diff --git a/README.md b/README.md
index dc79e5a..6dbed4e 100644
--- a/README.md
+++ b/README.md
@@ -1,51 +1,57 @@
+<!-- WEHUB_ZH_README -->
+> [!NOTE]
+> 本文档由 WeHub 基于上游 README 翻译整理，属于社区翻译，非官方中文文档。  
+> [English](./README.en.md) · [原始项目](https://github.com/NVIDIA/SkillSpector) · [上游 README](https://github.com/NVIDIA/SkillSpector/blob/HEAD/README.md)  
+> 原作者、版权与许可证归属以原始项目及本仓库 LICENSE 文件为准。
+
 # SkillSpector
 
-**Security scanner for AI agent skills.** Detect vulnerabilities, malicious patterns, and security risks before installing agent skills.
+**面向 AI agent skill 的安全扫描器。** 在安装 agent skill 之前，检测漏洞、恶意模式和安全风险。
 
 [![Python 3.12+](https://img.shields.io/badge/python-3.12+-blue.svg)](https://www.python.org/downloads/)
 [![License: Apache 2.0](https://img.shields.io/badge/License-Apache%202.0-blue.svg)](https://www.apache.org/licenses/LICENSE-2.0)
 
-## Overview
+## 概述
 
-AI agent skills (used by Claude Code, Codex CLI, Gemini CLI, etc.) execute with implicit trust and minimal vetting. Research shows that **26.1% of skills contain vulnerabilities** and **5.2% show likely malicious intent**.
+AI agent skill（供 Claude Code、Codex CLI、Gemini CLI 等使用）在隐式信任且几乎不经审核的情况下执行。研究表明，**26.1% 的 skill 含有漏洞**，**5.2% 表现出明显的恶意意图**。
 
-SkillSpector helps you answer: **"Is this skill safe to install?"**
+SkillSpector 帮助你回答：**「这个 skill 安装起来安全吗？」**
 
-## Documentation
+## 文档
 
-- **[Development guide](docs/DEVELOPMENT.md)** — Architecture, package layout, and how to extend the analyzer pipeline.
-- **[Pi extension](docs/PI_EXTENSION.md)** — Install SkillSpector as a Pi tool for scanning skills from inside agent sessions.
+- **[开发指南](docs/DEVELOPMENT.md)** — 架构、包结构以及如何扩展分析器流水线。
+- **[Pi 扩展](docs/PI_EXTENSION.md)** — 将 SkillSpector 安装为 Pi 工具，以便在 agent 会话中扫描 skill。
 
-## Features
+## 功能特性
 
-- **Multi-format input**: Scan Git repos, URLs, zip files, directories, or single files
-- **68 vulnerability patterns** across 17 categories: prompt injection, data exfiltration, privilege escalation, supply chain, excessive agency, output handling, system prompt leakage, memory poisoning, tool misuse, rogue agent, anti-refusal, trigger abuse, dangerous code (AST), taint tracking, YARA signatures, MCP least privilege, and MCP tool poisoning
-- **Two-stage analysis**: Fast static analysis + optional LLM semantic evaluation
-- **Live vulnerability lookups**: SC4 queries [OSV.dev](https://osv.dev) for real-time CVE data with automatic offline fallback
-- **Multiple output formats**: Terminal, JSON, Markdown, and SARIF reports
-- **Risk scoring**: 0-100 score with severity labels and clear recommendations
-- **Baseline / false-positive suppression**: Accept known findings via a glob-rule or fingerprint baseline so re-scans surface only *new* issues ([docs](docs/SUPPRESSION.md))
+- **多格式输入**：可扫描 Git 仓库、URL、zip 文件、目录或单个文件
+- **68 种漏洞模式**，覆盖 17 个类别：提示注入（prompt injection）、数据渗出（data exfiltration）、权限提升（privilege escalation）、供应链（supply chain）、过度代理（excessive agency）、输出处理（output handling）、系统提示泄露（system prompt leakage）、记忆投毒（memory poisoning）、工具滥用（tool misuse）、失控 agent（rogue agent）、反拒答（anti-refusal）、触发器滥用（trigger abuse）、危险代码（AST）、污点追踪（taint tracking）、YARA 签名、MCP 最小权限（MCP least privilege）以及 MCP 工具投毒（MCP tool poisoning）
+- **两阶段分析**：快速静态分析 + 可选的 LLM 语义评估
+- **实时漏洞查询**：SC4 查询 [OSV.dev](https://osv.dev) 获取实时 CVE 数据，并自动离线回退
+- **多种输出格式**：终端、JSON、Markdown 和 SARIF 报告
+- **风险评分**：0-100 分，附严重程度标签和明确建议
+- **基线 / 误报抑制**：通过 glob 规则或指纹基线接受已知发现项，使重新扫描仅暴露*新*问题（[文档](docs/SUPPRESSION.md)）
 
