技能扫描器

当 Agent 接入第三方技能时，信任边界会被直接拉宽：一段未经审计的脚本可能在后台拉起挖矿进程，也可能悄悄把环境变量和文件内容发回远端。Skill Scanner 就是为了在运行前把这层风险摊开——它把技能目录当作代码审计对象，而不是等运行时再去猜行为。

它解决的具体问题

• 静态威胁识别：定位恶意软件、间谍软件、加密挖矿程序的特征码与可疑模式。
• 数据外泄检测：识别把敏感信息写入网络请求或外部端点的模式，而不是只看表面功能。
• 系统修改审计：发现试图篡改系统配置、持久化驻留或权限提升的代码路径。
• 任意代码执行风险：标记动态执行外部输入、未校验命令拼接等高危入口。

核心能力与工作方式

Skill Scanner 主要基于 Python 标准库实现扫描逻辑，无需额外安装即可运行核心检查。关键步骤如下：

• 目录扫描：从入口脚本开始遍历技能文件夹，收集源码与资源文件，生成待分析清单。
• 模式匹配：使用正则表达式匹配 socket、eval()、混淆字符串、挖矿池地址等特征，快速筛掉低风险文件。
• 行为启发式：对网络通信、子进程调用、环境变量读取、文件系统写入等行为打分，超过阈值即标记。
• 报告输出：扫描结果可导出为 Markdown 或 JSON，方便 CI 流水线直接消费，也可接入内部审查流程。
• 可视化界面：可选的 Streamlit Web UI 适合手动排查或给非工程角色展示风险分布，但核心审计仍依赖命令行输出。

适用边界与注意点

• 静态扫描的天花板：无法完全模拟运行时行为，高度混淆或延迟触发的逻辑可能逃逸检测。
• 误报与噪音：复杂项目可能命中某些通用模式，需要人工复核，不建议直接把扫描结果当作唯一放行标准。
• 覆盖范围有限：主要面向 Python 生态的技能目录，混合使用其他运行时的项目需要额外工具补充。
• Web UI 依赖：streamlit_ui.py 需要单独安装 Streamlit，核心 CLI 则保持零额外依赖。

整体来看，Skill Scanner 更适合放在技能上架前的安全闸门里，帮助团队快速筛掉明显恶意项，并为后续人工审计提供结构化证据。