非受信任 Agent 技能的结构化安全审计与鲁棒性增强

本文针对非受信任的 Agent 技能，提出将预加载审计从单提示过滤转化为跨文件安全审查。作者构建了鲁棒的三方分类任务，并引入 SkillGuard-Robust 框架，结合角色感知证据提取、选择性语义验证及一致性裁决机制。在包含数百个技能包的基准测试中，该方法在恶意风险召回率和攻击一致性方面表现卓越，显著提升了冻结环境及公共生态系统的鲁棒性，证明了模块化包审计的有效性。