NVIDIA 在 2026 年 5 月 19 日發布文章，介紹 NVIDIA-verified agent skills。這條新聞的重要性在於，它把 AI agent 治理由「模型運行時要有 guardrails」推前到另一層：agent 使用的技能、指令集和工具能力本身，也需要來源、風險和完整性驗證。
NVIDIA 將 agent skills 定義為可攜式 instruction sets，用來教 AI agents 正確使用 CUDA-X libraries、AI Blueprints 和平台工具。verified skills 會被 cataloged、scan、signed，並附有 machine-readable skill card，說明 ownership、dependencies、limitations 和 verification status。
這個設計回應了一個實際問題。隨著 Claude Code、Codex、Cursor 和各類 agent harness 支援 SKILL.md、MCP 和工具擴展，團隊很容易把第三方技能放入工作流程。但如果技能內容不透明，agent 可能被引導去做超出預期的行為，包括過度權限、隱藏指令、工具污染或資料外洩路徑。
NVIDIA 提到，verified skill 的發布流程可以包括 product team source repository、人工 review、自動 policy checks、SkillSpector 掃描、evaluation、skill card 生成、簽名、catalog 和同步。SkillSpector 不只看傳統軟件風險，亦會檢查 agent-specific risks，例如 prompt injection、trigger abuse、excessive agency 和 declared purpose 與實際行為不一致。
Skill card 是這套流程的核心之一。它把技能做甚麼、誰建立、用甚麼 license、依賴甚麼、有哪些限制、風險和緩解方式，用結構化方式交給開發者和企業架構師檢查。這令 agent capability 不再只是一段 prompt 或資料夾，而是可以被納入審批和治理的部署單位。
簽名亦很關鍵。NVIDIA 表示 signature 覆蓋技能目錄中的檔案和子目錄，讓開發者可以在下載後驗證技能是否真實且未被修改。這一點接近軟件供應鏈安全的思路：信任不應只靠「看起來來自某個來源」，而要有可驗證的完整性。
這篇文章的長遠訊號是，AI agent 平台很快會需要一套類似 package management 的能力治理。模型、工具、技能、資料連接器和 runtime guardrails 都會成為風險面。企業若要把 agent 放入真實工作流程，未來不只要問模型是否安全，也要問 agent 的每個能力是如何被審核、簽名、評估和更新。