-## Quick Start
+## 快速入门
 
-### Installation
+### 安装
 
-Create and activate a virtual environment first (all `make` targets assume the venv is active). Use **uv** or **pip**; the Makefile uses `uv` if available, otherwise `pip`.
+请先创建并激活虚拟环境（所有 `make` 目标均假定 venv 已激活）。使用 **uv** 或 **pip**；Makefile 在可用时使用 `uv`，否则使用 `pip`。
 
-**Quick install with uv (CLI-only):**
+**使用 uv 快速安装（仅 CLI）：**
 
 ```bash
 uv tool install git+https://github.com/NVIDIA/skillspector.git
 # Update later: uv tool update skillspector
 ```
 
-If you plan to run `skillspector mcp`, install the MCP extra at install time:
+如果你计划运行 `skillspector mcp`，请在安装时一并安装 MCP 扩展：
 
 ```bash
 uv tool install 'skillspector[mcp] @ git+https://github.com/NVIDIA/skillspector.git'
 ```
 
-**From source:**
+**从源码安装：**
 
 ```bash
 # Clone the repository
@@ -63,24 +69,24 @@ make install
 make install-dev
 ```
 
-### Docker (no Python required)
+### Docker（无需 Python）
 
-Run SkillSpector without installing Python by building it locally from the included [Dockerfile](Dockerfile). The image is based on the Docker Official Python `3.12-slim-bookworm` image.
+无需安装 Python 即可运行 SkillSpector：根据随附的 [Dockerfile](Dockerfile) 在本地构建。镜像基于 Docker 官方 Python `3.12-slim-bookworm` 镜像。
 
-**Build the image:**
+**构建镜像：**
 
 ```bash
 make docker-build
 # or: docker build -t skillspector .
 ```
 
-**Scan a local directory** by mounting your current directory into `/scan`, the container's working directory:
+**扫描本地目录**：将当前目录挂载到 `/scan`（容器工作目录）：
 
 ```bash
 docker run --rm -v "$PWD:/scan" skillspector scan ./my-skill/ --no-llm
 ```
 
-**Scan with LLM analysis** by passing credentials with a local `.env` file:
+**启用 LLM 分析扫描**：通过本地 `.env` 文件传入凭据：
 
 ```bash
 cat > .env <<'EOF'
@@ -96,7 +102,7 @@ docker run --rm \
   skillspector scan ./my-skill/
 ```
 
-Or pass credentials directly from your shell environment:
+或直接从 shell 环境传入凭据：
 
 ```bash
 docker run --rm \
@@ -106,7 +112,7 @@ docker run --rm \
   skillspector scan ./my-skill/
 ```
 
-**Write a report to the host filesystem** by writing to the mounted directory:
+**将报告写入宿主机文件系统**：写入已挂载的目录：
 
 ```bash
 docker run --rm \
@@ -114,14 +120,14 @@ docker run --rm \
   skillspector scan ./my-skill/ --no-llm --format json --output report.json
 ```
 
-**Optional alias** for repeated static scans:
+**可选别名**，用于重复的静态扫描：
 
 ```bash
 alias skillspector-docker='docker run --rm -v "$PWD:/scan" skillspector'
 skillspector-docker scan ./my-skill/ --no-llm
 ```
 
