$ loading_
提供可调用的依赖审计核验结论,帮助快速判断项目组件风险。
复制安装指令,让 AI 自动完成配置 · 推荐新手
请帮我安装 askskill 上的 "Closeread Verify" MCP 服务: 执行:claude mcp add 'io-github-freeguy-ai-closeread-verify' -- npx -y closeread-verify
请对这个项目当前依赖清单进行核验,给出已验证的审计结论,而不是原始扫描结果。请按高、中、低风险分类,并说明是否建议发布。
一份经过核验的依赖风险结论,包含风险分级、关键问题摘要和发布建议。
针对报告中的高危依赖漏洞,输出核验后的结论:哪些是真实风险、哪些可忽略,并说明判断依据与处理优先级。
明确区分真实风险与误报的核验结果,并附带优先处理建议。
请把该仓库的依赖审计结果整理为可供 AI 代理消费的标准化核验结论,包含总体状态、主要风险和下一步建议。
结构化的核验结论,适合被其他 AI 工作流直接读取和使用。
为支持MCP的智能体提供事实核验、注入检测与内容安全防护工具
用不同模型独立核验产物,发现同源检查遗漏的问题
用于校验 AI 生成代码的质量、安全性与性能,提升开发可信度。
通过自动化浏览器测试与诊断,验证 AI 生成代码的可用性并收集证据。
扫描 MCP 配置中的权限、密钥与模型暴露风险,并生成合规 AI-BOM。
核验图片拍摄时间与来源真实性,并输出结论和可信度评分。