Prism Scanner 智能体技能安全扫描器
在安装前静态检测 AI Agent 技能、插件与 MCP 服务器中的恶意代码，安装后清理系统残留，覆盖完整生命周期。
SKILL.md 本身权限克制（Read/Grep/Glob/Bash），核心扫描为静态分析、不执行被扫代码；clean --apply 涉及系统文件删除但有 scan→plan→apply→rollback 流程与备份设计；说明文档（SECURITY.md）披露了沙箱与安全设计。扣分：实际删除操作的确认机制在 SKILL.md 中仅是流程描述，publisher 未验证，依赖经 pip 安装，回滚可靠性未经执行验证。
仓库含 CI（多 OS/多 Python 版本）、成体系测试与 fixture、版本号一致（SKILL.md 0.1.0 略滞后于 pyproject 0.2.2）。SKILL.md 与工具描述的命令面一致。扣分：静态评审无法执行复现；SKILL.md 版本落后（0.1.0 vs 0.2.2）；历史存在大量误报（changelog 自述 FP 率问题），异常输入下的失败反馈质量仅由文档声明支撑。
description 触发词明确（含中文触发词），适用场景（安装前检查、供应链审查、残留清理）清晰，多平台（ClawHub/MCP/npm/pip）与离线模式标注。扣分：对误报边界、非适用范围（如二进制/混淆代码漏检）披露有限；扫描远端仓库需访问 GitHub，未讨论中国大陆可达性。
文档分层清晰（SKILL.md→README→CONTRIBUTING/SECURITY），Apache-2.0、changelog 规范、pyproject 元数据完整、维护责任声明存在。扣分：SKILL.md 版本字段与 pyproject 不一致；README 徽章（tests 40 vs 81 vs 97）与 changelog 数字互相矛盾；'Anthropic 源码泄露'引用链接可疑（外链与所述内容未必对应），部分佐证链接为占位（wired.com 主页）。
核心任务（扫描并给出分级建议）流程完整，输出格式（JSON/SARIF/HTML）多样，相对替代方案（黑盒信任分）有差异化价值。扣分：静态评审无法验证代表性输出正确性；changelog 自述历史上对真实 ClawHub 技能误报严重（211→18 仍偏多），A/B 分级'可安全使用'的结论可靠性存疑，产出仍需人工复核。
含真实 CI 工作流、已提交的测试套件覆盖主要引擎路径、可复核的 fixture，属于可审计的一手材料，达到静态评审上限 5。扣分：无法独立复现执行结果；宣称的外部研究/事件佐证链接不完整，验证覆盖率有限。
- SKILL.md 版本号（0.1.0/39 条规则）落后于 pyproject（0.2.2/41 条规则），文档不同步，使用前请确认实际安装版本。
- changelog 自述曾对真实 ClawHub 技能产生大量误报（211→18），A/B 级'可安全安装'结论不应作为唯一依据，务必人工复核。
- prism clean --apply 会删除系统文件，执行前务必运行 --plan 审查清单并确认备份可用。
- README 中测试数量徽章（40/81/97）互相矛盾，且引用的研究/泄露事件外链不完整，宣传性声明需独立核实。
- 远端扫描依赖 GitHub 访问，中国大陆网络环境下可能不可达；建议使用 --offline 模式扫描本地目标。
- 发布者未经 FollowSkills 验证，身份未知，不构成扣分依据但请注意供应链来源。
这个 Skill 能做什么，适合哪些场景？
Prism Scanner 是一个开源（Apache 2.0）的命令行安全扫描工具，面向 AI Agent 生态中的技能、插件和 MCP 服务器。它采用纯静态分析，不执行被扫描的代码，通过 39 条以上检测规则覆盖三个层面：代码行为、元数据与系统残留。扫描结果以 A 到 F 的等级评定，D 或 F 级强烈建议不要安装。它还可在卸载技能后扫描并安全清理 LaunchAgents、crontab 等持久化残留，并支持以 MCP 服务器或 GitHub Action 形式集成。
对本地目录、GitHub 仓库或包（ClawHub、npm、pip、MCP）运行 prism scan，执行基于 AST 的行为分析（S1-S14：Shell 执行、数据外泄、持久化、污点跟踪）、正则/清单元数据分析（M1-M6、P1-P9：硬编码凭证、抢注域名、混淆代码、提示注入）以及系统残留扫描（R1-R10：LaunchAgents、crontab、shell 配置篡改）。输出分级结果（A-F），支持 JSON、HTML、SARIF 格式，--fail-on 可在 CI 中按严重度失败退出。prism clean --scan/--plan/--apply 三步清理卸载残留并自动备份。也可作为 MCP 服务器暴露 prism_scan、prism_grade、prism_clean_scan、prism_clean_plan 四个工具。
- 开发者在从 ClawHub、GitHub、npm 或 PyPI 安装新技能前，想确认其不含恶意代码再决定是否安装
- 安全工程师在 CI/CD 流水线中用 SARIF 输出和 --fail-on high 门禁拦截高危依赖
- 用户卸载了某个技能后，想检查系统中是否遗留 LaunchAgent、crontab 或 shell 配置污染
- 团队审阅第三方 MCP 服务器或插件时，需要代码级、逐规则的透明审查而非黑盒评分
- 检测技能描述或提示词中嵌入的心理操纵模式（P10），如煤气灯效应、权威冒充、制造紧迫感
这个 Skill 有哪些优点和局限？
- 纯静态分析，从不执行被扫描代码，离线模式可用
- 覆盖安装前（代码分析）、卸载后（残留清理）的完整生命周期，跨 ClawHub/MCP/npm/pip 多平台
- 41 条规则含污点分析，并声称可检测提示词心理操纵（P10）和发布卫生问题（M7）
- 输出格式丰富：终端、JSON、HTML、SARIF，可直接接入 GitHub Code Scanning
- Apache 2.0 开源，规则以 YAML 定义可自行扩展
- README 中版本号存在不一致（徽章显示 0.2.2，SKILL.md 为 0.1.0，示例输出为 0.1.0）；描述中的 39 条规则与 v0.2.x 的 41 条不一致
- 静态分析存在固有局限，无法检测运行时才触发的行为；污点分析仅限单文件内
- 自定义规则的实际 schema 仅在目录结构层面提及，文档未给出字段级说明
- 诚实等级与测试声明的独立性未知：README 称 40 项测试通过但未附 CI 徽章链接可验证
如何安装这个 Skill？
pip install prism-scanner（需要 Python 3.10+）。macOS 也可用 Homebrew：brew tap prismlab/tools && brew install prism-scanner；或免安装运行 npx prism-scanner。MCP 模式：pip install "prism-scanner[mcp]"，然后在 Claude Desktop 配置中添加 mcpServers 条目，或在 Claude Code 中运行 claude mcp add prism-scanner prism-mcp。亦有 Docker 镜像 ghcr.io/prismlab/prism-scanner 和官方 GitHub Action aidongise-cell/prism-scanner@main。
如何使用这个 Skill？
安装后运行 prism scan <路径或GitHub URL>；可用 --platform clawhub|mcp|npm|pip 指定平台，--format /html/sarif 指定输出格式，-o 指定报告文件，--fail-on 设置 CI 失败阈值。清理残留：prism clean --scan 查看残留，--plan 生成计划，--apply 执行（自动备份，支持 --rollback）。在 Agent 中使用时，直接要求"扫描一下这个技能"或"这个插件安全吗"即可触发。可用 .prismignore 按规则 ID 抑制已知发现，--offline 跳过外部查询。