berabuddies/Semia

解決的問題

Semia 解決了使用第三方 AI 代理技能所帶來的安全風險，這些技能通常是包含 shell 命令、網路呼叫和工具呼叫的 Markdown 檔案。由於這些技能會以使用者的憑證與資料在本機上執行，Semia 提供了一種審計方式，讓使用者能在信任並執行前，準確理解一個技能究竟可以做什麼。

工作原理

Semia 將技能檔案視為資料而非執行程式碼。它遵循四階段流程：

1. 準備：規範化技能文字。
2. 合成：使用 LLM 從技能中提取潛在行為與事實。
3. 檢測：將這些事實與決定性 Datalog 规則比對，識別安全違規。
4. 報告：產生基於證據的報告，每個發現都與原始碼的特定行相關聯。

此外，Semia 還能透過追溯違規的根本原因，並使用 LLM 產生技能檔案的修補程式，自動建議修復已識別的弱點。

適用對象

專為使用 Codex、Claude Code 或 OpenClaw 等工具將 AI 代理技能整合至工作流程中的使用者與開發者設計，他們需要在部署前對這些技能進行可驗證的安全審計。

核心亮點

• 基於證據的報告：每個安全發現都基於特定的原始碼行。
• 決定性邊界：使用 Datalog 规則確保僅報告經過驗證、有證據支持的事實。
• 自動修復：可產生修補程式以修復問題內容或新增安全限制。
• 多格式輸出：支援 Markdown、SARIF（用於 GitHub Code Scanning）與 JSON。
• 插件支援：可直接作為 Codex、Claude Code 和 OpenClaw 的插件整合。