GitHub Agent 技能供应链研究显示源端修复几乎无法传递至下游副本

这篇论文首次构建了基于 Git 历史的 Agent 技能复制网络，覆盖了 GitHub 上 2,193,119 次技能采纳记录，揭示了当前 AI 编码智能体（如 Claude Code、Codex）共享技能时缺乏注册表、版本控制和溯源机制的现状。研究发现，绝大多数技能复制源自少数几个仓库，且这些源头仓库并非由 GitHub Stars 数量决定，现有的流行度指标无法识别高风险技能的传播枢纽。

核心证据显示，技能在被复制后几乎从不随源端更新而改变，导致源端的任何安全修复都极难传递到下游副本中。作者提出的模型通过预测哪些仓库会被其他仓库复制，从而对仓库进行风险审计排名。数据显示，审查该模型排名的前 100 个仓库可阻止后续 14.9% 的高风险技能采纳，而审查前 100 个高星仓库仅能阻止 0.5%。这一数据直接证明了基于流行度的传统审核策略在应对技能供应链风险时的低效性。

事实层面，该研究建立了首个带时间戳的技能复制网络并提供了交互式查看器；推断层面，当前的去中心化技能共享模式构成了巨大的安全盲区，平台方若继续允许无版本控制的直接复制，将难以控制恶意或漏洞技能的扩散；猜测层面，未来可能需要引入类似软件包管理器的版本化引用机制来替代当前的复制粘贴模式，但这需要社区和平台的协同变革。