SkillSpector
活跃·★ 26.6k·Apache-2.0·更新于 2026-11-16
★ 最受欢迎
SkillSpector 在安装前检查智能体技能中的提示注入、凭据访问等风险,适合需要把外部资源审查落实到具体文件与位置的团队。我们在独立 Python 3.12 环境测试固定提交的 2.12.0,仅运行静态模式,不代表当前最新发行、所有规则或可选模型分析。项目采用 Apache-2.0;关闭模型分析后仍安装正常扫描工作流的依赖。
三个手写样例分别是正常本地任务、故意危险指令和明确禁止危险行为的警告。正常样例零发现、零分;后两者均触发 P1 指令覆盖与 PE3 凭据访问,风险分 42,总体 MEDIUM,单项最高 HIGH。开启 --fail-on-findings 后均返回 1。JSON 保留发现证据,SARIF 2.1.0 输出两项结果。警告样例被同样标记,说明静态命中需要结合上下文判断,不能自动认定恶意意图。
人工确认警告用途后,我们记录理由生成显式基线,再扫描同一目录:两条被抑制,活动发现为零,门槛返回零。抑制表示接受发现,没有修改原文或证明安全。所有扫描使用 --no-llm,危险文本未执行、未安装;未测依赖清单、远程获取、漏洞查询、运行隔离或真实宿主。适合用作审查流程的一环,由人阅读发现与覆盖限制,再决定是否引入。
阅读完整评测、验证范围与参考资料 →#智能体安全#智能体技能#智能体 AI#AI 安全#Claude Code#开发者工具#MCP 协议#提示注入
01
功能特性
01静态分析与可选大模型语义检查
02支持仓库、网址、压缩包和本地文件输入
03提供 JSON、Markdown 和 SARIF 报告
04提供已接受发现的基线与抑制机制
02
为什么选择它
+静态模式定位了危险样例中的指令覆盖和凭据访问模式。
+实测了 JSON 证据、SARIF 2.1.0 输出和基于发现的退出门槛。
+显式审查基线可抑制两条警告发现并记录接受决定。
03
权衡点
!引用并禁止危险行为的说明,触发了与危险指令相同的静态发现和分数。
!零分或接受基线不能证明安全,也不提供运行隔离。
!未测试模型分析准确性、远程获取、依赖及漏洞查询。
05
维护状况检查
活跃检查日期: 2026-11-05
- 最近提交
- 2026-11-05
- 近 90 天提交数
- 100+
- 近 90 天发布数
- 18
- 最新发布
- v2.13.4 (2026-11-04)
- 未关闭 issue
- 178
- 近期 issue 至少有一条评论的比例
- 1/13
近 12 周每周提交数
最早的一周在左边,最近 4 周为橙色。数据来源:GitHub 提交统计。
状态规则:GitHub 上已归档 = 已归档;最近提交在 90 天内 = 活跃;91 到 365 天 = 放缓;更久 = 停滞。所有数字来自所示日期的 GitHub API。
讨论最多的未关闭 issue
- #596 AE1 classifies opaque-by-type assets as `analysis-evasion` HIGH, discarding the ledger `reason_code` that distinguishes them from real cover8 条评论 · 2026-09-20
issue 标题引自 GitHub。请打开链接确认该问题是否仍适用于你使用的版本。
04
适合谁
适合选它的情况
- 你需要带源码位置的安装前补充审查。
- 你能人工阅读发现并记录小范围基线决定。
建议换别的情况
- 你需要自动证明技能可以安全执行。
- 你期待静态匹配可靠区分引用与意图。
06
兼容性
Python
要求 3.12 及以上
已通过文档验证
Docker
文档提供容器构建与扫描流程
已通过文档验证
07
快速开始
1
$ uv tool install git+https://github.com/NVIDIA/skillspector.git
08
使用场景
↳在安装前审查第三方技能
↳把技能扫描接入持续集成
↳相对既有基线追踪新增发现
09
同类工具
评论
登录后发表评论
暂无评论,来发表第一条吧