AI agent 技能安全审查协议，强制代码审查、风险分级与授权范围评估，防止恶意技能入侵
说明：
## 核心用法
`skill-vetter` 是面向 AI agent 的安全前置审查工具，用于在安装任何外部技能（ClawdHub、GitHub 等）前执行强制安全评估。采用四步协议：**来源验证 → 代码审查 → 权限范围评估 → 风险分级**，输出标准化审查报告。
### 关键操作
1. **来源检查**：验证作者信誉、下载量、更新频率、社区评价
2. **代码审查（强制）**：扫描所有文件中的 14 类高危特征，包括外发数据、凭证读取、base64 解码、eval/exec 执行、混淆代码等
3. **权限最小化**：确认读写文件、网络访问、执行命令的必要性
4. **风险分级**：?低/?中/?高/?极高，对应不同安装策略
### 显著优点
– **系统性防御**：覆盖供应链攻击常见向量（typosquatting、混淆代码、凭证窃取）
– **标准化输出**：统一报告格式便于审计追溯
– **分层信任模型**：官方/高星/新来源差异化审查强度
– **人机协作机制**：高风险操作强制人工审批
### 潜在局限
– **静态分析为主**：无法完全检测运行时行为或逻辑漏洞
– **依赖元数据完整性**：GitHub API 数据可被伪造或延迟
– **主观判断空间**：”清晰理由”等标准需执行者自行解释
– **无自动沙箱**：审查通过≠运行时隔离
### 适合人群
– 使用 Clawd/OpenClaw 等 agent 平台的开发者
– 需批量管理第三方 AI 工具的安全团队
– 对供应链安全有合规要求的组织
### 常规风险
– **审查疲劳**：过度依赖信任层级可能放松对新来源的警惕
– **误报拒绝**：严格规则可能误杀合法但编码风格特殊的技能
– **时间成本**：完整审查大型技能仓库耗时显著
> ?? 注意：本简介基于文档提取，实际安全认证报告为占位状态，未执行真实扫描。
