Un paquete de skills es un conjunto de instrucciones, así que la única forma de juzgarlo es leer las instrucciones y después contar lo que dice de sí mismo. Claude-BugHunter (12.519 estrellas, 1.590 forks, creado el 2026-05-05) es un buen candidato porque hace numérica su propuesta de valor: 83 skills, 15 comandos de barra, 681 patrones de informes divulgados. Los números se pueden comprobar.
Así que los comprobé. Cloné el repositorio en main, conté las citas de cada biblioteca de patrones, ejecuté sus siete scripts y la suite de pytest, lo instalé en un $HOME desechable y sometí al verificador de alcance a 22 nombres de host adversariales. El paquete es más real que la mayoría: 91 tests pasan en 3,9 segundos, la puerta de alcance resistió todas las trampas y las 433 URL de informes que existen existen de verdad.
El defecto es más estrecho y más interesante que «la herramienta es falsa». La regla que el propio paquete da para sus recuentos por clase —«grep-auditable: el número siempre coincide con lo que puedes contar en el fichero»— es falsa en 8 de los 36 ficheros que tienen biblioteca, y las dos cifras más grandes del titular (225 + 174 = 399, es decir el 58,6%) viven justo donde no hay nada que grepear.
Lo que el paquete afirma, en cinco números
La palabra «informe» tiene al menos tres significados distintos en este repositorio, y los números solo parecen contradictorios hasta que encuentras la frase que redefine cada uno.
| Número | Dónde aparece | Qué se define como |
|---|---|---|
| 83 | README, docs/skills.md, disco | directorios SKILL.md — confirmado: 83 en disco, 83 tras instalar |
| 82 | descripción «About» de GitHub | desfasado en uno; la caja About nunca se recalculó |
| 681 | README, About de GitHub, docs/architecture.md | «patrones de informes divulgados» — y en otras dos frases, «informes de HackerOne divulgados» |
| 574+ | pie de la tabla de docs/credits.md | suma de las etiquetas por skill (las 15 filas suman en realidad 565) |
| 433 | README, docs/disclosed-reports/README.md, CHANGELOG | «citados individualmente y auditables» — URL distintas de hackerone.com/reports/NNNN |
| 1.122 | en ningún sitio | lo que sale al sumar report_count: en las 70 skills que lo declaran |
Esa última fila es la que importa, y es mi número, no el suyo. report_count es frontmatter: viaja al modelo con cada skill, y 70 de las 83 lo declaran. Sumados:
# sumar report_count declarado en todas las skills
grep -h '^report_count:' skills/*/SKILL.md | awk '{s+=$2} END {print s}'
# 1122
# contar URL de informes distintas en las bibliotecas de patrones
grep -rhoE 'hackerone\.com/reports/[0-9]+' docs/disclosed-reports/*.md | sort -u | wc -l
# 433
1.122 declarados, 433 reales. Una ratio de 2,59 unidades declaradas por cita clicable. Y la diferencia no está repartida: se concentra exactamente donde el marketing es más ruidoso.
La convención, y los ocho ficheros que la incumplen
docs/disclosed-reports/README.md es inusualmente explícito. Define la convención, promete que es comprobable por máquina y explica por qué importa:
A skill’s
report_count:frontmatter = the number of distinct disclosed-report URLs cited in its pattern library (grep -oE 'reports/[0-9]+'→ unique). It is grep-auditable: the number always equals what you can count in the file. Nothing is asserted that a reader can’t click.
