AI Agent 的世界，Skills 是 AI 的手脚，是 AI 能力的延伸，有了众多的 Skills，AI 才能真正从思考走向行动，从对话交互变成可落地，可执行的智能体。
现在网上 Skills 繁杂，在安装 Skills 时，需要有套机制，去检测你想安装的 Skills 是否安全。于是，skill-vetter 就出现了。
当然，这里首要解释清两个概念。
1，Skills 安装： 其实就是将对应的 Skills 文件，下载到对应目录，如过你用的是 Cursor，对应的是 ~/.cursor/skills（Cursor 各个项目都会通用，当然，如果想针对某个项目使用，也可以放在对应项目目录下的.cursor/skills）。SKills 对各个 Agent，都是通用的，如果你用的是 openclaw，就丢到 ~/.openclaw/skills 目录下。
2，skill-vetter：
本身也是个 Skill。vetter 本身就是"核查、评估"的意思。因此，skill-vetter，就是对 Skill 进行核查的一个 Skill。
skill-vetter 地址：
先直接看两个效果示例。
示例效果
1，让 Agent 直接安装新的 Skills
成功触发到 skill-vetter，并输出了详细的报告，最后提示我有中等风险，让我确认是否需要进一步安装。选择是，直接安装完成。
PS：当然，此处只是随便找了个 Skill，做效果演示用的。
2，检查已经安装的 Skills
从调用过程上，也发现直接调用到了 skill-vetter，并做了检查报告输出，最终评估此 Skill 安全可用。
发现了没，使用 skill-vetter 做了检查后，以后再引入新的 Skills，是不是心里会有底很多？
下面，具体来拆解下 skill-vetter。
skill-vetter 拆解
这是 Skill 的基本信息部分：名称，版本，描述，何时使用。
这里需要注意的是，何时使用讲的很清楚，你通过 AI，去安装其他 Skills 时会触发 skill-vetter，去做安全评估。
对应的，需要注意的有两点：
1，如果你通过手动安装，肯定是触发不了的，因为已经完全绕过了。
2，对于已经安装了其他的 Skills（不管是什么安装方式），在使用过程中，是不会触发 skill-vetter 的。当然，如果你主动让 skill-vetter 去评估已安装的 Skill，是完全可以的。
接下来是 协议部分，对应描述的是，让 AI 去按照这个步骤，去一步步执行。
第一步：来源检查
检查 Skill 的来源是否可信，作者是否知名，下载量，更新时间，评价。
第二步：代码审查
逐行阅读 Skill 的所有文件，识别高危行为。包括了发送数据到外部服务，读取 /.ssh、/.config 配置文件，访问访问 MEMORY.md，eval()/exec() 执行外部输入等等。
第三步：权限范围
评估 Skill 到底需要访问哪些文件，执行哪些命令，发出哪些网络请求，判断是否"最小权限原则"。
第四步：风险等级
将风险划分成为了四个等级：
低风险：可直接安装
中风险：完整代码审查后安装
高风险： 需要人工确认后安装
极高风险：不安装。例如，涉及到 root 权限、安全配置。
输出格式
定义了审查报告的输出格式。包含：来源基础信息，红线问题，权限清单，风险等级，以及最终结论。
快速审查命令
这是 skill-vetter 提供的快速审查命令工具箱，用于在 Step 1（来源核查）和 Step 2（代码审查）阶段，通过命令行，快速获取 GitHub 上 Skill 的基本信息。
信任层级
这是一套分级审查强度的标准，来源越可信，审查可以越宽松，但永远不能跳过审查。例如 Star 数高说明有大量用户在用，可信度就比较高，就只需要中等审查强度。
提醒
诊断主要提醒我们，任何 Skill，都需要做好检查，安全场景下，过度谨慎是正确的态度。
skill-vetter = 安装 Skill 前的"安全门卫"。Skills 的权限边界 = Agent 的权限边界。外部 Skill 进来，风险也有可能跟着进来。所以每次从外部引入新 Skill 前，必须先做好安全审查。
切切~