Skill Vetter（技能审查员）是一个专为AI代理设计的零信任安全审查工具，旨在防止在安装第三方技能时引入恶意代码或数据泄露风险。该工具提供了一套系统化的审查流程，确保在将任何外部技能集成到工作流之前，必须经过严格的安全评估。其核心目标是解决安装不可信技能带来的严重安全隐患，例如凭证窃取、隐蔽的数据外传、混淆代码执行以及通过拼写错误名称诱导用户安装伪造技能等问题。通过实施这一协议，Skill Vetter显著降低了因轻信来源不明代码而导致系统被入侵的风险。 Skill Vetter的审查过程分为四个关键步骤：首先是来源核查，评估技能的发布平台、作者声誉、下载量及更新频率；其次是强制性的代码审查，要求逐行检查所有脚本文件，识别包括向未知URL发送请求、读取敏感配置文件（如~/.ssh、~/.aws）、使用eval/exec函数、进行base64解码等危险信号；第三步是权限范围评估，依据最小权限原则判断技能所需访问的文件、网络资源和命令是否在合理范围内；最后是风险等级分类，将技能划分为低、中、高和极端四个级别，并据此给出安装建议。整个过程强调‘当有疑问时不要安装’的原则，并要求详细记录审查结果以备审计。
核心功能特点
- 提供安装前系统性安全审查流程，杜绝盲目安装风险
- 自动检测高危行为模式，如凭证窃取、外部服务器通信、混淆代码执行
- 支持对GitHub和ClawHub等平台的技能进行结构化评估
- 内置风险等级分类机制（低/中/高/极端），指导安装决策
- 生成标准化审查报告模板，便于记录与追溯安全决策
适用场景
Skill Vetter最适用于需要频繁从非官方渠道获取并集成新技能的AI代理场景。例如，当用户希望从ClawHub安装一个名为’deep-research-pro’的新技能时，应首先运行Skill Vetter进行完整审查。它会先查询该技能的下载量、作者信息和更新时间，然后将其临时安装到隔离目录中，并扫描所有相关文件以查找潜在威胁，如对外API调用或环境变量中的密钥处理方式。如果检测到指向’api.research-service.com’的网络请求且未经验证，则会标记为中等风险，建议在安装前进一步确认API服务的合法性。 另一个典型应用场景是在团队协作环境中评估其他代理共享的技能。假设某同事推荐了一个用于浏览器自动化的新技能，但该技能来自一个GitHub上仅有少量星标的新建仓库。此时，Skill Vetter会触发最高级别的审查标准：不仅检查代码本身是否存在恶意逻辑，还会验证作者历史记录、README说明是否清晰、是否存在紧急安装压力语言等社会工程学陷阱。只有当所有手动和自动化检查均通过，且风险等级被评定为‘低’或‘中’时，才允许进入下一步部署流程。这种严谨的态度有效防范了供应链攻击和内部人员误操作导致的安全事件。