Es una frase contrastable. La contrasté: para cada una de las 36 bibliotecas, contar las URL únicas de informes y compararlas con el report_count de la skill correspondiente.
| Biblioteca de patrones | report_count declarado | URL distintas en el fichero | Delta |
|---|---|---|---|
hunt-xss | 174 | 0 | −174 |
hunt-open-redirect | 28 | 0 | −28 |
hunt-deserialization | 22 | 0 | −22 |
hunt-cors | 19 | 0 | −19 |
hunt-session | 18 | 0 | −18 |
hunt-host-header | 16 | 0 | −16 |
hunt-nosqli | 14 | 0 | −14 |
hunt-auth-bypass | 12 | 5 | −7 |
| otras 28 bibliotecas | 432 | 428 | −4 (ID compartidos) |
Ocho de 36 se contradicen con su propio fichero. En esas ocho se declaran 303 informes y se pueden clicar 5. En las otras 28 la convención se cumple, y eso es precisamente lo que convierte los fallos en algo diagnóstico y no cínico: alguien aplicó la regla a la mayor parte del repositorio y publicó el resto igual.
La causa se ve en los propios ficheros. hunt-cors.md empieza con «Pattern library built from 19 public bug bounty reports» y después contiene 19 patrones sin una sola URL: cada petición y respuesta está genericizada a target.com. hunt-xss.md va más lejos y argumenta contra su propio frontmatter:
Source: Shopify’s public bug-bounty program (HackerOne
shopify) has disclosed many XSS reports… Cite the program/class, not a specific report number.
Es una postura editorial defendible para una guía de técnicas. No es compatible con un report_count: 174 que se presenta como grep-auditable, y desde luego no con que docs/credits.md liste hunt-xss | 174 bajo una columna titulada «H1 reports curated».
El 58,6% del titular no tiene nada que clicar
Dos cifras dominan el 681. hunt-misc vale 225 —un tercio del titular solo— y no tiene fichero de biblioteca. No existe docs/disclosed-reports/hunt-misc.md. La skill existe, ocupa 20 KB, declara report_count: 225 y su descripción dice «Built from 225 public bug bounty reports». Detrás no hay nada.
hunt-xss vale 174 —la segunda— y su biblioteca existe pero cita cero informes.
Juntas: 399 de 681 = 58,6% del número titular descansa en las dos skills sin rastro verificable. Si las quitas, las otras 34 clases declaran 456 con 433 reales, lo bastante cerca de la verdad como para que el 433 sea claramente una reconciliación auténtica: de la parte que se reconcilió.
Conviene decirlo con claridad: el 433 cuadra exacto. Conté 433 URL distintas en 36 ficheros, el mismo número que anuncian el README, el CHANGELOG y el README de la biblioteca. Cuando un proyecto acierta una cifra al dígito, las que falló se parecen más a trabajo sin terminar que a invención, y el CHANGELOG lo dice, en una línea que merece leerse despacio:
Some counts reconciled down where a prior number was asserted without a backing corpus (e.g.
hunt-source-leak31→7) — honesty, not a coverage loss.
O sea: el proyecto conoce este modo de fallo, tiene una política documentada para él, la aplicó a una skill y dejó ocho.
Por qué ninguna puerta lo detectó
El repositorio tiene ocho flujos de CI, incluidos doc-count-check.yml, skill-lint.yml y leak-guard.yml. No es un repositorio que descuide sus controles. Es un repositorio cuyos controles vigilan otros números.
scripts/check_doc_counts.py sale limpio:
Ground truth: 83 skills (58 hunt-*), 15 slash commands.
Checked 21 doc assertions + 2 structural sums: 0 error(s).
Veintiuna aserciones, y el docstring dice exactamente qué cubren:
It deliberately does NOT try to reconcile every document’s bespoke sub-categorization… only the three ground-truth totals: all skills, hunt-* skills, and slash commands.
report_count no es uno de los tres. Mientras tanto, scripts/lint_skills.py sí ve el campo —83 skills, 0 errores, 11 avisos— pero su única regla sobre él es de tipo:
| Control | Qué comprueba sobre las citas | Resultado en main |
|---|---|---|
lint_skills.py | que report_count sea un entero no negativo | pasa (0 errores) |
check_doc_counts.py | 83 skills / 58 hunt-* / 15 comandos | pasa (21 aserciones) |
scan_identifiers.py | que no se filtren identificadores de clientes | pasa (336 ficheros, 0 coincidencias) |
research/reports/verify_citations.py | descarga cada informe citado y reclasifica | no corre en CI — necesita red; afirma: 433 informes, 0 desajustes |
| (nada) | declarado == contado en el fichero | no existe |
El único control cercano, verify_citations.py, comprueba que los 433 informes citados respaldan la clase bajo la que se citan. No puede decir nada de los 302 declarados y no citados: un informe que no se cita no puede estar mal clasificado.
