$ loading_
用于审计 AI 功能治理护栏，检查置信度、回退、校验与人工介入流程。
该 MCP 工具材料显示其无需密钥、未声明远程端点，主要风险面集中在本机代码执行这一类 MCP 固有能力。结合官方 Registry、开源且近一年有更新，整体更接近低到中等风险，但因文档极少、许可证未声明、社区采用度低，仍建议谨慎试用。
材料明确标注“无”密钥/环境变量，未见要求 API token、账户凭证或其他敏感认证信息，凭证泄露与滥用面较小。
声明中未列出任何远程端点 host，README 也未提供会将用户数据发送到外部服务的证据；基于现有材料，未见明确的数据外发路径。
系统客观检查项已标记 executes-code，说明其具备本机执行代码/起进程能力；这属于 MCP 工具的常规高权限能力，应在隔离环境中运行并限制可调用范围。
现有材料未声明需要读取或写入特定本地文件、数据库或系统资源，也未见超出其“治理审计”描述所需的数据权限申请；但因文档缺失，实际访问面仍需安装后核验。
来源为官方 Registry，且有开源仓库并在近一年内更新，这些都是明显的正面信号；但 README 缺失、许可证未声明、社区采用度很低（0 star），可审计性与成熟度仍有限，供应链信心中等偏谨慎。
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 "io.github.nugehs/aiglare" MCP 服务： 执行：claude mcp add io-github-nugehs-aiglare -- npx -y @nugehs/aiglare
请审计我们的客服 AI 流程，重点检查回答置信度阈值、低置信度回退策略、敏感回答校验，以及是否设置人工复核节点。请列出风险点与改进建议。
一份包含治理缺口、风险说明和优化建议的审计结果。
帮我检查营销内容生成系统的治理护栏，确认是否有输出校验、异常回退、人工审批和日志记录机制，并指出缺失项。
一份针对内容生成流程的控制项检查清单与问题摘要。
请评估内部知识问答机器人是否具备足够的治理能力，包括答案置信度展示、无法回答时的回退机制、结果校验以及人工介入流程。
一份合规性评估摘要，说明现状、风险和建议补强措施。
为 AI 工作流提供可审计的确定性安全检查、主机审计与诊断能力。