核心用法
Skill Vetter v2 是一款专为 AI Agent 设计的技能安全审查工具（Skill Vetter），其核心功能是在安装或使用任何技能之前，对其进行结构化的本地安全审查。该技能会系统性地扫描目标技能的 SKILL.md、README、脚本、钩子、模板等文件，识别已声明和隐含的能力（如文件读写、命令执行、网络访问、凭证处理等），并从安装时风险、运行时风险、数据泄露风险和信任依赖风险四个维度进行评估。审查完成后，它会生成一份包含风险等级、警告、建议和最终判定（安全/谨慎/不安全）的结构化报告。此外，用户还可以选择性地将已完成报告提交至 SettlementWitness 进行验证，以确保报告结构与判定逻辑的一致性，验证结果仅作为审计记录，绝不凌驾于本地安全判断之上。
显著优点
1. 本地审查，自主决策：整个审查过程在本地完成，绝不将安全判断权外包给任何外部服务，确保用户对技能安全性拥有最终决定权。
2. 多维风险评估：从安装时行为、运行时行为、数据泄露和信任依赖四个维度进行系统评估，覆盖技能生命周期的关键风险点，评估框架全面且结构化。
3. 红色警报机制：内置明确的红旗规则，一旦发现技能请求凭据、存在代码混淆、静默传输数据、提权等危险行为，立即标记为不安全，提供清晰的安全底线。
4. 可选验证，增强可审计性：提供与 SettlementWitness 集成的可选验证工作流，可在不泄露敏感信息的前提下，对审查报告的结构和逻辑一致性进行验证，生成可审计的收据。
5. 无外部依赖，攻击面小：该技能本身不依赖任何外部库、不发起网络调用、不收集任何数据，代码结构透明清晰，自身的攻击面被控制在极低水平。
潜在缺点或局限性
1. 个人开发者来源，信誉不可验证：该技能来自 ClawHub 个人开发者（T3 来源），README 中的 GitHub 仓库地址为占位符，无可验证的公共仓库或组织背景，社区信誉难以考证。
2. 缺少开源许可证：当前版本未声明许可证，LICENSE 文件缺失，在合规性和法律明确性方面存在短板，可能影响某些组织环境下的采用。
3. Hook 上下文注入：该技能包含一个钩子处理器，会在 Agent 引导时向上下文注入提醒内容，虽已文档化且仅为安全提醒，但仍属 Agent 上下文修改行为，对高度敏感环境的用户需要额外关注。
4. 审查深度依赖人工判断：作为自动化辅助工具，其审查能力主要基于模式匹配和清单检查，面对复杂或精心隐藏的恶意行为，最终仍需依赖人工审查者的经验和技术水平。
适合的目标群体
- AI Agent 重度用户：频繁安装和尝试各种社区技能的个人开发者或高级用户，需要一个标准化的安全检查流程来管理风险。
- Agent 技能安全研究者：需要对技能进行系统性安全分析、生成结构化报告的研究人员。
- 注重审计和合规的团队：希望在引入第三方技能时留存可审计的安全审查记录的企业或组织团队。
- Agent 平台开发者：希望为技能市场或平台集成标准化安全审查流程的开发者。
使用风险提示
- 来源风险（T3）：由于来源为个人开发者且无公共代码仓库可验证，理论上存在维护者未来通过更新引入恶意代码的可能性。建议在每次更新后重新审查该技能本身，并关注上游仓库的变更。
- 上下文注入顾虑：钩子处理器的上下文注入行为虽然是透明的安全提醒，但在某些严格限制上下文修改的环境中可能需要禁用手动处理，或进行额外的行为审计。
- 误报与漏报：模式匹配的审查方式可能导致误报（将正常行为标记为风险）或漏报（未能识别新型或高度伪装的威胁），用户不应将技能的报告视为绝对的安全保证，而应将其作为辅助决策依据。
- 验证服务依赖：若启用 SettlementWitness 验证，需将精简版报告结构发送至外部服务，虽然是可选功能且明确不含敏感数据，但仍需用户根据自身隐私策略进行审慎选择。