Detecting prompt injection and poisoning in agent skill systems. / 检测智能体技能系统中的提示注入与投毒。
This repository develops the LGD-Eval skill security audit toolchain: scanning skill manifests and prompts for injection, poisoning, and supply-chain risks in AI-accessible skill ecosystems.
本仓库开发 LGD-Eval 技能安全审计工具链：扫描技能 manifest 与提示词，检测 AI 技能生态中的注入、投毒与供应链风险。
Agent skills are executable by AI with growing autonomy. A poisoned skill is a supply-chain attack on every agent that loads it. Independent, automated audit is the gate.
智能体技能正被日益自主的 AI 执行。一个被投毒的技能，就是对所有加载它的智能体的供应链攻击。独立、自动化的审计是门禁。
| English | 中文 | Status |
|---|---|---|
| Manifest Scanner — detect suspicious fields, hidden instructions, encoded payloads | Manifest 扫描——检测可疑字段、隐藏指令、编码载荷 | Implemented / 已交付 — scanner.py（self-test：40 rules / 100 patterns） |
| Prompt Analyzer — injection patterns, jailbreak, prompt-leak heuristics | 提示词分析——注入模式、越狱、提示泄露启发式 | Implemented / 已交付 — scanner.py |
| Supply-Chain Check — dependency & provenance verification | 供应链检查——依赖与来源验证 | Planned / 规划中 |
| Reputation Ledger — community-reported skill risk registry | 声誉账本——社区上报技能风险登记 | Planned / 规划中 |
| CI Integration — gate skills before release | CI 集成——发布前门禁 | Implemented / 已交付 — scanner-gate.yml + skill-lint.yml（push/PR 触发） |
- Maps to Test Expert Manual L4 (Security & Anti-Poisoning) and L10 (Notarization). / 对应测试专家手册 L4（安全与防投毒）与 L10（存证）。
- MVP 已交付：
scanner.py可运行（P0-P3 风险分级，P0 阻断退出码；含自引用检测防御）。本地实测通过。 - PyPI 发布骨架已就绪：
pyproject.toml+ GitHub Actions Trusted Publishing workflow（打 tagv*自动发布）。
pip install lgd-skill-audit
skill-audit --target ./skills --json或直接从仓库运行：
python scanner.py --target ./skills --json对标 Glama TDQS（https://glama.ai/mcp/methodology）的 SKILL.md 质量评分器，评测号自营（规划 v3.0 P0-3，批次 B 免批准）：
| 维度 | 权重 | 检查对象 |
|---|---|---|
| Purpose Clarity | 25% | description 是否含动作动词+对象（"做什么"明确） |
| Usage Guidelines | 20% | 「何时用 / 何时不用 / 用法」是否结构化 |
| Behavioral Transparency | 20% | 副作用 / 边界 / 输入输出 / 不可逆动作是否披露 |
| Parameter/Field Semantics | 15% | agentskills.io 六规范字段（name/description/version/license/allowed-tools/platforms） |
| Conciseness & Structure | 10% | description ≤300 字符（上下文预算=会话 2%） |
| Contextual Completeness | 10% | platforms/tags/触发词/dependencies 声明 |
集合级得分 = 60% × 均值 + 40% × 最小值（对齐 Glama server-level TDQS——单个差技能会拉低整仓）。
python skill_lint.py --target ./skills --json # 逐技能六维分 + 集合分
python skill_lint.py --target ./skills --badges out --commit-sha <sha> # 徽章绑定 commit SHA
python skill_lint.py --self-test # 内置断言-
徽章绑定 commit SHA：
--badges生成带 sha 的 SVG +commit-sha.txt；每次新 commit CI 重扫重发，旧徽章自动失效（G-06 "新 commit 自动重扫失效"）。 -
CI 门槛：
.github/workflows/skill-lint.yml每次 push/PR 重跑 self-test + fixtures 质量门槛（70 分，"构建不过即不可见"）。 -
注册表重扫接口：113→187 条技能注册表（理论号 lgd-skills-index）接
skill-lintCI 重扫，因三号隔离纪律（评测号不写理论号仓）留待 Steven 批准后由理论号侧接入（批次 D / 集中检查点 2026-10-22）。 -
Roadmap / 路线图阶段 — specification complete; implementation in progress. Contributions and security reviews welcome. / 规范已完成，实现推进中。欢迎贡献与安全评审。
Audit before you trust. / 先审计，再信任。