NVIDIA 在 2026 年 5 月 19 日发布文章，介绍 NVIDIA-verified agent skills。这条新闻的重要性在于，它把 AI agent 治理由「模型运行时要有 guardrails」推前到另一层：agent 使用的技能、指令集和工具能力本身，也需要来源、风险和完整性验证。
NVIDIA 将 agent skills 定义为可携式 instruction sets，用来教 AI agents 正确使用 CUDA-X libraries、AI Blueprints 和平台工具。verified skills 会被 cataloged、scan、signed，并附有 machine-readable skill card，说明 ownership、dependencies、limitations 和 verification status。
这个设计回应了一个实际问题。随着 Claude Code、Codex、Cursor 和各类 agent harness 支持 SKILL.md、MCP 和工具扩展，团队很容易把第三方技能放入工作流程。但如果技能内容不透明，agent 可能被引导去做超出预期的行为，包括过度权限、隐藏指令、工具污染或资料外泄路径。
NVIDIA 提到，verified skill 的发布流程可以包括 product team source repository、人工 review、自动 policy checks、SkillSpector 扫描、evaluation、skill card 生成、签名、catalog 和同步。SkillSpector 不只看传统软件风险，亦会检查 agent-specific risks，例如 prompt injection、trigger abuse、excessive agency 和 declared purpose 与实际行为不一致。
Skill card 是这套流程的核心之一。它把技能做什么、谁建立、用什么 license、依赖什么、有哪些限制、风险和缓解方式，用结构化方式交给开发者和企业架构师检查。这令 agent capability 不再只是一段 prompt 或资料夹，而是可以被纳入审批和治理的部署单位。
签名亦很关键。NVIDIA 表示 signature 覆盖技能目录中的文件和子目录，让开发者可以在下载后验证技能是否真实且未被修改。这一点接近软件供应链安全的思路：信任不应只靠「看起来来自某个来源」，而要有可验证的完整性。
这篇文章的长远讯号是，AI agent 平台很快会需要一套类似 package management 的能力治理。模型、工具、技能、资料连接器和 runtime guardrails 都会成为风险面。企业若要把 agent 放入真实工作流程，未来不只要问模型是否安全，也要问 agent 的每个能力是如何被审核、签名、评估和更新。
