# Grim Prompter: 36 архитектур и 29 методик для модели угроз в Claude Code

> 2026-10-29 · AI Release · @ai_release1

> #threat-modeling #AppSec #Claude #Codex #open-source #AI #нейросети #PromptEngineering

### ⚡ Главное за 5 секунд - На GitHub вышел grim-prompter: набор промптов, который заставляет Claude Code, Codex CLI или другого кодинг- агента строить модель угроз по вашему репозиторию — 36 сценариев архитектур и 29 методик, лицензия MIT. - Установка — клон репозитория плюс симлинк `skills/threat-model` в `~/.claude/skills/threat-model` или `~/.agents/skills/threat-model`; для прочих агентов — сниппет в `AGENTS.md`. - Работает только в локальном macOS/Linux-шелле, отчёты падают в папку `threat-model/` и требуют ручной чистки перед коммитом. ### 🔍 Что случилось Автор под ником jmanico выложил на GitHub репозиторий grim-prompter — не сервис и не SaaS, а папку с промптами и рабочими сценариями. В `main` семь коммитов, внутри — `skills/threat-model`, `methods/`, `deep/`, `quick/`, `reference/`, а также `catalog.md`, `runbook.md` и `start-here.md`. Заявлено 36 сценариев под разные архитектуры и 29 методик и аналитических промптов. Ставится это так: клонируете репозиторий в `~/grim-prompter`, дальше линкуете скилл — для Claude Code в `~/.claude/skills/threat-model`, для Codex CLI в `~/.agents/skills/threat-model`. Клон надо оставить на месте, потому что скилл ссылается на свои же промпты. Дальше в сессии агента доступны команды: `/threat-model` (архитектуру выберет сам), `/threat-model quick api`, `/threat-model deep web`, отдельная методика `/threat-model STRIDE per element` и просмотр изменений ветки — `/threat-model change main...feature`, где можно указать старый JSON-отчёт как базу. Deep-прогон идёт в шесть стадий: scope, моделирование системы, анализ угроз, челлендж, план обработки, отчётность. Каждая стадия читает файл предыдущей, а продолжить прогон можно, назвав его папку. Результат складывается в новый каталог под `threat-model/`: `SYSTEM_UNDER_REVIEW.md` со scope, доказательствами, допущениями и пробелами, `report.md` с находками и планами проверки, плюс JSON-артефакты для следующих прогонов. Runbook требует read-only инспекции и ссылок «файл:строка», а сборки, тесты, скрипты, установки и сетевой доступ — только с явного разрешения пользователя. ### 🧠 Наш разбор Отдельный блок промптов про MCP-серверы и агентные инструменты — самое интересное в этом релизе. Инструмент сопоставляет tools с бэкендовыми кредами и эффективными правами там, где хватает доказательств, а неизвестные гранты и доступ к кредам записывает как пробелы. Ещё он смотрит blast radius общих токенов, разделение чтения и записи и то, может ли описание инструмента — или его обновление после аппрува — увести другие доверенные инструменты. Наша оценка: вот здесь и находится реальный нерв истории. Угроза давно не в том, что «агент украл секрет», а в том, что агент честно выполнил подсказанный шаг. Модель угроз обычно умирает на второй итерации: её делает один энтузиаст, документ устаревает к следующему спринту. Промпты с цитатами из кода — попытка сделать процесс повторяемым и дешёвым. Для команды из трёх человек это разница между «модели угроз нет вообще» и «есть черновик, который можно проверить построчно». Это уже немало, даже если сам черновик слабый. Кто выигрывает? Те, у кого есть культура security review: они получат экономию часов на рутине. Кто проигрывает — наша оценка — нижний сегмент рынка автоматизированного threat modeling: бесплатный MIT-набор промптов закрывает запрос «хотя бы что-то» не хуже платной формы с чекбоксами. Но с аудитом и пентестом это не конкурирует и не пытается. ### ⚠️ Чего мы не знаем В репозитории нет ни одного примера готового отчёта — только структура папок и описание формата. Нет тестов, нет версий, нет публичных замеров: сколько реальных угроз ловит deep-прогон и сколько ложных срабатываний выдаёт, никто не считал. Семь коммитов — проект молодой, говорить о стабильности рано. Отдельный открытый вопрос — большие монорепозитории: контекст агента кончится раньше, чем список файлов. Я бы сначала прогнал инструмент на своём проекте и сравнил с ручной моделью, а уже потом вставлял его в процесс. ### 💬 О чём спорить - Если находка в отчёте подкреплена ссылкой «файл:строка», её можно считать доказанной — или всё равно нужен человек, который подтвердит вывод? - Что опаснее для команды: агент, который сам полез в сеть и что-то установил, или подменённое описание MCP-инструмента, приехавшее уже после аппрува? - Гонять быстрый прогон на каждый PR, платя временем и токенами, или deep-анализ раз в квартал по всему репозиторию? **Прогноз:** в течение квартала у проекта появятся форки или аналоги с публичными примерами отчётов — конкуренция в этой нише пойдёт не по числу методик, а по числу подтверждённых находок на реальном коде. **Источник:** GitHub — jmanico/grim-prompter

[Источник](https://github.com/jmanico/grim-prompter)