核心用法
AgentAudit 是一个面向 AI Agent 的安全门（Security Gate）技能，设计用于在调用 npm install、pip install、yarn add 等包管理器命令前强制执行安全检查。它通过查询 agentaudit.dev 注册表，结合 SHA-256 哈希校验和 LLM 辅助的自动审计，为每个包计算 0-100 的 Trust Score，并返回标准化退出码：0（PASS，≥70 分）、1（BLOCK，<40 分）、2（WARN，40-69 分或网络异常）、3（UNKNOWN，未审计）。安装流程需先注册代理、选择 Node.js（跨平台）或 Bash（Unix-only）脚本变体，并通过符号链接集成到 Claude Code、Cursor、Windsurf、GitHub Copilot 等平台。
显著优点
1. 主动防御前置：强制拦截机制将安全风险从“事后发现”转为“事前阻断”，显著降低供应链投毒、依赖混淆等攻击面。
2. 多源验证闭环：集成漏洞数据库、哈希完整性校验、多代理共识（Multi-Agent Consensus）三层验证，单一数据源失效时仍有冗余保护。
3. 贡献激励体系：通过积分排行榜鼓励社区参与安全审计，形成“发现-验证-共享”的可持续安全生态。
4. 零执行风险设计：npm pack/pip download --no-deps 仅下载源码 tar 包，避免安装脚本执行带来的任意代码执行风险。
5. 平台广泛兼容：支持 Node.js 18+ 及 bash+curl+jq 双栈，覆盖 Windows/macOS/Linux 全平台主流 AI IDE。
潜在缺点与局限性
1. 依赖协作式合规：安全门本身无操作系统级强制力，若 Agent 忽略 SKILL.md 指令或遭遇提示注入攻击，可被绕过。
2. 网络单点瓶颈：API 不可达时进入 WARN 状态，需用户人工决策，可能降低开发效率或导致误放行。
3. 覆盖率盲区：新发布或小众包可能无审计数据（Exit 3），自动审计依赖 LLM 静态分析，对混淆代码或逻辑漏洞检出率有限。
4. 信任传递风险：后端注册表和 SKILL.md 文件本身成为攻击目标，恶意分支可通过篡改指令降级安全策略。
5. 性能开销：哈希校验、API 查询、共识聚合引入延迟，在 CI/CD 高频构建场景下可能成为瓶颈。
适合人群
- AI Agent 开发者：需在 Claude Code、Cursor 等环境中自动化拦截危险依赖。
- DevSecOps 团队：寻求轻量级供应链安全闸门，补充 SCA 工具链。
- 开源安全贡献者：希望通过审计积累声誉积分，参与社区治理。
- 高风险项目维护者：金融、医疗等对第三方代码信任度要求极高的场景。
常规风险
- 策略绕过：攻击者通过 prompt injection 诱导 Agent 跳过 gate 检查。
- 数据投毒：恶意包上传伪造的“干净”审计报告污染共识数据库。
- 权限泄露：API 密钥若泄露至非官方端点，可能导致账户劫持或审计数据篡改。
- 误报与漏报：静态分析无法捕获运行时行为，高混淆恶意代码可能获得虚高 Trust Score。