自主 AI 智能体正变得越来越强大。开源模型、通过 Model Context Protocol（MCP）连接的工具以及可移植的技能，也让智能体更容易扩展。但要在保证结构透明和运行完整性的前提下规模化使用智能体，仅靠运行时护栏是不够的。组织和团队需要理解并信任智能体所使用的技能（即指令）。
NVIDIA 验证的智能体技能正是为弥补这一空白而设计的，它帮助开发者了解技能的能力、技能来自哪里、是否已针对常见风险进行扫描，以及发布后是否被修改过。当技能被复用并部署到真实工作流中时，技能验证就变得很重要，而不应把技能当作一个个不透明的独立包。
已验证的技能为智能体能力层嵌入了透明性、来源可追溯性、安全验证和真实性检查，帮助开发者更有信心地扩展自主智能体。“已验证”意味着该技能已被编目、扫描、签名，并附有技能卡（skill card）文档。已验证技能基于 agentskills.io 开放技能规范构建，因此在某个 AI 编码智能体中可用的同一份 SKILL.md，被设计为能在 Claude Code、Codex 和 Cursor 之间可靠运行。
本文将介绍什么是 NVIDIA 智能体技能、它们如何通过验证、技能卡如何运作，以及如何在你自己的智能体工作流中更安全、更有信心地部署智能体技能。
什么是 NVIDIA 智能体技能？
NVIDIA 智能体技能是可移植的指令集，教会 AI 智能体正确使用 NVIDIA CUDA-X 库、AI Blueprints 和平台工具。发布在 NVIDIA/skills GitHub 仓库中的 NVIDIA 验证技能具有以下特点：
- 每日从负责该技能的 NVIDIA 产品团队处编目并同步
- 发布前针对软件风险和智能体原生风险进行扫描
- 使用分离式的 skill.oms.sig 签名，下载后可进行验证
- 附有技能卡文档，说明所有权、依赖项、局限性和验证状态
评估是下一层。随着推出，它将增加标准化的质量指标、触发准确率、任务完成率和 token 效率，并在统一的测试框架下进行度量。
▶ https://www.youtube.com/watch?v=sVpKonYJ4D4
视频 1. 进一步了解智能体技能验证、技能进入你的工作流之前应当关注什么，以及如何使用 NVIDIA 验证的技能
智能体技能如何通过验证？
NVIDIA 验证的技能始于由产品团队拥有的源代码仓库。之后，它会经过一套发布流程，其中可能包括人工评审和自动化策略检查，随后是扫描、评估、生成技能卡、签名、编目，并同步到公开目录。
每个已验证的技能都配有一张技能卡，这是一份机器可读的信任记录，说明以下内容：
- 该技能做什么
- 谁构建了该技能
- 该技能的许可证是什么
- 该技能有哪些依赖项
- 该技能已知的技术局限、风险和缓解措施有哪些
随着时间推移，评估也将成为同一条验证流水线的一部分（图 1）。这种做法保留了基于 SKILL.md 的技能的开放性和可移植性，同时嵌入了开发者期望的信任链各层。更多详情请参阅技能文档。
已验证技能如何为技能层带来信任？
NVIDIA 已经通过 NVIDIA NeMo Guardrails 库在智能体系统中嵌入了信任机制，涵盖控制、隐私和基于策略的护栏。NVIDIA OpenShell 和 NVIDIA NemoClaw 等资源则关注智能体如何运行：沙箱化执行、对文件和网络的受控访问，以及围绕敏感操作的策略执行。
已验证技能把这种 AI 治理延伸到了智能体的能力上。运行时控制帮助在执行期间约束智能体行为，而已验证技能治理的是进入工作流的能力，并成为在编码工具、注册中心和企业平台之间扩展可信智能体的通用方式。
扫描如何帮助在技能发布前降低风险？
已验证的技能在进入 NVIDIA Skills 目录之前，NVIDIA 会在发布验证流水线中用 SkillSpector 对其进行检查。这种做法把技能视为可部署的智能体能力，而不是静态提示词。SkillSpector 会检查传统的软件风险，例如存在漏洞的依赖项、可疑脚本、危险的代码模式、凭据访问以及数据外泄路径。
SkillSpector 还会检查智能体特有的风险，例如隐藏指令、提示词注入、触发滥用、过度自主权（excessive agency）、工具投毒，以及技能声明的用途、所请求的访问权限与所捆绑行为之间的不一致。意图层面的检查很重要：一个技能在文件层面可能看起来无害，却在引导智能体做出不安全的行为，请求超出其用途所需的更广泛权限，或者描述的是一项任务，而捆绑的产物实现的却是另一项。
这一过程会产生结构化的评审信号，帮助 NVIDIA 在发布前拦截或整改有风险的技能。
