用途：对 MOOLLM 技能做安全审计，结合静态分析与运行时监视，判断技能是否可信。由提示驱动，不含自有 Python 代码，靠 LLM 工具调用编排。
主要能力：区分 MOOLLM 技能（要求 CARD.yml、SKILL.md、README.md，含 moollm 标签、K-lines/K-refs 等）与 Anthropic/通用技能（无严格文件要求），并可识别混合型；输出分类、缺失要求与建议。支持静态扫描（查找 shell 命令、外部 URL、base64/hex 编码内容、工作区外文件访问、未声明依赖）、输出 K-REF、记录扫描历史。FETCH-SCAN 可对远程 URL 直接扫描，经 raw.githubusercontent.com 获取内容，不克隆、不写文件系统，给出 CLONE/REVIEW FIRST/DO NOT INSTALL 建议。SNITCH 与 OBSERVE 协议通过 cursor-mirror 对比声明与实际行为，检查未声明工具、越权路径、网络调用与密钥泄露。TRUST 协议按发现严重度给出 GREEN/BLUE/YELLOW/ORANGE/RED 等级并缓存。另有 CONSISTENCY 一致性检查与可选的启动扫描。
使用方式：通过提示调用，如 Snitch on skills/adventure/ in session abc123；内部使用 python3 skills/cursor-mirror/scripts/cursor_mirror.py deep-snitch --composer ID --yaml 等命令。首次调用会初始化 .moollm/skill-snitch/ 下的 config.yml、ignore.yml、trust-overrides.yml、scan-history.yml 等文件。
限制：运行时观察需用户实际使用技能并配合；部分结果依赖 cursor-mirror；未提供收费、平台与具体效果信息。