No volví a ejecutar verify_citations.py: descarga 433 páginas de HackerOne y las reclasifica, y no iba a apoyar una afirmación en un rastreo limitado por tasa. Así que «0 desajustes, 0 débiles» es la única aserción de esta auditoría que dejo sin verificar, y la etiqueto como tal en vez de insinuar que la comprobé. Lo que sí respaldo es mi recuento de URL distintas, que coincide con el suyo.
La parte que carga aunque no la uses
Toda auditoría de un paquete de skills acaba en la misma pregunta: cuánto cuesta antes de hacer nada. La documentación de Claude Code es inusualmente precisa sobre el mecanismo:
In a regular session, skill descriptions are loaded into context so Claude knows what’s available, but full skill content only loads when invoked.
Así que el coste permanente es el conjunto de descripciones. En este paquete:
| Capa | Bytes | Tokens aprox. (÷4) |
|---|---|---|
| Los 83 cuerpos SKILL.md | 1.675.925 | ~418.981 |
| Las 83 descripciones (siempre cargadas) | 49.398 | ~12.350 |
Cuerpo más grande (osint-methodology) | 94.368 | ~23.592 |
Descripción más grande (hunt-ato) | 1.017 caracteres | ~254 |
12.350 tokens de descripciones antes de que se active una sola skill. Si eso es un problema depende del presupuesto del listado, que la documentación describe así:
The budget scales at 1% of the model’s context window. When the listing overflows, Claude Code drops descriptions starting with the skills you invoke least, so the skills you use most keep their full text.
Hagamos la cuenta: el 1% de una ventana de 200.000 tokens son 2.000 tokens, y las descripciones de este paquete son 6,2 veces eso. Incluso con una ventana de 1.000.000, el 1% son 10.000 tokens, todavía 1,2 veces menos que los 12.350 que emite el paquete. Algunas descripciones se descartarán en cualquier ventana actual.
Sería una nota al pie si el paquete permitiera invocar por nombre. Hace lo contrario. La primera promesa del README es:
All triggered automatically by topic — describe what you’re testing in plain English and the relevant skill loads. No invocation by name.
Y la documentación dice qué elimina descartar una descripción: «the keywords Claude needs to match your request». El modo de fallo es estructural, no teórico: las skills menos invocadas pierden su descripción primero, y en este paquete una descripción perdida es una skill inalcanzable en lenguaje natural —solo escribiendo su nombre con barra, justo lo que el paquete dice no hacer—. El diagnóstico existe (/context informa del tamaño del listado tras el presupuesto, --debug registra el desbordamiento, /skill-doctor marca las skills nunca invocadas), pero la documentación del paquete no menciona el presupuesto en ningún momento.
Los cuerpos traen su propia sorpresa. La documentación es tajante en que «once a skill loads, its content stays in context across turns, so every line is a recurring token cost», y que tras la compactación automática «Claude Code re-attaches the most recent invocation of each skill… keeping the first 5.000 tokens of each». Contra esa regla:
| Skill | Tokens del cuerpo | Sobrevive al reenganche (límite 5.000) |
|---|---|---|
osint-methodology (1.640 líneas) | ~23.592 | 21% |
bug-bounty (1.599 líneas) | ~19.272 | 26% |
bb-local-toolkit (1.553 líneas) | ~18.375 | 27% |
bb-methodology (508 líneas) | ~7.402 | 68% |
Las cuatro skills más grandes —la capa de metodología que querrías tener cargada toda la intervención— son las cuatro que más se recortan cuando una sesión larga se compacta. Es también lo que ve el propio linter del repositorio: avisa exactamente de 11 skills por superar una guía de 500 líneas de cuerpo, y esos avisos nunca rompen el build.