-### Basic Usage
+### 基本用法
 
 ```bash
 # Scan a local skill directory
@@ -137,7 +143,7 @@ skillspector scan https://github.com/user/my-skill
 skillspector scan ./my-skill.zip
 ```
 
-### Output Formats
+### 输出格式
 
 ```bash
 # Terminal output (default) - pretty formatted
@@ -153,9 +159,9 @@ skillspector scan ./my-skill/ --format markdown --output report.md
 skillspector scan ./my-skill/ --format sarif --output report.sarif
 ```
 
-### Batch Scanning
+### 批量扫描
 
-Scan entire directories of skills in parallel from `contrib/batch_scan/`:
+从 `contrib/batch_scan/` 并行扫描整个 skill 目录：
 
 ```bash
 python -m contrib.batch_scan.batch_scan ./my-skills/ --no-llm
@@ -163,28 +169,25 @@ python -m contrib.batch_scan.batch_scan ./my-skills/ --workers 20 -f json -o rep
 python -m contrib.batch_scan.batch_scan ./tests/fixtures/ -f terminal --workers 20
 ```
 
-Supports multilingual detection (zh/ja/ko) and terminal/JSON/Markdown output.
+支持多语言检测（zh/ja/ko）以及终端/JSON/Markdown 输出。
 
-For LLM scans with higher concurrency, configure multiple API keys following
-[`.env.example`](contrib/batch_scan/.env.example) — the pool improves throughput
-and resilience, provided the keys don't share an account-level rate limit.
+对于需要更高并发的 LLM 扫描，请按
+[`.env.example`](contrib/batch_scan/.env.example) 配置多个 API 密钥 — 只要这些密钥不共享账户级速率限制，密钥池即可提升吞吐量和容错能力。
 
-See the [contrib guide](contrib/batch_scan/docs/) for details.
+详见 [contrib 指南](contrib/batch_scan/docs/)。
 
-> **Note on LLM support:** The default configuration targets DeepSeek as the
-> cheapest public option. DeepSeek-Chat is
-> [expected to sunset](https://api-docs.deepseek.com/), and the contributor
-> does not have hardware to test against local models. The batch scanner was
-> originally tested with OpenAI-compatible endpoints — DeepSeek's lack of
-> structured-output support required manual JSON-parsing patches. If you can
-> contribute a more universal backend (Ollama, vLLM, or a different provider),
-> PRs are very welcome.
+> **关于 LLM 支持的说明：** 默认配置以 DeepSeek 为目标，
+> 作为最便宜的公开选项。DeepSeek-Chat 预计将于
+> [expected to sunset](https://api-docs.deepseek.com/), 下线，且贡献者
+> 没有硬件可在本地模型上测试。批量扫描器最初使用 OpenAI 兼容端点进行测试 — DeepSeek 缺乏
+> 结构化输出支持，因此需要手动 JSON 解析补丁。如果你能贡献更通用的后端（Ollama、vLLM 或其他提供商），
+> 非常欢迎提交 PR。
 
-### Suppressing False Positives (baseline)
+### 抑制误报（基线）
 
-Suppress known/accepted findings so the risk score reflects only un-triaged
-issues and re-scans surface only *new* findings. See the
-[suppression guide](docs/SUPPRESSION.md) for the full reference.
+抑制已知/已接受的发现项，使风险评分仅反映未分类的问题，
+重新扫描仅暴露*新*发现项。完整参考见
+[抑制指南](docs/SUPPRESSION.md)。
 
 ```bash
 # Accept all current findings into a baseline (run once), then commit it.
@@ -197,16 +200,16 @@ skillspector scan ./my-skill/ --baseline .skillspector-baseline.yaml
 skillspector scan ./my-skill/ --baseline .skillspector-baseline.yaml --show-suppressed
 ```
 
-A baseline can also use drift-tolerant glob rules (by rule id, file path, or
-message) — see [`.skillspector-baseline.example.yaml`](.skillspector-baseline.example.yaml).
+基线也可使用容差 glob 规则（按规则 id、文件路径或
+消息）— 参见 [`.skillspector-baseline.example.yaml`](.skillspector-baseline.example.yaml)。
 
