当 AI 代理（如 Claude Code、Codex CLI）开始自动执行任务，其加载的技能（skills）却几乎未经审查。NVIDIA 今日开源的 SkillSpector 瞄准这一空白：它能在安装前扫描 AI 代理技能中的漏洞、恶意模式和安全风险。项目今日新增 813 颗星，两天累计 826 星，成为 GitHub 日榜焦点。
这个项目在做什么
AI 代理技能——那些让 Claude Code 执行文件操作、让 Codex CLI 调用 API 的插件——正快速普及，但安全审查却严重滞后。研究显示，26.1% 的技能存在漏洞，5.2% 带有恶意意图。SkillSpector 正是为此而生：一个专门扫描 AI 代理技能的安全扫描器。
它支持多种输入格式：Git 仓库、URL、zip 文件、目录或单个文件。检测范围覆盖 16 类共 64 种漏洞模式，包括提示注入、数据外泄、权限提升、供应链攻击等。分析分两阶段：快速静态分析 + 可选的 LLM 语义评估。
为何此刻被关注
AI 代理正从演示走向生产。Claude Code、Codex CLI、Gemini CLI 等工具允许用户安装第三方技能，但缺乏安全审核机制。SkillSpector 的出现填补了这一空白。今日爆发直接关联其开源发布——NVIDIA 在社交媒体和开发者社区中推广，强调“安装前先扫描”。
此外，项目提供了与 OSV.dev 的实时 CVE 查询集成，以及多种输出格式（终端、JSON、Markdown、SARIF），使其能快速融入 CI/CD 流程。
技术上有何不同
与传统的 SAST 工具（如 Semgrep、CodeQL）不同，SkillSpector 专注于 AI 代理的独特攻击面。例如，它检测“指令覆盖”（Prompt Injection P1）和“隐藏指令”（P2），这些是传统扫描器无法捕捉的。
其两阶段分析设计值得关注：第一阶段用规则引擎快速扫描，第二阶段调用 LLM 进行语义理解。支持 OpenAI、Anthropic、NVIDIA 等多种 LLM 提供商，甚至可对接本地 Ollama 实例。这种混合方法在速度和深度之间取得了平衡。
项目还引入了“风险评分”（0-100），结合严重性标签和明确建议，帮助用户快速决策。
谁应该用它
- AI 代理平台开发者：在应用商店上架前自动扫描第三方技能。
- 企业安全团队：在允许员工使用 AI 代理技能前进行安全审查。
- 独立开发者：发布技能前自检，避免无意引入漏洞。
- CI/CD 工程师：集成到流水线中，每次技能更新自动扫描。
局限与开放问题
SkillSpector 目前专注于 Python 技能（AST 分析），对其他语言的支持有限。LLM 分析阶段依赖外部 API，可能带来延迟和成本。此外，64 种模式虽覆盖广泛，但面对新型攻击（如多步推理攻击）可能不足。项目仍处于早期阶段，文档中的“开发指南”部分提示其架构可能快速变化。
"26.1% 的 AI 代理技能存在漏洞，5.2% 带有恶意意图。"
"SkillSpector 在安装前回答：这个技能安全吗？"
"传统 SAST 工具无法检测提示注入，SkillSpector 专为此设计。"
核心亮点
数据来源：TrendForge 历史采集
NVIDIA 今日正式开源 SkillSpector，并在社交媒体和开发者社区中积极推广。项目精准切入 AI 代理安全这一新兴且紧迫的需求——随着 Claude Code、Codex CLI 等工具普及，用户开始意识到第三方技能缺乏审查。单日 813 星的增长表明开发者社区对此问题的高度关注。
AI 代理平台开发者（如构建技能商店）、企业安全团队（审查员工使用的代理技能）、CI/CD 工程师（集成到自动化流水线）、独立技能开发者（自检发布前）。
SkillSpector 的两阶段分析架构是其核心创新：第一阶段使用基于 AST 和 YARA 的规则引擎快速扫描，第二阶段调用 LLM 进行语义理解。这种设计在速度（规则引擎）和深度（LLM）之间取得了平衡。与 Semgrep 等通用 SAST 工具相比，它专门针对 AI 代理的攻击面，如提示注入和数据外泄。此外，与 OSV.dev 的实时集成使其能获取最新的 CVE 信息。
目前主要支持 Python 技能（AST 分析），对其他语言支持有限。LLM 分析依赖外部 API，可能增加延迟和成本。64 种模式虽广，但面对新型攻击可能不足。项目仍处于早期，文档提示架构可能快速变化。