Dos skills, un texto
Mientras medía los cuerpos los comparé. bug-bounty (77.087 bytes) y bb-local-toolkit (73.500 bytes) son el mismo documento:
# comparar líneas sustantivas, ignorando el frontmatter
diff <(sed -n '/^---$/,/^---$/!p' skills/bug-bounty/SKILL.md) \
<(sed -n '/^---$/,/^---$/!p' skills/bb-local-toolkit/SKILL.md) | grep -c '^[<>]'
# 10
795 de las 826 líneas sustantivas de bug-bounty aparecen literalmente en bb-local-toolkit: el 96,2%. Ambas se titulan # Bug Bounty Master Workflow. Ambas descripciones terminan con la misma lista de disparadores en chino (中文触发词:漏洞赏金、安全测试、渗透测试、漏洞挖掘…) y ambas prometen la misma cobertura; la única distinción es que una dice «For local tool and wordlist paths, use bb-local-toolkit» y la otra «For general workflow routing without local tooling, use bug-bounty». Una referencia cruzada mutua es una instrucción de enrutamiento, no una desambiguación: ante un prompt con 漏洞賞金, las dos descripciones encajan.
Si se activan las dos, son ~37.647 tokens de texto casi idéntico en una sesión: 1,5 veces el presupuesto de 25.000 tokens que la documentación da para reenganchar skills tras la compactación.
Hay una lectura defendible: docs/credits.md describe bb-local-toolkit como «Personal customization of the master bug-bounty workflow with author’s pipeline preferences», es decir un fork conservado para el entorno del autor. Vale. Pero se distribuye entre las mismas 83, lo instala el mismo script, con una descripción diseñada para dispararse con las mismas palabras, y suma 18.375 de los 418.981 tokens.
La medición que el proyecto publicó contra sí mismo
Aquí está lo que hace distinto a este paquete: commiteó un resultado negativo sobre su propia promesa.
eval/BASELINE.md documenta una ablación skills-on / skills-off sobre OWASP Juice Shop, con el modelo fijo, tres retos y oráculo autoevaluado:
| Condición | Resueltos | Tasa | Turnos (mediana) | $ (mediana) |
|---|---|---|---|---|
| skills-off | 3/3 | 100% | 2 | 0,178 |
| skills-on | 3/3 | 100% | 3 | 0,254 |
| delta | +0 | +0% | +1 | +0,076 |
Y la nota debajo, sin suavizar:
Ceiling effect — as predicted. Both conditions solved all three; on memorized, curl-trivial Juice Shop challenges the hunt-* skill context is pure overhead (skills-on took more turns/cost, not fewer), so v0 measures pipeline soundness + autonomy + cost, NOT skill value.
El fichero explica después por qué el nivel superior (labs de PortSwigger Academy, «less memorized») no está en el repositorio: requiere cuenta, lanzamiento manual de laboratorio con JS/CSRF y credenciales de Playwright que «no» están disponibles. La lectura honesta de la evidencia publicada de este paquete es: en el único objetivo medido, las skills hicieron al agente más lento, un 43% más caro por ejecución, y no resolvieron nada más.
No es prueba de que las skills no sirvan —tres retos de Juice Shop que se resuelven con curl no tienen margen para demostrar valor, justo como dice el autor—. Es prueba de que «battle-tested» y «Claude Code stops being a chatbot and starts behaving like a senior bug-hunting researcher» se apoyan en cero mediciones publicadas fuera de ese fichero. Y el modo de fallo que el autor identificó él mismo —«el arnés medía lo equivocado»— es el que sobrevive en el texto de marketing.