-### LLM Analysis
+### LLM 分析
 
-For the best results, configure an OpenAI-compatible LLM endpoint for
-semantic analysis. Pick a provider with `SKILLSPECTOR_PROVIDER`; each
-ships its own bundled default model. SkillSpector also works against
-local OpenAI-compatible servers (Ollama, vLLM, llama.cpp) and managed
-inference gateways.
+为获得最佳效果，请配置 OpenAI 兼容的 LLM 端点以进行
+语义分析。使用 `SKILLSPECTOR_PROVIDER` 选择提供商；每个
+提供商都自带捆绑的默认模型。SkillSpector 也可对接
+本地 OpenAI 兼容服务器（Ollama、vLLM、llama.cpp）以及托管
+推理网关。
 
 | Provider (`SKILLSPECTOR_PROVIDER`) | Credential env var | Endpoint | Default model |
 | ---------- | ---- | ---- | ---- |
@@ -280,13 +283,10 @@ skillspector scan ./my-skill/ --no-llm
 
 ### MCP Server
 
-Run SkillSpector as a [Model Context Protocol](https://modelcontextprotocol.io)
-server so any MCP-capable agent (Claude Code, Codex CLI, Gemini CLI) or remote
-runtime can call scanning as a tool and **gate skill/MCP installs on the
-result** — turning SkillSpector into a runtime guardrail instead of an
-out-of-band audit step.
+将 SkillSpector 作为 [Model Context Protocol（MCP）](https://modelcontextprotocol.io)
+服务器运行，使任何支持 MCP 的代理（Claude Code、Codex CLI、Gemini CLI）或远程运行时都能将扫描作为工具调用，并**根据扫描结果拦截 skill/MCP 安装**——将 SkillSpector 从带外审计步骤转变为运行时护栏。
 
-`skillspector mcp` requires `skillspector[mcp]`.
+`skillspector mcp` 需要 `skillspector[mcp]`。
 
 ```bash
 # Install, or reinstall if you already used the CLI-only path
@@ -299,206 +299,201 @@ skillspector mcp
 skillspector mcp --transport http --host 127.0.0.1 --port 8000
 ```
 
-The stdio transport is the current FastMCP path for local CLI agents, and the
-initialize hang reported in issue #199 still applies there.
+stdio 传输是当前面向本地 CLI 代理的 FastMCP 路径，issue #199 中报告的 initialize 挂起问题在该路径上仍然适用。
 
-The server exposes a single tool:
+该服务器公开单个工具：
 
-- **`scan_skill(target, use_llm=true, output_format="json")`** — scans a Git
-  URL, file URL, `.zip`, `.md` file, or directory and returns a structured
-  verdict: `risk_score` (0-100), `severity`, `recommendation`,
-  `safe_to_install`, and `findings`. It also reports `llm_used` / `scan_mode`
-  so a low score from a static-only scan is never mistaken for a clean full
-  scan.
+- **`scan_skill(target, use_llm=true, output_format="json")`** — 扫描 Git
+  URL、file URL、`.zip`、`.md` 文件或目录，并返回结构化
+  判定结果：`risk_score`（0-100）、`severity`、`recommendation`、
+  `safe_to_install` 以及 `findings`。它还会报告 `llm_used` / `scan_mode`，
+  从而避免将仅静态扫描的低分误判为完整扫描通过。
 
-Register it with Claude Code via:
+通过以下方式在 Claude Code 中注册：
 
 ```bash
 claude mcp add skillspector -- skillspector mcp
 ```
 
