核心用法
Skill Vetter 是一款面向 AI 智能体的安全预审工具，用于在安装任何第三方技能前执行强制性风险评估。其核心流程包含四个关键步骤：
1. 来源审查：验证技能来源（ClawdHub/GitHub/其他）、作者信誉、下载量/星标数、更新时间及社区评价
2. 代码审查（强制）：逐文件检查 SKILL.md 及相关代码，识别 13 类高危红旗特征，包括隐蔽网络请求、凭证窃取、系统文件篡改、混淆代码等
3. 权限范围评估：分析文件读写、网络访问、命令执行等权限需求，确保最小权限原则
4. 风险分级：按 🟢 低 / 🟡 中 / 🔴 高 / ⛔ 极端 四级分类，输出结构化审查报告
显著优点
- 标准化流程：将主观安全判断转化为可执行的检查清单，降低审查遗漏
- 红旗模式库：内置 13 类恶意代码特征识别，覆盖数据外传、凭证窃取、系统入侵等常见攻击向量
- 风险分级明确：四级分类配合对应处置建议（直接安装/完整审查/人工批准/禁止安装）
- GitHub 集成：提供快速命令获取仓库元数据与文件内容，便于自动化审查
- 信任层级机制：根据来源可信度（官方/高星/已知作者/未知）动态调整审查强度
潜在局限
- 静态分析局限：无法检测运行时动态生成的恶意行为或逻辑炸弹
- 依赖盲区：未明确涵盖供应链攻击（依赖项投毒）的审查流程
- 混淆代码误判：压缩/编码代码直接触发拒绝，可能误杀 legitimate minified libraries
- 无自动执行：需人工逐条执行检查清单，缺乏自动化扫描引擎
- 上下文缺失：对技能业务逻辑合理性的判断仍依赖审查者经验
适合人群
- AI 智能体运维者：需频繁安装/更新技能的自动化工作流管理员
- 安全敏感场景用户：处理企业数据、个人隐私或金融交易环境的智能体部署
- Claude/ClawdHub 生态用户：依赖第三方技能市场但缺乏代码审计能力的终端用户
- 开发团队：构建内部技能审查 SOP 的 DevSecOps 实践者
常规风险
- 审查疲劳：过度依赖工具可能导致"勾选式合规"，忽视复杂逻辑漏洞
- 来源仿冒：攻击者可能伪造高星仓库或冒充知名作者，需结合多源验证
- 权限蠕变：技能更新后权限范围扩大，需建立定期复审机制
- 报告输出风险：审查报告本身可能泄露内部安全策略细节