Evolution Drift Detector 是一款专为 AI 代理技能（Skills）设计的演化漂移检测工具，旨在识别在继承链中悄然发生的技能变异。当一个经过安全审计的技能被后续版本不断分叉和迭代时，即使每次改动都看似无害，累积的语义变化仍可能使其获得原始审计从未覆盖的新能力。例如，一个最初仅用于文件读取的工具，在经过多代修改后，竟具备了网络访问权限。这种‘进化性漂移’现象使得原本标记为‘已验证安全’的技能在实际使用中暴露出安全隐患，而市场平台上的认证标签却无法反映这一变化。该工具通过追踪技能的完整继承历史，分析每一代之间的结构差异，并量化其能力漂移程度，从而帮助开发者和管理者及时发现此类风险。 该工具的核心价值在于它超越了静态代码审查的局限。传统的审计通常只针对某一特定版本进行，一旦技能被分叉，原始审计的有效性便迅速衰减。Evolution Drift Detector 则动态地重建技能从第一代到当前版本的完整演化路径，识别出每一次功能扩展、权限变更或外部依赖引入。它不仅报告‘什么变了’，更深入分析‘为什么变’——将变异分类为装饰性修改、功能性增强、能力扩张或安全性削弱等不同类型。最终，它会生成一份综合性的漂移分析报告，包括每代之间的详细差异摘要、整体的能力漂移评分（0-100分），以及明确的再审计建议，从而为决策提供数据支撑。
核心功能特点
- 追溯技能完整继承链，从第一代原始版本到最新分叉版本
- 计算并展示每一代之间的结构化差异，包括新增功能和变更的权限
- 聚合所有世代的差异，生成一个综合性的能力漂移评分
- 对每一次变异进行分类，区分装饰性、功能性、能力扩张性和安全性削弱性变更
- 设定漂移警报阈值，当累积漂移超出原始审计范围时发出警告
- 提供明确的再审计建议，判断当前版本是否需要重新进行安全评估
适用场景
Evolution Drift Detector 最适用于那些拥有庞大且活跃的 AI 代理技能生态系统的组织或平台。在这些环境中，技能是作为可复用的模块被广泛分发和继承的，例如一个 AI 应用商店或一个企业级智能体开发框架。想象一个场景：一个名为 `data-sanitizer` 的技能在第一年被发布并通过了全面的安全审计，获得了平台的‘已验证’徽章。第二年，开发者 `@toolsmith` 为了支持更多格式，为其添加了 CSV 解析功能；第三年，另一位开发者 `@agent-builder` 为了提升鲁棒性，引入了带有 HTTP 重试机制的错误处理逻辑。到了第五年，这个技能已经被多个团队分叉和修改，最终形成了一个功能复杂但安全边界模糊的版本。此时，如果平台继续使用 Gen 1 的‘已验证’标签，就会严重误导用户。Evolution Drift Detector 正是为了解决这类问题而生，它能自动发现从 Gen 1 到 Gen 5 的这条演化路径，并计算出高达 78/100 的显著漂移分数，明确指出当前版本已获得网络访问等全新能力，强烈建议进行再审计。 此外，该工具对于任何重视供应链安全的开发者或安全团队都具有极高的实用价值。在开源软件或内部共享库的场景下，一个看似微小的改动，如移除输入长度检查以‘提升性能’，可能在不知情的情况下引入缓冲区溢出等高危漏洞。Evolution Drift Detector 能够捕捉到这类‘安全性削弱’类型的变异，并将其与其他良性变更区分开来。它不是要取代人工代码审查，而是作为一个强大的辅助工具，首先筛选出那些因演化漂移而变得可疑的技能，让安全团队的精力能集中在最需要关注的地方。通过定期运行此工具，组织可以建立起一套动态的技能健康度监控体系，确保市场上的每一个技能都与其声明的认证状态保持一致，从而有效防范由技能漂移引发的系统性安全风险。