Explorar skills

Metodologia de ataque à segurança em nuvem cobrindo AWS, Azure e GCP. Detalha a coleta de credenciais, enumeração com ferramentas específicas da nuvem, caminhos de escalonamento de privilégios e técnicas de persistência.

Esta metodologia descreve testes de penetração em aplicações móveis (Android + iOS), abrangendo análise estática e dinâmica, bypass de SSL pinning e detecção de root/jailbreak, e ataques a deep-links e componentes exportados.

Esta metodologia detalha a construção de pontos de acesso maliciosos (rogue APs) com ferramentas como hostapd-mana, wifiphisher e airgeddon, empregando respostas de sonda KARMA/Mana, phishing de portal cativo e coerção de clientes via deauth. Abrange também a derrota da randomização de MAC, ataques MITM pós-associação (DNS, ARP, proxy transparente) e captura de credenciais para portal/web/SMB.

Metodologia de ataque ao Active Directory para engajamentos de red team em redes internas. Abrange reconhecimento, abuso de credenciais, escalonamento de privilégios, movimento lateral e técnicas de persistência.

Metodologia de ataque para protocolos de malha Zigbee, Thread e Matter, cobrindo sniffing IEEE 802.15.4, uso do KillerBee, abuso de comissionamento Touchlink, ataques de replay/injeção, exploração de comandos Zigbee Cluster Library, roubo de credenciais Thread, análise da cadeia de comissionamento Matter e roteamento 6LoWPAN/IPv6.

Verificação de qualidade impulsionada por LLM usando prompt hooks. Valida mensagens de commit, padrões de código e convenções com IA antes de permitir operações, configurando guardrails inteligentes.

Domine as quatro operações da engenharia de contexto: Escrever, Selecionar, Comprimir, Isolar. Gerencie orçamentos de tokens, estratégias de compactação e particionamento de contexto para manter as sessões de IA precisas e eficientes.

Esta skill compila levantamentos bibliográficos estruturados sobre tópicos de IA/ML. Um agente organiza pacotes de pesquisa a partir de recursos públicos, e um LLM escolhido gera o levantamento como uma página wiki em markdown, incluindo uma bibliografia completa.

Remove código gerado por IA desleixado, comentários desnecessários e excesso de engenharia do diff da branch atual, limpando boilerplate, simplificando abstrações e removendo código defensivo. Use ao limpar código, simplificar, remover boilerplate ou antes de commitar.

Sistema completo de fluxo de trabalho de codificação com IA, incluindo padrões de orquestração, 18 eventos de gancho, 5 agentes, suporte entre agentes, guias de referência e aprendizados pesquisáveis. Compatível com Claude Code, Cursor e mais de 32 agentes.

Cresce automaticamente uma wiki de fluxo de trabalho profissional executando um loop de pesquisa BFS com orçamento limitado sobre buscadores de fontes plugáveis (web, arXiv, GitHub). Ele busca fontes, rascunha páginas wiki, deduplica informações e enfileira novas sementes, parando por limite de orçamento, profundidade ou convergência.

Captura defeitos relatados pelo usuário como issues duráveis no GitHub, usando a linguagem de domínio do projeto. Explora o código para contexto sem expor detalhes internos, sendo ideal para relatórios de bugs conversacionais ou solicitações de registro de problemas.