📌 项目地址：NVIDIA/SkillSpector | ⭐ 2,478 颗星 | 🔧 Python | 📜 未标注
为什么你需要一个AI Agent技能扫描器？
2025年，AI Agent（如Claude Code、Codex CLI、Gemini CLI）开始被开发者大量使用。这些Agent通过加载技能文件（skill）获得对外部工具、文件系统、网络的访问权。但问题在于：目前的技能市场几乎零审核，用户安装第三方技能时，本质上是把自己的Shell权限拱手让人。
NVIDIA在项目描述中引用了一项研究数据：26.1%的技能含有安全漏洞，5.2%的技能明显带有恶意意图。这些漏洞包括提示注入、数据窃取、权限提升、供应链投毒、系统提示泄漏、内存投毒等共16大类，64种具体模式。
SkillSpector 就是针对这个痛点设计的——在安装一个AI Agent技能之前，先用它扫描一遍，回答一个简单的问题：“这个技能安全吗？”
实际用法：一行命令扫描任何技能输入
安装方式很标准，依赖Python 3.10+，推荐用 uv 或 pip 创建虚拟环境后安装：
git clone https://github.com/NVIDIA/skillspector.git
cd skillspector
uv venv .venv && source .venv/bin/activate
make install
扫描则是 skillspector scan 加上目标。目标可以是一个目录、单个文件、Git仓库URL，甚至是zip压缩包：
# 扫描本地技能目录
skillspector scan ./my-skill/
# 扫描单个SKILL.md文件
skillspector scan ./SKILL.md
# 扫描Git仓库
skillspector scan https://github.com/user/my-skill
# 扫描zip
skillspector scan ./my-skill.zip
默认输出是带颜色高亮的终端表格，一眼可以看到风险等级和得分（0–100分）。
输出格式：不止给人看，还能对接CI/CD
开发者可以选择三种额外格式：
--format json：适合被其他工具消费，或存入数据库。--format markdown：方便直接嵌入文档或报告。--format sarif：SARIF是微软/Google等推行的静态分析结果交换格式，可以直接被VS Code、GitHub Code Scanning、SonarQube等工具解析，适合放进CI管道里自动拦截危险的技能。
skillspector scan ./my-skill/ --format sarif --output report.sarif
两阶段分析：静态打底，LLM深化
SkillSpector 的扫描引擎分为两个阶段：
- 快速静态分析：基于AST（抽象语法树）、正则表达式、YARA规则和污点追踪（taint tracking）等传统手段，快速命中已知的危险模式。
- 可选的LLM语义分析：如果配置了OpenAI兼容的LLM端点（通过环境变量
SKILLSPECTOR_PROVIDER和对应的模型），它会用大模型对技能代码做更深层的语义判断，比如识别被混淆的恶意逻辑。值得注意的是，官方说也支持本地LLM（比如运行在localhost的服务），这降低了隐私风险。
这种“快检+慢审”的组合在安全工具中很常见，但专门为AI Agent技能定制的目前很少见。
比同类工具好在哪？
目前市面上的AI Agent安全工具要么是通用提示注入检测（只检查输入），要么是沙盒运行时监控（需要实际运行）。SkillSpector 在安装前扫描，不需要运行技能，不依赖网络沙盒，而且覆盖了从供应链（OSV.dev实时查询CVE）到MCP最小权限的宽泛检测类别。NVIDIA深耕AI基础设施安全多年，这个项目的可信度也比个人开源项目更高一些。
注意事项
- 许可证：Apache 2.0，可以自由商用、修改，但注意风险自负。
- 并非银弹：免安装静态扫描无法检测运行时动态下载的恶意代码；LLM分析依赖模型质量，可能产生漏报或误报。
- 需要Python环境：运行时需要Python 3.10+和虚拟环境，不是零依赖工具。
- MCP技能支持是亮点：项目专门包含了“MCP least privilege”和“MCP tool poisoning”两类检测，如果你正在用Model Context Protocol（MCP）框架开发Agent，应该重点关注。
如果你正在构建或使用AI Agent技能市场，或者只是偶尔从社区下载一个技能来用，SkillSpector 值得加入工具集。至少它能在你 pip install 或者 git clone 某个技能之前，先帮你做一次自动化安全审查。