vstack-s5-redteam — скилл для Claude Code: атаки на модель
Скилл vstack-s5-redteam для Claude Code проверяет модель и её защитные ворота независимыми атаками. Включается на этапе S5, когда нужно найти слабые места в проверках и подтвердить их на реальном коде.
MIT ★ 89 обновлён 2026-11-16
/plugin marketplace add hao-ai-lab/vstack
/plugin install vstack@hao-ai-lab-vstackЧто делает vstack-s5-redteam
Скилл организует независимые атаки на точность модели, силу свойств и проверок, а также на выводы о более крупных конфигурациях. Для работы ему нужны полный пакет S4 и описание области проверки с хешами. Находки записываются с командами, фактическим и ожидаемым выводом, ссылками на исходники и уровнем уверенности.
Координатор повторно проверяет результаты и объединяет общие причины. Подтверждённые сбои сохраняются по отдельности; успешный обход по возможности превращается в механическую проверку, после изменения ворот запускаются соответствующие регрессионные атаки. Роль red team меняет только свои копии артефактов, а проверенные оригиналы не трогает. Полный общий набор атак не входит в поставку.
Какие задачи решает
- найти расхождения между моделью и реальным поведением
- проверить, выдерживают ли свойства и защитные ворота обходы
- проверить выводы модели на более крупной конфигурации
- зафиксировать подтверждённые сбои и передать их на исправление
Примеры запросов агенту
- Проведи этап S5 для полного пакета S4 и запиши атаки с фактическим и ожидаемым выводом.
- Проверь ворота на обходы и повтори атаки после каждого изменения.
- Передай подтверждённые находки координатору, не меняя проверенные оригиналы.
Как установить vstack-s5-redteam
1Через маркетплейс плагинов
/plugin marketplace add hao-ai-lab/vstack/plugin install vstack@hao-ai-lab-vstackКоманда ставит плагин vstack целиком, со всеми его скиллами
2Через Skills CLI (Vercel)
npx skills add hao-ai-lab/vstack --skill vstack-s5-redteam -a claude-code3Вручную: положить файлы
~/.claude/skills/vstack-s5-redteam/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/vstack-s5-redteam/
1Через Skills CLI (Vercel)
npx skills add hao-ai-lab/vstack --skill vstack-s5-redteam -a codex2Вручную: положить файлы
.agents/skills/vstack-s5-redteam/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add hao-ai-lab/vstack --skill vstack-s5-redteam -a cursor2Вручную: положить файлы
.cursor/skills/vstack-s5-redteam/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install hao-ai-lab/vstack skills/vstack-s5-redteam2Вручную: положить файлы
.github/skills/vstack-s5-redteam/SKILL.md1Через Skills CLI (Vercel)
npx skills add hao-ai-lab/vstack --skill vstack-s5-redteam -a gemini-cli2Командой платформы
gemini skills install https://github.com/hao-ai-lab/vstack --path skills/vstack-s5-redteamВручную: положить файлы
.devin/skills/vstack-s5-redteam/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Claude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о vstack-s5-redteam
Как установить vstack-s5-redteam в Claude Code?
Добавьте маркетплейс командой /plugin marketplace add hao-ai-lab/vstack, затем установите скилл: /plugin install vstack@hao-ai-lab-vstack.
Что делает vstack-s5-redteam?
Он атакует модель и её проверки, фиксирует результаты с доказательствами и передаёт находки координатору для повторной проверки.
Что нужно для работы vstack-s5-redteam?
Нужны полный пакет S4 и описание его области проверки с хешами.
Исходный текст
SKILL.md · MIT
--- name: vstack-s5-redteam description: "Audit calibrated verification through independent attacks on fidelity, property/gate strength and scope extrapolation." --- # S5 — Attack model fidelity and gate strength Read [Layer 0: shared operating rules](../../docs/layer-0.md), this stage and the assigned input bundle. ## Role and write scope Red team reads reviewed artifacts and mutates only its own copies. It reports findings; the coordinator verifies them and assigns fixes. ## 1. Input The complete S4 bundle and its scope statement, with hashes. ## 2. Procedure 1. When delegation is available and authorized, assign independent attacks: test fidelity with missing or extra behaviors; test properties and gates with bad models, weak specs and forged output; test scale with one larger configuration. Attack the [open-environment rules](../vstack-s3-model/SKILL.md#open-environment): a stimulus whose `InputEnabled_<E>` is missing or vacuous, a guard that is neither a code condition nor a registered bound, a pruned failure path, fairness on an environment action, an `EnvContract_*` without a documentation quote, and a named restriction inside a passing configuration. 2. For each finding record exact command, actual output, intended output, source anchors and confidence. Mark findings as execution-supported when a run supports them, or as reproduced on real code. Items without run evidence remain leads. 3. The coordinator reruns findings and merges common causes. Keep every independently confirmed failure, not just one reviewer's list. 4. Turn a successful bypass into a mechanical check where feasible and record its ablation. Rerun the corresponding attack after gate changes. 5. On the full adequacy track, confirm each seeded mutant and each revert from the blind set on real code before it counts, then hand scoring to a role that did not build the model ([scoring](../../docs/model-adequacy.md#scoring)). ## 3. Exit checks - Resolve each execution-supported or reproduced finding, or file a rollback ticket. The coordinator reviews these manually. - Update the attack-to-enforcer table with evidence and remaining gaps. - Run the corresponding attack regressions for every gate change. The source has an ASSUMES selftest; a complete generic attack suite is not bundled. - S5 is mandatory; a model author's success report is insufficient. - Apply [Gate 2](../../docs/exposure-gate.md#gate-2-red-team) to every finding S6 hands back: record the refutation attempt (outer guard, documented intent, a freedom the real system lacks) and whether it failed. A finding without this record cannot be listed as verified. ## 4. Rollback Return fidelity defects to S3 and a weak ideal to S2 with property-owner approval. Assign weak verdicts or gates to the coordinator for repair. Never modify the reviewed originals from the red-team role. Use [a rollback ticket](../../templates/rollback.md). ## Concrete Examples For PD KV slot ownership, attack a copied ideal action, an unchecked mapping assumption and an implementation that silently discards a posted write. These exercise mirror, ASSUMES and specification-mutation checks.
© Hao AI Lab · MIT · hao-ai-lab/vstack