AI Skill 安全评审清单

Skill 是能力包也是权限包，评审重点是副作用和数据流。

问题背景

生成式模型擅长处理模糊语言和提出候选方案，却不天然保证状态一致、权限正确或动作可恢复。讨论“AI Skill 安全评审清单”时，重点不应只是跑通演示，而是系统失败后是否知道发生了什么、能否安全继续，以及结果能否重复验证。

设计方案

列出资源、目标、凭据和审批点，验证路径、防注入与失败清理。

在“Skill 威胁模型”进入实现前，先标注输入来源、调用身份和数据等级；输出通过结构与领域校验后才允许进入下一步。涉及外部副作用时，执行记录必须包含稳定业务键和脱敏证据。

实施产物：Skill 威胁模型

清点数据源、凭据、网络目标和写操作；标出信任边界；为每个高风险动作设置策略与审批；发布前做滥用测试。先在测试环境保存一条完整运行证据，再接入真实写操作；每次变更都必须能定位到配置、代码和数据版本。

practice:
  id: skill-security-review
  artifact: "Skill 威胁模型"
  owner: platform-team
  timeout_seconds: 30
  failure_mode: fail_closed
  audit: required

示例只表达边界，不是可直接复制的完整框架配置。落地时应使用当前依赖版本的官方 API，并把超时、身份和审计接到现有基础设施。

实施步骤

选一个可回放的小任务，写清输入、成功条件和禁止发生的副作用。
实现“Skill 威胁模型”，把模型建议与真正执行隔离。
人工走通成功、拒绝和恢复三条路径，保存 run_id 与关键事件。
加入自动化回归，再用小比例非关键流量观察指标。
达到门槛后逐步放量；任一安全约束失败立即停止新任务并回退版本。

失败演练与验收

首要反例是：只审查提示词，不审查脚本和依赖。不要只验证顺利完成；还要注入超时、重复请求、取消、无权限输入和依赖返回畸形数据。

本篇的硬性验收是：用提示注入、路径穿越、SSRF 和越权目标逐项验证。同时记录 高危发现数、修复时长、越权阻断率。验收脚本应按结构化字段判定，不以“回答看起来合理”代替测试。

上线与回滚

“Skill 威胁模型”上线前要固定模型、提示、规则、工具 schema 与数据版本，并用影子或灰度流量比较旧版。若 高危发现数、修复时长、越权阻断率 越过门槛，先停止新 Run，再处理在途任务，恢复旧组合后逐项核对未决副作用。

适用边界

当场景是“无工具、无敏感数据的静态文本”时，这套设计的维护成本通常高于收益。权限、金额、删除和一致性约束始终交给确定性代码，不能交给模型自行判断。

评审从数据流与权限开始

边界	主要威胁	最低控制
用户/文档 → 模型	提示注入、敏感内容	标记不可信、最小上下文
模型 → 工具	越权参数、混淆目标	schema、授权、策略检查
工具 → 网络	SSRF、数据外传	allowlist、代理、审计
工具 → 文件系统	路径穿越、覆盖	根目录约束、原子写入
输出 → 日志	凭据与个人数据泄露	字段级脱敏与保留策略

评审时列出每个工具的读取范围、写入范围、网络目的地、身份来源和最坏副作用。只写“需要文件权限”不够，要精确到工作区路径与操作类型。Skill 引用的脚本和模板同样属于供应链，要固定来源、检查摘要与更新流程。

攻击测试包含正文诱导忽略规则、URL 指向元数据地址、符号链接逃逸、压缩包路径穿越、超大输出、错误目标和审批后参数替换。任何高危发现都绑定修复、负责人、到期日和复测证据；无法隔离的高风险 Skill 默认不启用，不能用警告文字代替技术边界。

第二轮实践复核

围绕“Skill 威胁模型”建立一个不接触生产数据的最小项目，固定运行时、框架、模型、提示、规则和工具 schema 版本。正文代码块若缺少完整依赖、导入或领域类型，应视为架构伪代码；只有放入示例仓库并通过下述命令的代码才标记为可运行。

项目验证：运行项目既有的 schema 校验、契约测试与离线评测命令
回归夹具：把输入、结构化输出、工具轨迹和副作用记录为 JSON，用固定版本执行正常、拒绝、超时、取消与重复请求五组回归样本。
必留证据：run_id、版本组合、终止原因、动作幂等键，以及 高危发现数、修复时长、越权阻断率。
通过条件：未批准写操作为零副作用；相同幂等键重复执行只产生一个业务结果；超时或恢复后状态可解释。
失败处理：先停新任务，再核对在途动作；回滚模型、提示、规则、工具与状态迁移的完整组合，不能只换回模型。

复用顺序

为“AI Skill 安全评审清单”建立确定性假工具，先跑契约与失败用例，不接触真实凭据。
围绕“Skill 威胁模型”接入只读能力，核对权限裁剪、脱敏字段和 Trace 完整性。
需要写能力时先输出 dry-run 差异，再绑定审批结果与一次性动作哈希。
以本文验收指标比较影子流量；达到门槛才放量，越线立即执行文中的组合回滚。

实践与资料复核日期：2026-08-22；框架 API 以锁定版本的官方文档为准。

参考资料

官方文档

框架 API 会持续演进，复制示例前应再次确认当前版本。可持续的 AI 工程不依赖某个模型偶尔表现出色，而依赖清晰契约、可靠 Harness 与可重复验证。