Einheitliche LLM-Agent-Fertigkeit für Code-Reviews, die sowohl Sicherheitslücken (CWE) als auch Datenschutzverletzungen (GDPR) mit einer Detektor-Validator-Methodik abdeckt. Enthält die SKILL.md, einen 128-Fälle-Python-Benchmark in 30 kanonischen Kategorien mit einer zurückgehaltenen echten Negativ-Teilmenge und den Evaluierungsrahmen aus dem SecPriv-Paper.
Diese Fertigkeit für LLM-basierte Code-Review-Agenten vereinheitlicht die Überprüfung auf Sicherheits- (CWE, Common Weakness Enumeration) und Datenschutzverstöße (GDPR, General Data Protection Regulation) in einem einzigen, zweistufigen Verfahren. Der Detektor identifiziert potenzielle Schwachstellen in Python-Code, während der Validator die Ergebnisse überprüft, Fehlalarme reduziert und genaue, umsetzbare Rückmeldungen liefert. Sie ist für Agenten wie Claude Code, Cursor oder Codex konzipiert, die sich in CI/CD-Pipelines integrieren lassen, und wird mit einem umfassenden Evaluierungsset geliefert: einem 128 Fälle umfassenden Python-Benchmark, der 30 kanonische Kategorien abdeckt und eine zurückgehaltene Teilmenge echter Negative enthält. Das mitgelieferte Evaluierungs-Framework basiert auf dem wissenschaftlichen SecPriv-Paper und ermöglicht eine standardisierte Leistungsmessung. Die Fertigkeit verbessert die Code-Qualität erheblich, indem sie häufige Sicherheits- und Datenschutzprobleme automatisch erkennt, bevor sie in die Produktion gelangen, und reduziert so das Risiko und den manuellen Überprüfungsaufwand.
npx skills add facebookresearch/secpriv-skillInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Einheitliche LLM-Agent-Fertigkeit für Code-Reviews, die sowohl Sicherheitslücken (CWE) als auch Datenschutzverletzungen (GDPR) mit einer Detektor-Validator-Methodik abdeckt. Enthält die SKILL.md, einen 128-Fälle-Python-Benchmark in 30 kanonischen Kategorien mit einer zurückgehaltenen echten Negativ-Teilmenge und den Evaluierungsrahmen aus dem SecPriv-Paper.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.