-> **Security — HTTP transport trust model**
+> **安全 — HTTP 传输信任模型**
 >
-> The HTTP transport ships **without authentication**. Any caller that can
-> reach the port can invoke `scan_skill`. Over stdio or `127.0.0.1` this is
-> the same trust boundary as the CLI. If you bind to a routable interface:
+> HTTP 传输**未内置身份验证**。任何能访问该端口的调用方都可以调用 `scan_skill`。通过 stdio 或 `127.0.0.1` 时，
+> 这与 CLI 处于相同的信任边界。若绑定到可路由接口：
 >
-> - Sit the server behind an authenticating reverse proxy (e.g. nginx + mTLS)
->   before exposing it externally.
-> - Local paths and `file://` URLs are **automatically rejected** over HTTP to
->   prevent unauthenticated callers from reading arbitrary host files. Only
->   remote Git and `.zip` URLs are accepted.
+> - 在对外暴露之前，将服务器置于带身份验证的反向代理之后（例如 nginx + mTLS）。
+> - 通过 HTTP 时，本地路径和 `file://` URL 会被**自动拒绝**，
+>   以防止未经身份验证的调用方读取任意主机文件。仅接受远程 Git 和 `.zip` URL。
 
-## Vulnerability Patterns
+## 漏洞模式
 
-SkillSpector detects **68 vulnerability patterns** across 17 categories:
+SkillSpector 在 17 个类别中检测 **68 种漏洞模式**：
 
-### Prompt Injection (5 patterns)
+### 提示注入（Prompt Injection，5 种模式）
+
+| ID | 模式 | 严重程度 | 描述 |
+|----|---------|----------|-------------|
+| P1 | 指令覆盖（Instruction Override） | HIGH | 要求忽略安全约束的命令 |
+| P2 | 隐藏指令（Hidden Instructions） | HIGH | 注释/不可见文本中的恶意指令 |
+| P3 | 外泄命令（Exfiltration Commands） | HIGH | 要求将上下文向外传输的指令 |
+| P4 | 行为操纵（Behavior Manipulation） | MEDIUM | 微妙地改变代理决策的指令 |
+| P5 | 有害内容（Harmful Content） | CRITICAL | 可能导致人身伤害的指令 |
+
+### 反拒绝（Anti-Refusal，3 种模式）
+
+| ID | 模式 | 严重程度 | 描述 |
+|----|---------|----------|-------------|
+| AR1 | 拒绝抑制（Refusal Suppression） | HIGH | 要求永不拒绝或始终服从的指令（例如 "never refuse"、"always comply"） |
+| AR2 | 免责声明抑制（Disclaimer Suppression） | HIGH | 要求省略警告、免责声明或伦理评注的指令（例如 "no disclaimers"、"do not moralize"） |
+| AR3 | 安全策略废止（Safety Policy Nullification） | HIGH | 使护栏失效的越狱式表述（例如 "you have no restrictions"、"ignore your guidelines"、"do anything now"） |
+
+### 数据外泄（Data Exfiltration，4 种模式）
+
+| ID | 模式 | 严重程度 | 描述 |
+|----|---------|----------|-------------|
+| E1 | 外部传输（External Transmission） | MEDIUM | 将数据发送到外部 URL |
+| E2 | 环境变量收集（Env Variable Harvesting） | HIGH | 收集 API 密钥和机密信息 |
+| E3 | 文件系统枚举（File System Enumeration） | MEDIUM | 扫描目录以查找敏感文件 |
+| E4 | 上下文泄露（Context Leakage） | HIGH | 将对话上下文向外传输 |
+
+### 权限提升（Privilege Escalation，3 种模式）
+
+| ID | 模式 | 严重程度 | 描述 |
+|----|---------|----------|-------------|
+| PE1 | 过度权限（Excessive Permissions） | LOW | 请求超出声明功能范围的访问权限 |
+| PE2 | Sudo/Root 执行 | MEDIUM | 调用提升后的系统权限 |
+| PE3 | 凭据访问（Credential Access） | HIGH | 读取 SSH 密钥、令牌、密码 |
+
+### 供应链（Supply Chain，6 种模式）
+
+| ID | 模式 | 严重程度 | 描述 |
+|----|---------|----------|-------------|
+| SC1 | 未固定依赖（Unpinned Dependencies） | LOW | 软件包未设置版本约束 |
+| SC2 | 外部脚本拉取（External Script Fetching） | HIGH | curl \| bash 及远程代码执行 |
+| SC3 | 混淆代码（Obfuscated Code） | HIGH | Base64/hex 编码执行 |
+| SC4 | 已知漏洞依赖（Known Vulnerable Dependencies） | HIGH | 存在已知 CVE 的依赖（实时 OSV.dev 查询） |
+| SC5 | 废弃依赖（Abandoned Dependencies） | MEDIUM | 无人维护、无安全更新的软件包 |
+| SC6 | 拼写仿冒（Typosquatting） | HIGH | 与热门软件包名称相似的包名 |
+
+### 过度代理（Excessive Agency，4 种模式）
+
+| ID | 模式 | 严重程度 | 描述 |
+|----|---------|----------|-------------|
+| EA1 | 无限制工具访问（Unrestricted Tool Access） | HIGH | 不受约束的任意工具访问 |
+| EA2 | 自主决策（Autonomous Decision Making） | HIGH | 高影响决策未经人在回路（human-in-the-loop）参与 |
+| EA3 | 范围蔓延（Scope Creep） | MEDIUM | 能力超出声明用途 |
+| EA4 | 无界资源访问（Unbounded Resource Access） | MEDIUM | 资源消耗无速率限制或配额 |
+
+### 输出处理（Output Handling，3 种模式）
+
+| ID | 模式 | 严重程度 | 描述 |
+|----|---------|----------|-------------|
+| OH1 | 未验证输出注入（Unvalidated Output Injection） | HIGH | 模型输出未经净化即被使用 |
+| OH2 | 跨上下文输出（Cross-Context Output） | MEDIUM | 输出未经验证即跨越信任边界流动 |
+| OH3 | 无界输出（Unbounded Output） | MEDIUM | 对输出大小或生成速率无限制 |
+
+### 系统提示泄露（System Prompt Leakage，3 种模式）
+
+| ID | 模式 | 严重程度 | 描述 |
+|----|---------|----------|-------------|
+| P6 | 直接泄露（Direct Leakage） | HIGH | 暴露系统提示或内部规则的指令 |
+| P7 | 间接提取（Indirect Extraction） | MEDIUM | 通过改写、翻译或侧信道进行提取 |
+| P8 | 基于工具的外泄（Tool-Based Exfiltration） | HIGH | 通过文件写入或网络请求外泄系统提示 |
+
+### 内存投毒（3 种模式）
 
