（1093期）Skill-Vetter-ZH 中文 – AI 技能安全审查，筑牢安装防线

AI 技能安全审查，筑牢安装防线 为AI智能体技能提供系统化安装前安全审查，检测凭据窃取、混淆代码、数据外泄等危险标志，风险分级为低危/中危/高危/极危，生成结构化审查报告。 使用说明 核心用法 Skill Vetter 是一套面向 AI 智能体技能的安全审查协议，必须在安装任何来源不明的技能前执行。其核心流程包含四大步骤：来源检查（验证作者可信度、下载量、更新频率）、代码审查（逐行扫描危险标志）、权限范围评估（应用最小权限原则）、风险分级（低危/中危/高危/极危四级分类）。用户可通过标准化审查清单快速完成评估，并生成包含危险标志、所需权限、结论建议的结构化报告。 显著优点 系统化风险识别：明确列出 12+ 类危险标志（如 base64 解码、eval 执行、凭据访问、混淆代码等），大幅降低漏检概率 分级响应机制：四级风险体系配合差异化处理策略，避免"一刀切"或过度宽松 多源适配能力：覆盖 ClawHub、GitHub、随机 URL 等不同来源的审查需求 可复用模板：提供可直接复制的审查清单与报告模板，支持审计追溯 快速审查命令：内置 curl + jq 命令组合，便于自动化获取仓库元数据 潜在缺点与局限性 依赖人工判断：虽有检查清单，但代码语义理解仍需审查者经验，新手易误判 动态行为难检测：静态分析无法捕获运行时才显现的恶意行为（如延迟加载、条件触发） 外部 API 合法性核实困难：部分技能调用第三方服务，难以实时验证其安全性 无自动阻断机制：本质是辅助工具，无法物理阻止用户执行危险安装 信任层级主观性强："已知作者""高星级"等判断标准缺乏量化依据 适合人群 AI 智能体开发者：需在 CI/CD 流程中集成技能安全门禁 企业安全团队：建立内部技能白名单前的标准化审查流程 谨慎的个人用户：从 ClawHub/GitHub 安装社区技能前的自我保护 平台运营方：ClawHub 等技能市场的内容审核参考框架 常规风险 审查疲劳：过度严格的流程可能降低用户合规意愿，导致绕过审查 虚假安全感：完成审查不等于绝对安全，动态行为仍可能逃逸检测 供应链攻击：审查工具自身的依赖（curl、jq）若被篡改，将级联失效 社会工程绕过：攻击者伪造"已审查"标签或利用紧急话术施压 原始说明 安装任何 AI 智能体技能前的安全审查协议。检测凭据窃取、混淆代码、数据外泄等危险标志。风险分级：低危/中危/高危/极危。生成结构化审查报告。在未经审查的情况下，禁止安装任何来源不明的技能。