ENGAGEMENTS.md calibra la misma afirmación desde el otro lado, y merece crédito por ello. Lista exactamente dos intervenciones autorizadas (ambas del Q2 de 2026: una WAPT con 3C/0A/2M/6B, una red team externa con 2C/4A/5M/3B = 27 hallazgos), redactadas a trimestre y continente, con la advertencia:
Future engagements will be added as authorizations permit; some prior engagements are not listed because the SoW / NDA does not permit even abstracted disclosure.
Así que «battle-tested across authorized red-team and bug-hunting engagements» = dos intervenciones, 27 hallazgos, abstraídos. El paquete es más honesto en ese fichero que en su titular.
Lo que resistió el mismo escrutinio
Una auditoría que solo reporta fallos es un panfleto, así que aquí está lo que sobrevivió, medido igual.
Los tests son reales. 91 tests y 33 subtests en 3,98 segundos:
$ python3 -m pytest tests engine -q
91 passed, 33 subtests passed in 3.98s
Cubren el parseo de alcance, la rotación del ledger, la gestión de redirecciones, la emisión de configuración MCP y los caminos de fallo del propio arnés de evaluación. No son pruebas de humo.
La puerta de alcance es lo mejor del repositorio. engine/scope.py impone el alcance «in CODE, not by trusting an LLM», con deny-wins y denegación por defecto. Lo sometí a los nombres de host que rompen los endswith ingenuos:
| Entrada | Host extraído | ¿En alcance? |
|---|---|---|
https://evilacme.com/ | evilacme.com | denegado |
https://acme.com.evil.com/ | acme.com.evil.com | denegado |
https://acme.com@evil.com/ | evil.com | denegado |
https://evil.com/acme.com | evil.com | denegado |
https://ACME.COM/ | acme.com | permitido |
https://acme.com./ | acme.com | permitido |
https://acme.com:8443/ | acme.com | permitido |
https://billing.acme.com/ | billing.acme.com | denegado (gana el deny) |
http://10.1.2.3/ | 10.1.2.3 | denegado (gana el deny) |
http://11.0.0.1/ | 11.0.0.1 | denegado (fuera del CIDR) |
not a url at all | not a url at all | denegado |
22 entradas, 22 decisiones correctas, incluida la trampa de userinfo que derrota a la mayoría de verificadores caseros. La distinción entre ápice y comodín también es correcta: acme.com desnudo cubre subdominios, *.acme.com explícitamente no cubre el ápice —una distinción que confunde a muchos parsers—. El único límite documentado es honesto en vez de oculto: solo CIDR IPv4, así que http://[2001:db8::1]/ cae en la denegación por defecto.
El frontmatter cumple, y eso no es universal. Los 83 SKILL.md tienen bloque de frontmatter parseable, name igual al directorio y descripción. La más larga mide 1.017 caracteres, por debajo tanto del límite de 1.024 del linter propio como del punto de truncado de 1.536 caracteres que la documentación da hoy para el listado. Comparado con el paquete claude-red, donde 28 de 79 skills no tenían frontmatter, este acertó en la parte mecánica.
La instalación funciona. bash scripts/install.sh --hermes --no-shell en un $HOME desechable produjo 83 skills, 2,5 MB, conservando report_count. Con manifiesto, idempotente y con desinstalación.
El 433 es real. Las 433 URL distintas existen en 36 ficheros de biblioteca, tal como se afirma: 437 apariciones, 4 ID citados en dos clases cada uno.
| Comprobación | Resultado |
|---|---|
| SKILL.md en disco | 83 |
skills hunt-* | 58 (coincide con el README) |
| Comandos de barra | 15 (coincide) |
| Bibliotecas de patrones | 36 (coincide con docs/architecture.md) |
| URL de informes distintas | 433 (coincide con el README) |
Suma de report_count declarados | 1.122 |
| Skills con recuento y sin biblioteca | 34 |
| Tests | 91 pasan, 33 subtests |
Los números que nunca se reconciliaron entre sí
Más allá de la brecha de citas, la capa de metadatos tiene su propia deriva: la que se acumula cuando un número vive en prosa y no en un test.
