Multi Agent Audit — Security skill for Claude Code

技能罗盘

一个「skill 路由器 + 多 Agent 审计员」。**核心理念：有现成的轮子，就别从零造**——遇到任务先找现成 skill 复用，同样的活儿别人早干过，直接调用最省时、最省大模型 token（token 即大模型消耗的计量单位）；你描述任务，它告诉你用哪个 skill，本地没有就上 GitHub 搜候选；你说"审计一下"，再派几个 agent 从多角度帮你查漏。

GitHub 仓库 slug：`multi-agent-audit`（URL 仅支持 ASCII，故仓库名沿用英文，技能显示名用中文「技能罗盘」）。

纯 skill 形态，零第三方依赖，装上即用。核心逻辑仅用 Python 标准库实现，测试 **9/9 通过**。

30 秒上手

• "我这个任务该用哪个 skill？" → 秒回命中，直接调它，不用从零写。
• "有没有给 PDF 加水印的 skill？" → 本地没命中就上 GitHub 找候选，你挑。
• "用多 agent 重写并审计这个接口" → 派几个 agent 协同做、再互相核对。

能做什么 / 不能做什么

它能帮你做	它不做的
断网跑 Layer 1：按关键词把任务匹配到本地已装 skill，零 token、毫秒级	不做语义级精准推荐——只做关键词级匹配
本地没命中跑 Layer 2：去 GitHub 搜对口 skill 仓库，列带 star/描述的候选让你挑	不在你没要求时自动开多 Agent；你点头它才派
你点名"审计"时跑 Layer 3：派 2–4 个 agent 分头做、再交叉核对	不替你拍板装哪个 skill——候选列给你，挑哪个由你定

为什么需要多 Agent 审计

**AI 有时候会"骗人"**——它会幻觉、会自信地编造不存在的 API、拼错文件名、把错的讲得头头是道。一个人容易被骗，一群人互相盯着就不一样了。这正是 Layer 3 存在的理由。

单一 AI 的坑	多 Agent 互审的好处
幻觉：凭空造出不存在的库 / 接口 / 参数，还一脸理直气壮	分头实现 + 互相审查，彼此抓漏、互相兜底
一旦方向跑偏，整条链路都跟着错，没人拉它一把	实现 / 审查 / 安全 多视角并行，盲区被覆盖
错误被当作事实输出，你很难一眼识破	多数一致才收敛，单点翻车不再"一错到底"
安全、边界、异常处理这类隐性问题最容易被漏	交付「改动 + 风险清单」，哪儿动了、有啥风险你看得见

三层工作流（按需触发）

       你描述任务
            │
            ▼
      ┌──────────────┐
      │  Layer 1      │  扫本地已装 skill，关键词匹配
      │  本地路由     │
      └──────┬───────┘
             │
       命中？├── 是 ──► 直接调命中的 skill（完）
             │
            否
             ▼
      ┌──────────────┐
      │  Layer 2      │  GitHub 搜对口仓库，给候选
      │  GitHub 兜底  │
      └──────┬───────┘
             │
       你挑一个 ──► 安装 / 调用（完）
             │
       要审计？├── 是 ──► Layer 3：派 2–4 个 agent 分头做 + 互审
             │
            否
             ▼
           结束

示意图（Mermaid）

flowchart TD
    A[你描述任务] --> B[Layer 1 本地路由
扫本地 skill · 零 token · 毫秒级]
    B --> C{本地命中?}
    C -->|是| D[直接调用命中的 skill]
    C -->|否| E[Layer 2 GitHub 兜底
抽关键词 · 搜仓库 · star 排序]
    E -->|你挑候选| F[安装 / 调用候选]
    E -->|要审计?| G[Layer 3 多Agent 协审
派 2–4 agent 分头 + 互审]