详细内容或原文请订阅后点击阅览
使用 SkillSpector 检测代理技能中的漏洞：从绿色复选标记到真正的安全判断
静态分析确定了恶意技能并过度标记了有用的技能。这些结果之间的差距正是人类判断真正发挥作用的地方。使用 SkillSpector 检测代理技能中的漏洞：从绿色复选标记到真正的安全判断首先出现在《走向数据科学》上。
来源:走向数据科学1. 您不应该信任的号码
代理技能是 AI 代理的简单指令包。实际上，它是一个包含简单英语说明的文件夹，例如“打开拉取请求”或“对这些票进行分类”。当这些指示看起来与任务相关时，Claude Code 和大多数代理堆栈都会加载这些指示。
这使得技能易于分享。这也让他们面临风险。任何人都可以发布一个，您可以像从互联网上安装其他任何东西一样安装它：将其放入文件夹中即可。所以安全问题很熟悉：这个包安全吗？一种新型扫描仪的出现可以回答这个问题。您将其指向该文件夹，运行安全测试，读取它返回的数字，信任下面的标签，然后采取行动：保留它，小心，或者不安装。
但这个数字是屏幕上最不可信的东西。
我运行了 NVIDIA 的 SkillSpector（来源），这是一款专为这项工作而构建的开源扫描仪，涵盖三种技能。我想看看它的分数在哪里有帮助，在哪里悄悄误导。对于故意植入的蜜罐，它会返回 100 分（满分 100 分）的平分，以及一条硬性的“请勿安装”。这是正确的。但它发现的最糟糕的事情是 Markdown 中的简单英语，而不是代码。 （分数汇总如图 1 所示）。
关于我想要采用且绝不会未经审查就安装的合法自动化技能，SkillSpector 提出了 20 个发现。其中 16 个是调用 GitHub API 的技能，这是该技能的全部规定工作。分数将这二十个发现压缩为一个整数。它没有告诉我哪四个重要。
感受到这种差距的人不是研究人员。他们是平台，安全工程师现在被要求批准 Claude Code 及其下游每个代理堆栈的第三方技能。“安全”会带来凭证窃取者。错误的“危险”会训练您的团队忽略扫描仪。从表面上看，这两次失败看起来都是一样的：一个没人信任的复选标记。
这是本文证明的内容：