艺术卫士
一个Claude Code提示符，自主构建一个完整的AI工件扫描仪CLI。
将提示粘贴到Claude代码中，它将生成 artguard --一个可用的Python命令行界面 扫描代理技能、MCP服务器配置和IDE规则文件以查找安全威胁， 隐私侵犯和指令级攻击。
问题
企业正在安装AI代理技能、MCP服务器和IDE规则文件 (.cursorrules, .clinerules, .windsurfrules)零安全审查。 现有的扫描仪无法覆盖它们。
传统的扫描器是为代码包构建的。人工智能工件是混合的-- 部分代码、部分自然语言指令——以及攻击面寿命 在说明书中。
YARA规则不会捕捉到告诉您的编码代理批准易受攻击的技能 PR。静态分析不会出现声称“没有存储数据”的工件，而 写入磁盘。
artguard扫描什么
| 工件类型 | 示例 |
|---|---|
| 代理技能档案 | skills.md, skill.json，工具定义 |
| MCP服务器配置 | mcp.json，服务器清单 |
| IDE规则文件 | .cursorrules, .clinerules, .windsurfrules |
| 插件清单 | manifest.json，API架构 |
三个检测层
第1层——隐私态势分析 （微分器） 检测工件声称与数据之间的差距 事实上。未公开的存储、秘密遥测、第三方共享， 保留策略不匹配。
第二层——语义指令分析 （微分器） 基于LLM的行为操纵检测、即时注入、上下文 在教学内容本身中存在中毒和目标劫持。
第3层——静态模式匹配 （桌上赌注） 传统的恶意软件模式——凭证收集、泄露端点、， 模糊代码——由最好的免费扫描程序支持。
输出
每次扫描都会产生一个 信任配置文件JSON --结构化的人工智能物料清单 旨在为策略引擎、审计跟踪和访问控制提供数据。非一 安全/不安全二进制文件。
Composite Trust Score: 14 ██░░░░░░░░░░░░░░░░░░ MALICIOUS 🔴
┌─ PRIVACY POSTURE ─────────────────────────── Score: 32/100 ┐
│ [CRITICAL] PV3 Retention claim mismatch │
│ Claims "no data stored" but writes to ~/.cache │
└─────────────────────────────────────────────────────────────┘
┌─ BEHAVIORAL INTENT ────────────────────────────────────────┐
│ [HIGH] S4 System prompt override detected │
│ "Ignore all previous instructions and..." │
└─────────────────────────────────────────────────────────────┘用法
要求： Claude Code，Python 3.11+，一个Anthropic API密钥（用于第2层）。
# 1. Create a new directory
mkdir artguard && cd artguard
# 2. Open Claude Code
claude
# 3. Paste the contents of prompt.md
# Claude Code will scaffold the full project autonomously
# 4. Scan an artifact
artguard scan path/to/skill.md
artguard scan path/to/mcp.json --deep # enables Layer 2 LLM analysis
artguard batch ./skills-directory/建筑
第3层集成了YARA规则、启发式引擎、哈希查找和 IP声誉来自最好的开源和免费层 来源——这样你就可以在不锁定供应商的情况下获得广泛的报道。
项目结构（Claude Code生成的内容）
artguard/
├── artguard/
│ ├── cli.py # Click CLI entry point
│ ├── schema.py # Finding, TrustProfile dataclasses
│ ├── db.py # SQLite feedback corpus
│ ├── parsers/ # One parser per artifact type
│ ├── analyzers/
│ │ ├── layer1_privacy.py # Privacy posture analysis
│ │ ├── layer2_semantic.py # LLM semantic instruction analysis
│ │ └── layer3_static.py # Static pattern matching (extractable)
│ ├── trust_profile/ # Trust Profile builder + scorer
│ └── output/ # Terminal + export formatting
├── tests/
│ └── fixtures/ # Benign + malicious sample artifacts
├── scan_profiles/ # YAML policy configs
└── prompt.md # ← This file is the source of truth贡献
提示是真理的源泉。检测模式的改进， 新的工件解析器或更好的YARA规则都是受欢迎的——无论是 对生成的代码库进行提示编辑或作为PR。
如果你用真实的技能注册表（ClawHub，skills.sh， npm MCP包），发现和假阳性率尤其有价值。
许可证
麻省理工学院