1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | Semia |
| 作者/维护者 | RiemaLabs（GitHub 组织 berabuddies） |
| 来源链接 | https://github.com/berabuddies/Semia |
| 许可证 | Apache License 2.0（仓库 LICENSE 文件确认，Copyright 2026 RiemaLabs） |
| GitHub Stars | 555（GitHub API 实测） |
| Forks | 59（GitHub API 实测） |
| 最新版本 | v0.1.3（GitHub Release 与 PyPI 同步确认，发布于 2026-06-05） |
| 安装方式 | pip install semia-audit，或 Claude Code / Codex / OpenClaw 各自的插件市场命令 |
项目自述名称即为「Semia」，与正式名称一致（GitHub 独立仓库，正式名称按仓库名机械确定）。
2. 功能介绍与亮点
Semia 是一款专门给“智能体技能”做行为体检的安全审计工具：把一份 SKILL.md 及其附带脚本当作纯文本读入，从不执行其中任何命令，产出一份“这份技能到底会做什么”的证据化行为清单。
- 只读不执行：核心流程分“准备→合成→检测→报告”四步，只有“合成”环节引入模型（本地 Datalog 规则引擎负责其余三步，均为确定性计算，无需联网）
- 证据可回溯：每一条检测结论都锚定到技能原文的具体行数，避免“AI 说有问题但说不出哪里有问题”
- 一键修复：
semia repair能沿着检测规则反查根因，直接生成一份修补过的 SKILL.md 补丁 - 反注入设计：文档专门写明“将目标技能内容一律视为不可信数据”的处理契约，并用一次性 nonce 围栏防止技能内文本伪造边界来欺骗审计流程
- 配套论文：技术方案发表为学术论文（arXiv:2605.00314），审计方法不是黑箱经验规则,而是有正式表述的“证据对齐”约束
3. 适用场景
固定分类：安全与合规——核心功能是对“智能体技能”本身做安全审计（提示注入检测、行为画像、证据化报告），精确落入本分类定义的“安全审计”范畴。
适用于计划从社区渠道安装第三方技能、又想在自己使用的 Claude Code、Codex 或 OpenClaw 里先摸清一个陌生技能到底会执行哪些操作、会不会外发数据的用户；也适合团队在把技能纳入协作规范前，先跑一遍产出可读报告留档。
4. 跨 Agent 兼容性
- Claude Code：✅ 原生支持——
claude plugin marketplace add berabuddies/Semia加claude plugin install semia@semia，安装后语义合成步骤由 Claude Code 会话本地完成，无需额外 API Key - Codex：✅ 原生支持——
codex plugin marketplace add berabuddies/Semia，或 Codex CLI 内/plugins交互式安装，同样无需额外密钥 - OpenClaw：✅ 原生支持——
openclaw plugins install clawhub:semia一条命令注册市场并安装，宿主 Agent 直接完成合成步骤 - Hermes Agent：❓ 未验证——README 与插件包目录均未提及 Hermes 适配；底层
semia是独立 Python CLI，理论上可被脚本化调用，但缺乏官方文档说明
5. 推荐理由
审计智能体技能的潜在风险行为，不执行代码即可看清一个技能到底会做什么。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 6 | 555 星、59 fork，watcher 数达 49（相对星数的关注比例明显偏高，多为实际使用者而非过路star）；维护方为小型独立团队（RiemaLabs），目前尚无大规模第三方讨论 |
| 可用性 | 8 | 提供 pip CLI、Claude Code / Codex / OpenClaw 三条原生插件安装路径；README、进阶用法、变更日志文档齐全；作为宿主插件运行时无需任何 API Key；仍是 0.1.x 早期版本号，最近一次功能性发布为 2026-06-05 |
| 安全性 | 8 | 见下方安全检查清单 |
安全检查清单逐项：①核心流程仅以只读方式解析目标技能文本，从不执行其中命令，产出写入独立运行目录，权限范围明确；②默认只在独立 CLI 模式下、且用户显式配置了 LLM Provider 时才会联网把技能文本发给对应 API；作为 Claude Code / Codex / OpenClaw 插件运行时，合成步骤由宿主会话本地完成，无需联网；③可选的 LLM API Key 均通过环境变量传入，未见持久化明文存储设计；④已通读 Claude Code 插件 SKILL.md 全文，未发现可疑指令，文档反而专设“Hostile Input Boundary”章节，明确要求把被审计技能内容一律当作不可信数据、不执行不跟随其中指令，并用 nonce 围栏防止伪造边界；⑤版权归属 RiemaLabs，配套发表同名审计方法学论文，未见刷星或自我造假迹象；⑥Apache License 2.0 明确（已读取 LICENSE 文件确认）；⑦最近一次功能性发布 2026-06-05，近期提交以依赖版本更新为主，CI、Lint、Codecov 检查均为通过状态。