| Afirmación | Dónde | Realidad |
|---|---|---|
| «82 skills» | About de GitHub | 83 en disco |
| «83 skills» | README, manifiesto del plugin | 83 ✓ |
| 83 skills en el plugin | plugin.json, marketplace.json | origen ./ → árbol de main, así que 83 ✓ — pero version: "2.1.0" sin cambiar entre 71 y 83 skills |
| 71 skills | etiqueta v2.1, la última release (2026-06-05, 168 días antes de esta auditoría) | 12 skills añadidas después de la última etiqueta |
| «43 original + 8 vendored» | tabla de docs del README | docs/credits.md: 55 originales + 20 de la comunidad + 8 vendorizadas |
| «574+» informes curados | pie de la tabla de docs/credits.md | las 15 filas suman 565 |
hunt-rce «Built from 67 public bug bounty reports» | su propia description | report_count: 87 en el mismo bloque de frontmatter |
La última merece una pausa, porque la descripción es la única parte de una skill que entra en contexto antes de activarse. Diez skills dicen un número en la descripción y llevan otro en report_count:
| Skill | La descripción dice | report_count dice |
|---|---|---|
hunt-rce | 67 | 87 |
hunt-sqli | 12 | 29 |
hunt-ssrf | 15 | 34 |
hunt-idor | 26 | 39 |
hunt-graphql | 12 | 26 |
hunt-business-logic | 12 | 25 |
hunt-oauth | 19 | 22 |
hunt-csrf | 15 | 18 |
hunt-cache-poison | 10 | 8 |
hunt-race-condition | 12 | 10 |
Los dos números están mal de la misma forma —ninguno coincide con el fichero— pero mal de forma distinta, en el mismo bloque YAML, en un repositorio con un trabajo de CI cuya única finalidad es la consistencia de recuentos en la documentación. Nadie releyó la descripción cuando se reconcilió la cifra.
Si aun así quieres instalarlo
El paquete no carece de valor: las skills de OSINT y de plataformas empresariales son largas, concretas y claramente derivadas de trabajo real, y engine/scope.py es una pieza de código que copiaría antes que cualquier otra cosa. Pero adóptalo con el hábito de medir que el proyecto demuestra en eval/BASELINE.md y no traslada a su README.
Pasos concretos, en orden:
- Instala y mide el listado de inmediato. Ejecuta
claude --debugy luego/context: la fila de Skills informa del tamaño del listado tras el presupuesto, y--debugregistra un aviso si se desbordó. Después/skill-doctorpara el coste por skill y las que nunca se invocan. Si el listado se pasa, la solución esskillOverrides: pon en"off"las 40 skills que no vas a usar, no en"name-only", porque un nombre sin descripción no puede dispararse. - Valida el frontmatter antes de fiarte de los disparadores.
claude plugin validate ~/.claude/skillsencuentra los ficheros cuyo frontmatter no parsea. Hoy pasan los 83; la cuestión es que es un comando y detecta el fallo silencioso en el que una skill carga sin descripción y por tanto nunca se autodispara. - Haz el grep que promete el README. Diez segundos, sin red:Trata
for f in docs/disclosed-reports/hunt-*.md; do printf '%-34s declarado=%s citado=%s\n' "$(basename $f .md)" \ "$(grep -m1 '^report_count:' skills/$(basename $f .md)/SKILL.md | awk '{print $2}')" \ "$(grep -oE 'reports/[0-9]+' $f | sort -u | wc -l)" donecitadocomo el número fiable. Es el único con un fichero detrás. - Elige dos clases y lee la biblioteca, no la skill. La biblioteca es donde la técnica está genericizada y donde están las citas; la skill es el resumen para el operador. Si una clase tiene
report_countpero no fichero de biblioteca, estás leyendo el resumen de alguien sobre un corpus que no puedes ver. - Cuenta con el recorte de la compactación. Las skills de más de ~20.000 tokens solo conservan sus primeros 5.000 tras compactar. Si tu flujo depende de un cuerpo de 1.600 líneas, mueve lo necesario a un fichero de referencia que la skill cargue bajo demanda, o repítelo en tus propias notas de traspaso.
