏洞发现或端点测试，这个技能会刻意显得“不够用”。conducting-external-reconnaissance-with-osint for Security Audit 这类场景最适合它，尤其是在你需要先建立外部基线，再进入更深入评估的时候。
如何使用 conducting-external-reconnaissance-with-osint 技能
安装与首次检查
如果要进行 conducting-external-reconnaissance-with-osint install，请使用下面的命令添加该技能：
npx skills add mukul975/Anthropic-Cybersecurity-Skills --skill conducting-external-reconnaissance-with-osint
然后先阅读 skills/conducting-external-reconnaissance-with-osint/SKILL.md，接着看 references/api-reference.md 和 scripts/agent.py，这样可以了解它支持的数据源以及执行流程。
提示词里要提供什么
高质量的 conducting-external-reconnaissance-with-osint usage 一开始就要给出清晰的目标、授权背景和输出格式。建议提供：
- 域名或组织名称
- 这项工作是用于审计、红队准备，还是资产盘点
- 允许使用的数据源或明确排除项
- 期望交付物，例如 findings 表、JSON 或 executive summary
示例输入：“Use conducting-external-reconnaissance-with-osint to build a passive external footprint for example.com for a Security Audit. Focus on subdomains, DNS, email security, leaked credentials, and GitHub exposure. Return concise findings with source notes and confidence.”
建议的工作流
实用的 conducting-external-reconnaissance-with-osint usage 模式是：先定义范围，再收集被动来源，然后规范化发现，最后按风险相关性进行汇总。仓库中的脚本和参考文件展示了一条简单但完整的研究流程，围绕 DNS、crt.sh、Shodan、邮件安全态势、Web 技术指纹和 GitHub 泄露检查展开。
仓库里先看什么
先看 SKILL.md，了解激活意图和约束；再看 references/api-reference.md，理解函数级行为；如果你想复刻采集顺序或把它改造成自己的工具，再看 scripts/agent.py。当你弄清楚哪些数据源是内置的、哪些是可选的，conducting-external-reconnaissance-with-osint guide 会更容易上手。
conducting-external-reconnaissance-with-osint 技能常见问题
这只适合网络安全专业人士吗？
它对有授权的从业者最有价值，但只要始终限制在合法评估范围内，初学者也可以使用。这个技能提供的是方向性支持，不是“自动魔法”：范围越清晰、来源选择越准确，输出就越好。
它和通用 OSINT 提示词有什么区别？
通用提示词可能只是列出公开来源，而 conducting-external-reconnaissance-with-osint 会给你一套更可重复的侦察工作流。这一点在你需要一致的发现结果、可追溯的来源，以及把被动研究和主动测试之间的边界划清时尤其重要。
它需要特殊工具吗？
不一定。这个技能既可以指导手工流程，也可以指导 AI 辅助流程；而附带的脚本引用则指向常见的 Python 依赖和外部 API。如果你本来就已经在使用 Shodan 或基于 DNS 的工作流，这个技能可以很自然地接入你的现有生态。
什么时候不该用它？
不要把它用于跟踪骚扰，或任何超出授权范围的工作。如果你需要的是实时利用测试、已认证应用测试，或者端点验证，而不是外部足迹梳理，那么它也不是合适选择。
如何改进 conducting-external-reconnaissance-with-osint 技能
缩小范围，并加上更好的约束
提升质量最明显的方法，是把“外部侦察”在你的场景里到底指什么说清楚。比如，你可以要求只使用被动来源，或者要求输出一份按优先级排序的攻击面摘要，并附上子域置信度和来源归属。这样 conducting-external-reconnaissance-with-osint skill 的输出会更可执行。
提供技能无法自行推断的背景
当你说明组织名称、域名变体、已知子公司以及任何排除项时，这个技能表现会更好。如果你已经知道目标使用了某家云服务商、某个邮件平台或品牌别名，也要一并写进去。这些细节能减少漏报，也能提升来源匹配质量。
要求面向决策的输出
不要只说“总结侦察结果”，而要要求一个能直接支持行动的格式：发现了哪些资产、用了什么来源、为什么重要、下一步安全验证是什么。对于 conducting-external-reconnaissance-with-osint usage 来说，这通常意味着减少原始列表，增加带优先级的发现结论。
基于发现继续迭代，而不是从头重来
第一次跑完之后，围绕遗漏项继续细化提示词：缺失的子域、GitHub 结果噪声过大、邮件安全态势不清晰，或者低置信度数据太多。一个好的 conducting-external-reconnaissance-with-osint guide 工作流本来就是迭代式的：先收集，再排序，然后用更严格的来源过滤或更窄的域范围重新跑一遍。