360 Secure SkillHub
360 安全技能中心

agent-output-registry

该 Skill 提供本地命令行脚本，为每条 AI 产出登记 SHA-256 指纹、模型/版本/提示哈希、时间戳与权属信息并写入本地台账，支持 add 登记、verify 验证完整性、lookup 查归属、report 列出全部记录，用于溯源、防篡改与审计留痕。

zhaoxinghua09-cell
zhaoxinghua09-cell
热度 62.49
最近更新 2026-10-17 07:59:24
分类：安全依赖：代码执行 / 读写文件应用场景：数据处理 / 工作流

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add agent-output-registry
Metadata
name
agent-output-registry
slug
agent-output-registry
title
agent-output-registry
display_name
AI 产出有籍登记器（LGD-I 有籍）
display_name_en
Agent Output Registry (LGD-I Registered)
description
当用户要『给 AI 产出溯源 / IP 归属 / 防篡改 / 审计留痕』，或担心『AI 生成内容说不清来源、被改了认不出、权属扯不清』时用。给每条 AI 产出发一张『籍』(户口)：SHA-256 指纹 + 模型/版本/提示哈希 + 时间戳 + 权属，写入本地台账；支持 verify 证完整性、lookup 查归属、report 列全部。这是 LGD-I 有籍的落地执行器——把抽象的『有籍』变成每条产出可查的户口。触发词：AI 产出溯源、AI 内容登记、IP 归属、产出指纹、防篡改、审计留痕、有籍、产出户口。
version
1.0.1
agent_created
true
author
诺声(Logos)@SynomosAI
license
MIT
license_scope
代码（.py 文件）MIT；本 SKILL.md 与其中理论文本不在 MIT 覆盖范围内（见文末「License & attribution」）
allowed-tools
Read, Glob, Grep, Bash, Write, WebFetch
category
AI 治理
platforms
["windows","macos","linux"]
read_when
["用户要追溯某条 AI 产出的来源、模型、版本、提示","用户担心 AI 内容被篡改、权属不清、审计无据","做 AI 资产管理、合规留痕、知识产权保护","要落地「凡造必登」的有籍原则"]
tags
["LGD","有籍","溯源","IP归属","防篡改","审计留痕","AI产出","户口","指纹"]
copyright
SynomosAI
description_zh
当用户要『给 AI 产出溯源 / IP 归属 / 防篡改 / 审计留痕』，或担心『AI 生成内容说不清来源、被改了认不出、权属扯不清』时用。给每条 AI 产出发一张『籍』(户口)：SHA-256 指纹 + 模型/版本/提示哈希 + 时间戳 + 权属，写入本地台账；支持 verify 证完整性、lookup 查归属、report 列全部。这是 LGD-I 有籍的落地执行器——把抽象的『有籍』变成每条产出可查的户口。触发词：AI 产出溯源、AI 内容登记、IP 归属、产出指纹、防篡改、审计留痕、有籍、产出户口。
description_en
Register every AI output with a household-register entry (LGD-I): SHA-256 fingerprint + model/version/prompt provenance for IP attribution, tamper evidence and audit trails.
classification
{"skillhub":["ai-governance"],"iso_25010":["Security","Maintainability"]}
risk_tier
medium
risk_rationale
门禁批量补丁默认 medium：调用 API/读写文件/本地执行，最小权限，密钥走 Secret；若实际涉对外代执行(push/发布/发送/上架)须人工复评，改 high。
ai_protocol
true
spec
usk/1.0
interface
{"type":"cli","entry_point":"scripts/output_registry.py","runtime":"python3","call_pattern":"args"}
input_schema
[{"name":"command","type":"string","description":"子命令：add|verify|lookup|report","required":true},{"name":"out","type":"string","description":"登记库路径（add 必填）","required":false},{"name":"model","type":"string","description":"产出所用模型","required":false},{"name":"version","type":"string","description":"版本号","required":false},{"name":"prompt","type":"string","description":"提示词摘要","required":false},{"name":"issuer","type":"string","description":"签发方","required":false},{"name":"license","type":"string","description":"许可","required":false},{"name":"id","type":"string","description":"登记 ID（verify/lookup 必填）","required":false}]
output_schema
{"stdout":"登记记录 / 校验结论 / 台账报告","exit_code":{"type":"integer","description":"0=OK/PASS; 1=findings/warnings; 2=usage or argument error"}}
capabilities
["output_registry","provenance","audit_trail"]
permissions
{"network":false,"filesystem":false,"subprocess":false}
requirements
{"python_packages":[],"min_python":"3.8"}
changelog
1.0.1: Bilingual rewrite (full EN+ZH, English first); 1.0.0: initial upload (USK v3)

凡自治之物 · LGD 治理学 · 创造术家族 ｜ 评测协议：skill-quality-gate（外部公开评测门禁文档）

English

When to use

  1. Verify the integrity/authenticity of AI-generated text, code or data against later tampering.
  2. Compliance scenarios: copyright protection, model attribution, audit trails — record IP source and timestamps.
  3. The user worries AI output has unclear provenance or can't be recognized after modification.

Usage

  1. python output_registry.py --register — submit output with model version hash, prompt fingerprint and ownership.
  2. python output_registry.py --verify <record_id> — check the SHA-256 fingerprint hasn't been tampered with.
  3. python output_registry.py --lookup <content_hash> — find owner, generation time and logs.
  4. python output_registry.py --report — list all registered records and the full index.

Flow

  1. After an AI task, compute the SHA-256 fingerprint of the final output as the unique ID.
  2. register: write model version, prompt hash and timestamp into the local ledger.
  3. lookup by record ID for attribution.
  4. Periodic verify: check entries stay intact and hash-consistent.
  5. report exports the full audit list for external compliance review.

Evidence & safety

  • Evidence: TBD. Version: 1.0.1. Security: no independent scan (TBD).

中文

何时用

  1. 当需要验证 AI 生成内容（文本、代码或数据）的完整性与真实性，防止后续被篡改时。
  2. 在涉及版权保护、模型归属权确认或审计留痕的合规场景中，需明确产出的 IP 来源与时间戳时。
  3. 面对用户担忧 AI 输出内容模糊来源、或被修改后难以识别风险的情况。

用法

  1. 执行 python output_registry.py --register 提交产出，需传入模型版本哈希、提示词指纹及权属信息。
  2. 使用 python output_registry.py --verify <record_id> 验证指定记录号的 SHA-256 指纹是否未被篡改。
  3. 调用 python output_registry.py --lookup <content_hash> 检索某条产出内容的归属者、生成时间及详细日志。
  4. 通过 python output_registry.py --report 输出当前台账中的所有注册记录及完整索引列表。

流程

  1. AI 任务执行完毕，提取最终输出内容并计算 SHA-256 指纹作为唯一标识。
  2. 调用脚本执行 register 动作，将模型版本、提示词哈希与时间戳写入本地台账。
  3. 如需溯源，通过 lookup 命令输入记录 ID 查询具体权属信息。
  4. 定期使用 verify 检查台账条目是否保持完整性及哈希一致性。
  5. 最终利用 report 导出完整审计清单，供外部系统或合规审核使用。

证据与安全声明

  • 证据：TBD（暂无评测/徽章链接；产生后在此更新实际链接）
  • 版本：1.0.1
  • 安全：未做独立安全扫描（TBD），结论待补；补全前不作推荐背书。