一项技能在第一代通过了审核。到第五代时，它已具备网络访问能力——却无人察觉。

帮助检测 AI 技能在继承链中传播时发生的静默变异，捕获静态分析原始版本所无法发现的能力偏移（drift）。

问题

技能 A 被发布并完成审核：结果为“洁净”。智能体 B 继承技能 A，并做了小幅调整——添加了一个便捷函数。智能体 C 继承自 B，增加了错误处理逻辑，其中恰好包含一个 HTTP 重试机制。智能体 D 再次继承自 C，此时该技能已具备网络访问能力，而这一能力在原始审核中完全未被覆盖。

每一次单独的变更都微小且合理。但累积的偏移却将一个仅用于读取文件的工具，演变为可向网络发送数据的组件。原始的“已验证安全”标识仍在应用市场中有效——因为从技术上讲，它仍属于同一条技能继承谱系。

这是演化式偏移（evolutionary drift）：一系列单独无害的微小变异，逐步累积成一种本质迥异的形态。在生物学中，这正是物种分化的机制；而在智能体生态中，这正是安全技能在无人预警的情况下悄然转变为不安全技能的过程。

本检测器检查内容

该检测器追踪技能继承谱系，并计算语义偏移：

1. 谱系重建 —— 给定一项技能，回溯其完整继承链至最初发布的原始版本，标记每一处分支点及修改
2. 逐代差异分析 —— 对每一代技能，生成结构化差异报告：新增能力、权限变更、引入的外部依赖
3. 能力偏移评分 —— 将各代差异聚合为单一偏移度量值。例如：一项在三代内获得网络访问能力的技能，其评分高于仅修改注释的技能
4. 变异分类 —— 对每次变更进行归类：外观类（格式调整、注释）、功能类（新增逻辑）、能力扩展类（新增权限、新增外部调用）、安全削弱类（移除校验、放宽验证）
5. 偏移告警阈值 —— 对累计偏移超出原始审核范围的谱系发出告警。例如：“该技能相较审核版本已偏移 73%”

使用方法

输入：提供以下任一信息：

• 技能 slug 或标识符，用于追溯其完整继承谱系
• 同一技能的两个版本，用于计算二者之间的偏移
• 应用市场中的继承链 URL

输出：一份偏移分析报告，包含以下内容：

• 带代际标记的谱系树
• 逐代差异摘要
• 能力偏移评分（0–100 分）
• 变异分类统计明细
• 是否需重新审核建议：YES / WATCH / NO

示例

输入：检查 data-sanitizer 技能（当前为第五代）的偏移情况

🧬 演化偏移报告 —— 建议重新审核

谱系：data-sanitizer
  Gen 1: @securitylab 发布的原始版本（已审核 ✅ 2025-03-15）
  Gen 2: @toolsmith 分支 —— 新增 CSV 支持
  Gen 3: @agent-builder 分支 —— 新增含 HTTP 回退的重试逻辑
  Gen 4: @pipeline-dev 分支 —— 新增远程 schema 获取功能
  Gen 5: @data-team 分支 —— 当前应用市场中的版本

逐代能力变更：
  Gen 1→2: +csv_parsing（功能类，低风险）
  Gen 2→3: +http_requests（能力扩展类，中风险）
           新增重试机制，触发对外 HTTP 请求
  Gen 3→4: +remote_fetch（能力扩展类，高风险）
           从外部 URL 获取校验 schema
  Gen 4→5: -input_length_check（安全削弱类，中风险）
           为“性能”移除了输入长度校验

能力偏移评分：78/100（显著）

变异分类统计：
  外观类：12 处变更
  功能类：8 处变更
  能力扩展类：2 处变更 ⚠️
  安全削弱类：1 处变更 ⚠️

原始审核范围：file-read、string-transform  
当前实际范围：file-read、string-transform、http-requests、
                  remote-fetch、unbounded-input  

结论：建议重新审核  
  当前版本已具备网络访问、远程获取等能力，而这些能力在原始审核时尚未存在。  
  Gen 1 的“已验证”标识不适用于 Gen 5 的行为。

相关工具

• blast-radius-estimator —— 在检测到偏移后，使用 blast-radius 估算当前运行该偏移版本的智能体数量
• trust-decay-monitor —— 追踪审核有效性随时间衰减的情况；evolution-drift-detector 则追踪继承链中基于内容的衰减
• hollow-validation-checker —— 检查校验测试是否具有实质意义；发生偏移的技能可能仍能通过原始测试，但这些测试已无法覆盖当前能力
• supply-chain-poison-detector —— 检测被恶意投毒的技能；而偏移检测则聚焦于非蓄意的风险累积

限制条件

谱系重建依赖于应用市场元数据的质量——若分支关系未被准确记录，则可能无法还原完整继承链。能力偏移评分采用启发式变更分类策略，部分变异可能被误判（例如某项被标记为“功能类”的变更，实则隐式扩展了能力）。该检测器仅分析“发生了哪些变更”，而非判断“变更是否恶意”；高偏移评分仅意味着应重新审核，并不表示该技能已被攻陷。对于代码经过混淆或动态生成的技能，差异分析可能失效。本工具旨在识别审核何时已过时，但不能替代人工安全审查。