 | ID | Pattern | Severity | Description |
 |----|---------|----------|-------------|
-| P1 | Instruction Override | HIGH | Commands to ignore safety constraints |
-| P2 | Hidden Instructions | HIGH | Malicious directives in comments/invisible text |
-| P3 | Exfiltration Commands | HIGH | Instructions to transmit context externally |
-| P4 | Behavior Manipulation | MEDIUM | Subtle instructions altering agent decisions |
-| P5 | Harmful Content | CRITICAL | Instructions that could cause physical harm |
+| MP1 | Persistent Context Injection | HIGH | 旨在跨交互持久保留的内容 |
+| MP2 | Context Window Stuffing | MEDIUM | 用填充内容挤占安全约束 |
+| MP3 | Memory Manipulation | HIGH | 篡改智能体内存或已存储状态 |
 
-### Anti-Refusal (3 patterns)
+### 工具滥用（3 种模式）
 
 | ID | Pattern | Severity | Description |
 |----|---------|----------|-------------|
-| AR1 | Refusal Suppression | HIGH | Instructions to never refuse or always comply (e.g. "never refuse", "always comply") |
-| AR2 | Disclaimer Suppression | HIGH | Instructions to omit warnings, disclaimers, or ethical commentary (e.g. "no disclaimers", "do not moralize") |
-| AR3 | Safety Policy Nullification | HIGH | Jailbreak framing that nullifies guardrails (e.g. "you have no restrictions", "ignore your guidelines", "do anything now") |
+| TM1 | Tool Parameter Abuse | HIGH | 为达成非预期行为而构造的参数（shell=True, --force） |
+| TM2 | Chaining Abuse | HIGH | 绕过各项独立安全检查的工具链 |
+| TM3 | Unsafe Defaults | MEDIUM | 过于宽松的默认设置（禁用 TLS、无身份验证） |
 