SkillSpector 的扫描覆盖范围以公认的 AI 安全治理为依据，包括 OWASP 针对 LLM 的指南、智能体 AI 风险和 MITRE ATLAS。NVIDIA Skills 扫描文档列出了当前的覆盖范围，并会随着扫描类别和供应链检查的扩展而更新。
加密签名如何为智能体技能增加可验证的来源？
NVIDIA 正在公开试验面向智能体技能的加密签名，作为面向企业级规模部署的更广泛验证路线图的一部分。目标是让开发者更容易信任 NVIDIA 发布的技能，并在不同环境中复制同样的验证和部署流水线。
签名覆盖技能目录中的每一个文件和子目录，为开发者提供了一种具体的方式来验证所下载的技能是真实且未被改动的。这正是已验证技能与仅仅关联到某个已知发布者或列于可信目录中的资产之间的区别。许多注册中心能够识别是谁上传了某项资产，但能让开发者在下载后对资产本身进行加密验证的少之又少。在技能生态中，信任应当来自可验证的完整性和真实性，而不应只来自隐含的来源。
证书获取、受支持的验证工具以及验证命令示例，请参阅签名文档。例如，你可以在本地验证已签名的技能。为此，请按以下步骤操作：
- 下载 NVIDIA Agentic Capabilities 根证书，保存为
nv-agent-root-cert.pem - 安装 OpenSSF Model Signing（OMS）验证器，例如
pip install model-signing - 执行以下命令来验证技能签名：
$ model_signing verify certificate SKILL_DIR \
--signature SKILL_DIR\skill.oms.sig \
--certificate-chain nv-agent-root-cert.pem \
--ignore-unsigned-files
技能卡是如何工作的？
GitHub 上的技能卡模板说明了其模式（schema）、如何组织技能并指定数据流，以及随着规范演进哪些字段是必填的、哪些是可选的。
举例来说，一位正在构建配送调度智能体的开发者，在安装 NVIDIA cuOpt 路由技能之前想弄清三件事：谁编写了这个技能，它除 cuOpt 求解器端点之外还访问了什么，以及底层优化器是否已在真实的路由基准上得到验证。cuOpt 技能卡在一个机器可读的文件中回答了这三个问题。智能体会随技能一并加载该文件，因此每次安装都无需人工审计。
技能卡如何让信任元数据变得可操作？
技能卡是信任信息集中之处。技能卡中的信息对开发者和企业架构师都有用。开发者可以审查某个技能是否与目标智能体兼容，在部署前快速确认依赖项，并了解该技能将如何运行。此外，企业团队可以在允许更大范围部署技能之前，审查已知风险、故障保护控制和验证状态。
在 NVIDIA，可信 AI（Trustworthy AI）始于透明：技能能做什么，以及如何把这些信息传达给开发者以便评估和部署。为此，我们也很高兴发布我们的技能卡模板和技能卡生成器。公开技能卡模板中的所有必填字段都可以自动生成并经人工核验。通过公开这些资源，NVIDIA 邀请社区在技能、智能体乃至更广的领域中以透明的方式开展开发。
开始使用 NVIDIA 验证的智能体技能
如果你要在真实环境中部署智能体，信任就不止于运行时。你需要知道某项能力来自哪里、是否通过了安全检查，以及发布后是否被修改过。已验证技能能以一种便于移植的方式帮助回答这些问题。
例如，要开始使用经过验证的 cuOpt 技能，请按以下步骤操作：
1. 从目录中拉取经过验证的 cuOpt 技能：
git clone github.com/nvidia/skills && cd skills/skills/cuopt
2. 验证签名：
model_signing verify certificate. --signature skill.oms.sig --certificate-chain nv-agent-root-cert.pem --ignore-unsigned-files
3. 打开 SKILLCARD.yaml，查看所有权、依赖项、许可证和验证状态。
如需了解更多，请访问技能文档查看所有可用技能，或浏览 NVIDIA/skills GitHub 仓库。
致谢
感谢 Pratyusha Maiti、Alec Evangelista、Mohit Gupta、Isabel Hulseman、Yogesh Dangi、Yashraj Basaravaj Patil、Keshav Pradeep、Narendran Raghavan、Christopher Kevin、Siddharth Itagi 和 Pranita Maske 对这项工作的贡献。