- Si lo portas a claude.ai, a la Skills API o a
package_skill.py, quita dos claves antes.sources:yreport_count:son campos solo de Claude Code; fuera de Claude Code, «if you include any field the spec doesn’t allow, packaging or upload fails with a hard error». El paquete ya trae la solución —install.sh --normalize-frontmatterelimina exactamente esas dos—, lo cual es en sí la declaración más clara de que sus metadatos de procedencia no son portables.
Preguntas frecuentes
¿El paquete es deshonesto con sus números?
Diría «inacabado», no «inventado». El 433 es exacto, la política de reconciliación está documentada y una skill se corrigió explícitamente a la baja (31→7) por no tener corpus de respaldo. Lo que falta es esa misma pasada aplicada a ocho bibliotecas más y a hunt-misc. El problema es que la corrección se detuvo justo donde el número era más grande.
¿report_count afecta a que una skill funcione?
No. Es metadato inerte: Claude Code ignora los campos que no reconoce. Precisamente por eso quedó sin reconciliar: nada se rompe cuando está mal. Importa porque es el número con el que los compradores comparan paquetes, y porque ese mismo frontmatter es el que rompe una subida a claude.ai.
¿Son demasiadas 83 skills para una sesión? La mecánica dice que el listado se desbordará: 12.350 tokens de descripciones contra un presupuesto del 1% de la ventana, que son 2.000 en una ventana de 200K y 10.000 en una de 1M. El modelo de disparo del paquete es solo por descripción. Así que el techo práctico no es «cabrán 83» (caben) sino «cuántas descripciones sobreviven al presupuesto», y ese número es menor que 83.
¿El resultado del eval demuestra que las skills no ayudan? No: tres retos de Juice Shop que ambas condiciones resuelven en 2–3 turnos no distinguen el valor de una skill del ruido, y el autor lo dice en el propio fichero. Es evidencia de que ningún objetivo del repositorio ha producido todavía un delta positivo, lo cual es una afirmación distinta y más débil que la del README.
¿Qué es realmente único aquí? El motor. 2.510 líneas de Python con 658 líneas de tests, alcance con deny-wins, un ledger de cobertura y una negativa deliberada a fiarse del juicio del modelo sobre el alcance. Si te llevas una sola cosa de este repositorio, llévate el verificador de alcance y sus tests, y lee las skills como una lista de lectura bien organizada, no como una checklist.
¿Debería usarlo en una intervención real con un objetivo no verificado? La postura de autorización es más cuidadosa que la mayoría: puertas, réplicas a cláusulas fuera de alcance, reglas de redacción y una declaración explícita de que Opus 5 cae a un modelo anterior en algunas peticiones de ciberseguridad. Pero el alcance sale de un fichero que escribes tú. El código impone lo que le dices; no puede decirte si te está permitido.
Qué es este paquete
Claude-BugHunter es un artefacto de conocimiento grande y en su mayor parte bien construido, con una capa de marketing que se adelantó a su capa de datos. Las 83 skills existen, las 83 parsean, 91 tests pasan, la puerta de alcance es genuinamente buena y 433 informes citados de HackerOne son reales y contables. En contra: 1.122 unidades declaradas frente a 433 citas, 8 de 36 bibliotecas contradiciendo su propia invariante, el 58,6% del titular en las dos skills sin rastro, un par de skills duplicado al 96,2%, un listado permanente que excede el presupuesto documentado en cualquier ventana actual y una única ablación commiteada en la que la condición con skills costó más y no resolvió nada extra.
Ninguna de esas cosas permite llamarlo estafa. Juntas son una razón para hacer lo que hace su propio eval/BASELINE.md: medir antes de repetir el número. La mejor frase del README es la que aplicó a una skill y luego abandonó: honesty, not a coverage loss.