智 · AI安全测试渐进路由

本路由管理 18 个模块。入口只负责选领域，模块索引分片到 references/，正文仍在 ../_modules/。

加载规则

1. 先用一句话概括用户要达成的结果，再选最匹配的领域。
2. 每个阶段默认只读一个领域索引；任务明确跨领域时最多读两个。
3. 禁止为了了解全部能力而读完所有 references/*.md。
4. 领域内先按任务匹配度筛选，再用评分排序；高分不能覆盖领域不匹配。
5. 每阶段最多取 4 个模块，可跨多个领域分别取：本类正文需要其它类能力（如「破」的正文要用逆向分析）→ 直接去对应路由页取模块补足，不受单一子路由限制；优先使用 MCP 工具执行电脑操作——模块动作能由本页「可用 MCP 工具」完成的优先用 MCP，无匹配或失败再回退本地命令。
6. 说出参考的具体模块（任何阶段，硬性）：选定/换用/补充任何参考模块的当下就向用户说出——参考模块: <类>: <模块id>（<一句话用途>）；禁止只执行不报名、禁止事后补报。
7. 模块不匹配或执行碰壁时，先在当前领域换模块；领域不对才回本页换领域。
8. 找不到合适模块时，使用模型自带知识规划，并向用户说明规划步骤、执行路径、成本与预计交付路径；不要为凑数读取无关领域。
9. 任何实际执行前，先向用户展示规划步骤、执行路径、预计成本（时间/算力/外部服务/人工投入）和预计交付物路径；用户已明确要求且风险可控时可直接开始，但仍要给出简短预览。
10. 每项交付完成后，先在工作区写 Markdown 交付记录，包含目标、决策依据、实际步骤、证据、验证结果、产物路径和未解决项，再向用户汇报；不记录隐藏思维链。

领域索引

领域	何时读取	模块数	索引
提示注入与越狱	直接/间接提示注入、越狱、系统提示词、角色绕过与提示攻击	7	references/prompt-injection.md
LLM 安全测试	LLM 安全评估、测试、幻觉、过度依赖、数据泄露与模型审计	5	references/llm-security.md
MCP 与 RAG	MCP 协议、Agent 工具滥用、RAG 投毒、检索链与数据外带	3	references/mcp-rag.md
AI 攻防工作流	AI 攻击链、红队套件、Burp/Agent 集成与综合安全流程	3	references/offensive-workflows.md

评分机制

• 评分唯一来源是 ../_modules/skill_ratings.json；索引显示 【x/10】。
• 选择顺序固定为：任务匹配度 → 评分 → 索引顺序；无评分模块仍可用。
• 不得为比较分数加载无关领域；批量评分一次处理一个领域索引。
• 修改评分后重跑 ../aliceskill/scripts/rebuild_menu.py，不要手改生成的索引。

读取具体模块

选定模块后完整读取 ../_modules/<MODULE_ID>/SKILL.md；取不到正文时如实报告，不得声称已按该模块执行。 同一任务已读取的模块直接复用；换领域或新任务才重新路由。 任何阶段选定/换用/补充参考模块，必须当场说出 参考模块: <类>: <模块id>（<用途>），禁止只执行不报名。