1arley/skill-preflight

技能预检

在发布前审计提供的技能文件夹。审计脚本将该文件夹视为不受信任的数据：它从不执行其文件、调用模型或发起网络请求。这一点很重要，因为技能可能包含以智能体权限行事的指令或代码。

1. 获取审计器并运行它。它是一个自包含文件，无运行时依赖，发布在 https://github.com/1arley/skill-preflight：

   curl -fsSL https://raw.githubusercontent.com/1arley/skill-preflight/main/scripts/preflight.mjs -o /tmp/skill-preflight.mjs
   node /tmp/skill-preflight.mjs <skill-folder> --format json
   

   npx --yes github:1arley/skill-preflight <skill-folder> --format json 执行相同操作并缓存 CLI。下载一次后即可重复使用。下载后的所有操作都在离线状态下运行：审计器从不调用模型，从不执行被审计的技能，也从不向任何地方发送任何数据。

   当受审查的文件夹是该技能本身时，从技能文件夹传递 --ignore-file preflightignore.json。它会抑制由此文件和 README.md 中的下载 URL 引起的两个误报。

2. 读取 JSON 报告，并用通俗语言解释每个错误、警告和信息性可移植性说明。

3. 应用 references/rubric.md 中的定性标准评估激活清晰度、示例和可能的激活不足。将该判断与确定性发现分开标注。

4. 呈现一份综合报告。保留每个确定性规则 ID 和 file:line 位置，然后附加标准评估及其证据。

5. 建议针对性修正。除非用户明确要求，否则不要编辑被审计的技能。

agensi 配置文件是启发式的，灵感来自 Agensi 的公开安全类别。它不复制其私有扫描器，也不预测市场决策。在解释安全发现前请阅读 references/security.md，在转换报告格式时请阅读 references/report-format.md。

示例

输入：

node /tmp/skill-preflight.mjs ./my-skill --profile default --format json

确定性输出摘录：

{
  "schemaVersion": "1.0.0",
  "summary": { "errors": 0, "warnings": 1, "infos": 0 },
  "findings": [{
    "id": "SEC-001", "severity": "warning", "category": "security",
    "message": "出站网络访问被静态引用。",
    "location": { "file": "scripts/run.mjs", "line": 12 },
    "suggestion": "移除它，或记录一个狭窄的、用户批准的目的"
  }]
}

宿主智能体添加一个单独的定性部分，例如：“激活：清晰；描述命名了任务并包含了用户措辞。证据：描述包含了清晰的审计和发布触发器。”脚本从不提供该判断。