1. 项目定位与用途
SkillSpector是NVIDIA开源的AI agent技能安全扫描工具，是NVIDIA Verified Skills管线的前置扫描组件，负责在技能发布到NVIDIA技能目录前完成安全校验，也可供普通用户在安装第三方AI agent技能前自主扫描评估。核心定位是解决AI代理技能安装前的安全盲区问题，为技能使用者、发布者、安全研究人员提供可落地的安全检测能力，降低技能供应链的恶意代码、漏洞传播风险。
项目档案命令行工具
SkillSpector：NVIDIA开源AI agent技能安全扫描工具，安装前检测漏洞与恶意模式
SkillSpector是NVIDIA开源的AI agent技能安全扫描工具，可在安装技能前检测71类安全漏洞与恶意模式，支持Claude Code、Codex CLI等主流AI代理技能，本文介绍其定位、安装方式、使用方式及核心特性。
AI 总结
SkillSpector是NVIDIA开源的AI agent技能安全扫描器，可在安装技能前检测71类安全漏洞与恶意模式，覆盖Claude Code、Codex CLI等主流AI代理技能，降低技能安装的供应链安全风险。
中文项目介绍
SkillSpector是NVIDIA开源的AI agent技能安全扫描工具，属于NVIDIA Verified Skills验证技能管线的前置扫描组件，核心解决AI agent技能安装前缺乏安全校验的痛点。此前行业调研显示26.1%的公开技能存在安全漏洞、5.2%存在明确恶意意图，而AI agent技能执行时拥有隐式信任与较高系统权限，一旦安装恶意或存在漏洞的技能将带来严重安全风险。
工具基于LangGraph构建分析工作流，采用静态规则匹配+可选LLM语义分析的双检测引擎，内置71类共17个类别的安全检测规则，同时支持对接OSV.dev实时查询技能依赖组件的CVE漏洞数据，输入支持Git仓库、URL、zip压缩包、本地目录、单文件共5类格式，输出终端、JSON、Markdown、SARIF四种报告，附带0-100分的风险评分与处置建议。
适用场景包括：普通用户安装第三方AI agent技能前的本地安全评估；企业或团队批量扫描内部/公开技能包，防范供应链攻击；技能发布者发布到NVIDIA技能目录前的合规安全检测；安全研究人员分析AI agent技能安全风险模式、开发检测规则。
详细信息与使用说明
2. 解决的问题
当前AI agent技能（如Claude Code、Codex CLI使用的技能包）执行时拥有隐式信任与较高系统权限，此前行业调研显示26.1%的公开技能存在安全漏洞，5.2%存在明确恶意意图，但此前缺乏安装前的自动化安全校验手段。SkillSpector针对这一空白，可系统化检测技能中的提示注入、数据外泄、权限提升、供应链风险等多类安全问题，避免用户安装恶意或存在漏洞的技能。
3. 适用场景
该工具适用于四类核心场景：一是普通AI agent用户安装第三方技能前，本地扫描评估技能安全性，避免引入恶意代码；二是企业或团队安全负责人批量扫描内部开发、公开获取的技能包，防范供应链攻击，满足内部安全合规要求；三是技能发布者在将技能提交到NVIDIA技能目录前，完成前置安全检测，确保技能符合发布规范；四是安全研究人员分析AI agent技能的安全风险模式、开发新的检测规则。
4. 安装方式
仓库提供了三种安装路径：一是通过uv工具单命令安装CLI版本，执行`uv tool install git+https://github.com/NVIDIA/skillspector.git`即可，若需MCP能力可添加[mcp]后缀安装；二是从源码安装，需先克隆仓库、创建并激活Python 3.12+虚拟环境，再执行`make install`完成生产环境安装，开发环境可执行`make install-dev`；三是无Python环境时可通过Docker构建镜像运行，执行`make docker-build`即可构建基于Python 3.12-slim-bookworm的独立镜像。
5. 使用方式
扫描操作通过CLI执行，基础命令为`skillspector scan ./目标技能目录/ --no-llm`，其中`--no-llm`参数可跳过LLM语义分析以提升扫描速度。工具支持Git仓库、URL、zip压缩包、本地目录、单文件共5类输入格式。若需开启LLM语义分析，需在.env文件中配置对应LLM提供商（支持OpenAI、Anthropic、NVIDIA推理等）的API密钥。扫描结果支持终端、JSON、Markdown、SARIF四种输出格式，附带0-100分的风险评分与处置建议，也支持通过基线文件抑制已知误报。
6. 实现特点与补充说明
项目基于LangGraph构建分析工作流，采用静态规则匹配+可选LLM语义分析的双检测引擎，内置71类共17个类别的安全检测规则，覆盖提示注入、数据外泄、权限提升、MCP工具投毒等多类风险。同时内置资源边界控制机制，对扫描过程的文件数量、大小、递归深度、处理时间设置上限，防止恶意技能消耗过多系统资源；还支持基线抑制功能，可过滤已知误报，仅展示新增风险，适配CI/CD增量扫描场景。此外提供MCP服务模块，可将扫描能力封装为MCP接口供AI代理直接调用。
思维导图
SkillSpector
核心检测引擎
静态规则匹配（71类17类别规则）
LLM语义分析（多提供商支持）
CVE实时查询（OSV.dev对接+离线降级）
输入支持
Git仓库
URL
zip压缩包
本地目录
单文件
输出能力
终端报告
JSON报告
Markdown报告
SARIF报告
0-100风险评分
扩展能力
MCP服务模块
Pi扩展集成
LangGraph工作流可视化
安全防护机制
资源边界控制
基线抑制（误报过滤+增量扫描）
常见问题
SkillSpector支持扫描哪些类型的AI agent技能？
支持扫描Claude Code、Codex CLI、Gemini CLI等主流AI代理使用的技能包，输入格式支持Git仓库、URL、zip压缩包、本地目录、单文件共5类。
扫描时是否需要配置LLM API密钥？
非必需，默认仅执行静态规则扫描；若需开启LLM语义分析以提升检测准确率，可在.env文件中配置OpenAI、Anthropic或NVIDIA推理等提供商的API密钥。
如何避免重复扫描已知的安全问题？
可通过`skillspector baseline`命令生成基线文件，扫描时传入`--baseline`参数即可抑制基线中已记录的问题，仅展示新增风险，适配CI/CD增量扫描场景。
SkillSpector的检测规则覆盖哪些安全风险？
内置71类共17个类别的检测规则，覆盖提示注入、数据外泄、权限提升、供应链风险、MCP工具投毒、系统提示泄露等多类AI agent技能常见安全风险。