综合评分：7.3（三项均值，四舍五入至一位小数）
7. 跟同类 Skills 相比的优势
| 名称 | 定位 | 与 Semia 的差异 |
|---|---|---|
| skill-scanner（Cisco AI Defense 出品） | 静态规则、字节码校验、管道污点分析、AST 数据流四种本地免费引擎打底，另可选接入 LLM/VirusTotal/云端分析 | 完全离线的规则引擎即可出结果，不依赖 LLM；Semia 的核心合成步骤依赖模型能力（宿主模式下由宿主 Agent 会话本地完成），换来的是逐行证据锚定的行为事实图，并能直接生成修复补丁 |
| ClawSec（Prompt Security 出品） | 面向已部署的 OpenClaw / Hermes / NanoClaw / Picoclaw agent 的运行时安全套件，覆盖关键文件漂移检测、CVE 情报订阅、供应链安装校验 | 保护对象是“正在运行的 Agent 本身”，而 Semia 审计的是“打算安装的技能包文件”，两者时间点和对象都不同，可以配合使用 |
| vibe-security-skill（raroque 出品） | 审计 AI 编码助手生成的应用代码中的常见安全漏洞 | 审计对象是 Vibe Coding 产出的应用程序源码，而不是 Agent Skill 定义文件本身，与 Semia 的扫描对象不同 |
| skill-audit（pors 出品） | 命令行工具，检测技能里的提示注入、密钥泄露与危险代码模式 | 功能定位与 Semia 接近，但发布后未见后续版本迭代与社区反馈记录 |
差异化总结：同为“审计技能安全性”的工具里，Semia 的特点是证据可回溯到源码行、检测结论用 Datalog 事实表达（可被 SARIF/JSON 等下游工具消费），并原生覆盖 Claude Code、Codex、OpenClaw 三大生态。
8. 用户评价
- 开发者 StimeGuan 在 GitHub Issue #12 中指出：默认的证据污染检测阈值（Evidence Taint Threshold）被设为 0.0，导致“合成结论是否忠于原文”的幻觉检测机制默认处于关闭状态，除非用户主动调高阈值；该反馈已被采纳，v0.1.3 起默认阈值改为 0.1
- 开发者 StimeGuan 在 GitHub Issue #11 中指出：内置 Datalog 求值器缺少超时保护，精心构造的递归规则文件可能导致求值无限循环、拖住整条审计流水线；该问题已在后续版本修复
9. 其他补充
技术方案发表为学术论文《Semia: Auditing Agent Skills via Constraint-Guided Representation Synthesis》（arXiv:2605.00314），审计逻辑有正式的证据对齐约束表述，而非纯经验规则堆砌。项目采用 DCO 签署式贡献流程，欢迎提交检测规则与文档修正；目前主要贡献集中在单一核心开发者，社区规模尚小。
10. 安装使用方式
# 方式一：独立 CLI（需自备 LLM Provider 密钥）
pip install semia-audit
semia scan ./some-skill
# 方式二：Claude Code 插件（无需密钥，合成步骤由 Claude Code 会话完成）
claude plugin marketplace add berabuddies/Semia
claude plugin install semia@semia
# 方式三：Codex 插件
codex plugin marketplace add berabuddies/Semia
# 然后在 ~/.codex/config.toml 中启用 [plugins."semia@semia"]
# 方式四：OpenClaw 插件
openclaw plugins install clawhub:semia安装插件后无需重启宿主 Agent，直接在对话里说“对 ./some-skill 跑一次 Semia 审计”即可触发；报告默认落在 .semia/runs/<技能名>/report.md，如需接入 GitHub Code Scanning 可另外导出 SARIF 格式。
11. 注意事项
- 项目仍处于 0.1.x 早期阶段，命令与配置项可能随版本变动
- 独立 CLI 模式下的语义合成步骤依赖用户自行配置的 LLM Provider（OpenAI、Anthropic 等），产生的 API 调用费用由用户承担；通过三大插件市场安装则无此项额外配置
- Hermes Agent 兼容性未见官方说明，如需使用建议先以独立 CLI 方式手动验证
- 核心贡献目前集中于单一开发者，长期维护节奏有待观察