SkillSpector是什么
SkillSpector 是 NVIDIA 开源的 AI Agent 技能安全扫描工具，能在安装 Claude Code、Codex CLI、Gemini CLI 等平台的技能之前自动检测漏洞、恶意模式及安全风险。工具支持 Git 仓库、URL、压缩包、目录、单个文件等多种输入格式，内置 64 个漏洞模式跨越 16 个安全类别，提供快速静态扫描与可选 LLM 语义评估的两阶段分析管道，输出终端、JSON、Markdown 及 SARIF 等格式报告，附带 0-100 风险评分与修复建议。
SkillSpector的主要功能
- 多格式输入扫描：支持 Git 仓库、URL、压缩包、目录及单个文件。
- 64 个漏洞模式覆盖 16 个安全类别：包括提示注入、数据外泄、权限提升、供应链、过度代理、输出处理、系统提示泄露、记忆投毒、工具滥用、流氓代理、触发器滥用、危险代码 AST、污点追踪、YARA 签名、MCP 最小权限及 MCP 工具投毒。
- 两阶段分析管道：第一阶段快速静态扫描，第二阶段可选 LLM 语义评估。
- 实时漏洞查询：通过 OSV.dev API 查询已知 CVE，支持自动离线回退。
- 多格式输出：支持终端、JSON、Markdown 及 SARIF 报告格式。
- 风险评分系统：0-100 分评分，附带严重等级标签与明确修复建议。
SkillSpector的技术原理
- 第一阶段静态分析：基于正则表达式和 AST 进行快速模式匹配，检测危险代码调用，如 exec、eval、subprocess 等，通过 OSV.dev API 实时查询依赖漏洞，扫描所有文件，具有高召回率和中等精确率。
- 第二阶段 LLM 语义分析（可选）：通过 OpenAI、Anthropic 或 NVIDIA 等兼容端点评估上下文和意图，过滤误报，提供人类可读解释，将精确率提升至约 87%，且 LLM 提示包含反越狱保护机制防止恶意技能操纵分析结果。
- 风险评分计算：CRITICAL 问题 +50 分，HIGH +25 分，MEDIUM +10 分，LOW +5 分，可执行脚本额外施加 1.3 倍乘数，最终按 0-20（LOW/SAFE）、21-50（MEDIUM/CAUTION）、51-80（HIGH/DO NOT INSTALL）、81-100（CRITICAL/DO NOT INSTALL）分级。
如何使用SkillSpector
- 环境准备：克隆 GitHub 仓库并创建激活 Python 虚拟环境，支持 uv 或 pip。
- 安装部署：执行
make install命令安装生产依赖，或make install-dev安装开发依赖。 - 执行扫描：用
skillspector scan命令后跟目标路径。 - 配置 LLM（可选）：设置
SKILLSPECTOR_PROVIDER环境变量选择 OpenAI、Anthropic 或 NVIDIA 提供商，配置对应 API 密钥以启用语义分析。 - 查看报告：通过
--format参数指定终端、JSON、Markdown 或 SARIF 输出格式，--output指定报告保存路径。
阅读目录
微信关注回复“开源”，加入AI开源项目交流群
SkillSpector的核心优势
- Agent 场景专精：专注 AI Agent 技能安全扫描，针对 Claude Code、Codex CLI、Gemini CLI 等平台深度优化检测规则。
- 两阶段精度平衡：静态扫描实现快速响应，LLM 语义分析将精确率提升至约 87%，兼顾效率与准确性。
- 全链路风险覆盖：内置 64 个漏洞模式跨越 16 个安全类别，从提示注入到供应链投毒实现端到端检测。
- 实时漏洞查询：对接 OSV.dev 数据库实时查询已知 CVE，无需 API 密钥，自动离线回退保障隔离环境可用。
- CI/CD 原生集成：支持 SARIF 标准格式输出，可直接接入 GitHub Code Scanning 及企业持续集成流水线。
- 多格式输入兼容：支持 Git 仓库、URL、压缩包、目录、单个文件等任意形态的技能包扫描，降低使用门槛。
SkillSpector的项目地址
- GitHub仓库：https://github.com/NVIDIA/skillspector
SkillSpector的同类竞品对比
| 对比维度 | SkillSpector | Cisco Skill Scanner |
|---|---|---|
| 开发商 | NVIDIA | Cisco |
| 开源协议 | Apache 2.0（完全开源） | 未开源（商业产品） |
| 检测引擎 | 两阶段管道：快速静态分析 + 可选 LLM 语义评估 | 四引擎分层：静态分析 + 行为数据流分析 + LLM 语义分析 + 云威胁扫描 |
| 覆盖平台 | Claude Code、Codex CLI、Gemini CLI | OpenAI Codex、Cursor |
| 漏洞模式 | 64 个漏洞模式，跨越 16 个安全类别 | 未公开具体数量，强调多引擎分层覆盖 |
| 风险评分 | 0-100 量化评分，四级严重度（LOW/MEDIUM/HIGH/CRITICAL） | 严重等级标签，结合云威胁情报上下文 |
| 实时漏洞库 | 对接 OSV.dev 实时查询已知 CVE，无需 API 密钥，支持自动离线回退 | 集成 Cisco 云威胁情报，依赖云端查询 |
| 输出格式 | Terminal、JSON、Markdown、SARIF | SARIF、JSON |
| CI/CD 集成 | 原生支持 SARIF，可接入 GitHub Code Scanning 及通用流水线 | 官方提供 GitHub Actions 集成，深度适配 DevSecOps 工作流 |
| 分析深度 | 静态 AST 分析 + LLM 语义解释（精确率约 87%） | 行为数据流追踪 + 执行路径模拟 + 云端关联分析 |
| 部署方式 | 本地 CLI 工具，支持离线静态扫描 | 云端混合架构，部分能力依赖云扫描引擎 |
SkillSpector的应用场景
- 开发者预安装审查：在本地安装第三方 AI 技能前执行快速扫描，根据风险评分决定安装或拒绝。
- 企业 CI/CD 安全门禁：将扫描集成至持续集成流水线，自动拦截高风险技能提交，实现左移安全管控。
- 技能市场平台审核：AI 技能商店或 MCP 市场在技能上架前执行自动化安全审查，向用户展示信任评分。
- 独立开发者自我审计：技能作者在发布前主动扫描自有项目，定位并修复潜在漏洞，提升作品可信度。
- 安全研究批量分析：研究人员对大规模技能数据集执行批量扫描，统计漏洞分布、恶意模式趋势及生态安全基线。
