SkillSieve：一种用于检测恶意 AI Agent 技能的分层分流框架

针对开源市场中大量 Agent 技能存在安全漏洞且现有工具难以兼顾代码与自然语言指令的问题，本文提出 SkillSieve 三层检测框架。第一层利用轻量级特征过滤大部分良性技能；第二层通过 LLM 并行分析意图、权限及隐蔽行为；第三层采用多模型陪审团机制进行投票与辩论以判定高风险技能。实验表明，该方法在真实数据集上显著优于基线，兼具高准确率与低成本。