berabuddies/Semia

解决的问题

Semia 解决了使用第三方 AI 代理技能所带来的安全风险，这些技能通常是包含 shell 命令、网络调用和工具调用的 Markdown 文件。由于这些技能会以用户的凭证和数据在本地机器上运行，Semia 提供了一种审计方式，使用户能够在信任并执行之前，准确理解一个技能究竟可以做什么。

工作原理

Semia 将技能文件视为数据而非执行代码。它遵循四个阶段的流程：

1. 准备：规范化技能文本。
2. 合成：使用 LLM 从技能中提取潜在行为和事实。
3. 检测：将这些事实与确定性的 Datalog 规则进行比对，识别安全违规。
4. 报告：生成基于证据的报告，每个发现都与源代码的特定行相关联。

此外，Semia 还能通过追溯违规的根本原因，并使用 LLM 生成技能文件的补丁，自动建议修复已识别的漏洞。

适用人群

专为使用 Codex、Claude Code 或 OpenClaw 等工具将 AI 代理技能集成到工作流中的用户和开发者设计，他们需要在部署前对这些技能进行可验证的安全审计。

核心亮点

• 基于证据的报告：每个安全发现都基于特定的源代码行。
• 确定性边界：使用 Datalog 规则确保仅报告经过验证、有证据支持的事实。
• 自动修复：可生成补丁以修复有问题的内容或添加安全约束。
• 多格式输出：支持 Markdown、SARIF（用于 GitHub Code Scanning）和 JSON。
• 插件支持：可直接作为 Codex、Claude Code 和 OpenClaw 的插件集成。