-### Data Exfiltration (4 patterns)
+### 失控智能体（Rogue Agent，2 种模式）
 
 | ID | Pattern | Severity | Description |
 |----|---------|----------|-------------|
-| E1 | External Transmission | MEDIUM | Sending data to external URLs |
-| E2 | Env Variable Harvesting | HIGH | Collecting API keys and secrets |
-| E3 | File System Enumeration | MEDIUM | Scanning directories for sensitive files |
-| E4 | Context Leakage | HIGH | Transmitting conversation context externally |
+| RA1 | Self-Modification | CRITICAL | 在运行时修改自身代码或配置 |
+| RA2 | Session Persistence | HIGH | 通过 cron 作业或启动脚本实现未经授权的持久化 |
 
-### Privilege Escalation (3 patterns)
+### 触发器滥用（3 种模式）
 
 | ID | Pattern | Severity | Description |
 |----|---------|----------|-------------|
-| PE1 | Excessive Permissions | LOW | Requesting access beyond stated functionality |
-| PE2 | Sudo/Root Execution | MEDIUM | Invoking elevated system privileges |
-| PE3 | Credential Access | HIGH | Reading SSH keys, tokens, passwords |
+| TR1 | Overly Broad Trigger | MEDIUM | 匹配常见词语的触发模式 |
+| TR2 | Shadow Command Trigger | HIGH | 遮蔽内置命令或其他技能（skills）的触发器 |
+| TR3 | Keyword Baiting Trigger | MEDIUM | 为最大化激活而设计的通用触发器 |
 
-### Supply Chain (6 patterns)
+### 行为 AST（9 种模式）
 
 | ID | Pattern | Severity | Description |
 |----|---------|----------|-------------|
-| SC1 | Unpinned Dependencies | LOW | No version constraints on packages |
-| SC2 | External Script Fetching | HIGH | curl \| bash and remote code execution |
-| SC3 | Obfuscated Code | HIGH | Base64/hex encoded execution |
-| SC4 | Known Vulnerable Dependencies | HIGH | Dependencies with known CVEs (live OSV.dev lookup) |
-| SC5 | Abandoned Dependencies | MEDIUM | Unmaintained packages without security updates |
-| SC6 | Typosquatting | HIGH | Package names similar to popular packages |
+| AST1 | exec() Call | CRITICAL | 直接 exec() 调用，可执行任意代码 |
+| AST2 | eval() Call | HIGH | 直接 eval() 求值任意表达式 |
+| AST3 | Dynamic Import | HIGH | \_\_import\_\_() 在运行时加载任意模块 |
+| AST4 | subprocess Call | HIGH | 通过 subprocess 执行外部命令 |
+| AST5 | os.system / exec-family | HIGH | 通过 os 模块执行 shell 命令 |
+| AST6 | compile() Call | MEDIUM | 从字符串创建代码对象 |
+| AST7 | Dynamic getattr() | MEDIUM | 使用非字面量名称进行任意属性访问 |
+| AST8 | Dangerous Execution Chain | CRITICAL | exec/eval 与动态来源（网络、编码数据）组合 |
+| AST9 | Reflective getattr() Sink | HIGH | 通过 `getattr(os,'system')` / `getattr(builtins,'exec')` 实现的反射式 exec，可规避 AST1/AST5 |
 
-### Excessive Agency (4 patterns)
+### 污点追踪（Taint Tracking，5 种模式）
 
 | ID | Pattern | Severity | Description |
 |----|---------|----------|-------------|
-| EA1 | Unrestricted Tool Access | HIGH | Unfettered tool access without constraints |
-| EA2 | Autonomous Decision Making | HIGH | High-impact decisions without human-in-the-loop |
-| EA3 | Scope Creep | MEDIUM | Capabilities extending beyond stated purpose |
-| EA4 | Unbounded Resource Access | MEDIUM | No rate limits or quotas on resource consumption |
+| TT1 | Direct Taint Flow | HIGH | 数据未经净化直接从源流向汇点 |
+| TT2 | Variable-Mediated Taint Flow | MEDIUM | 数据经中间变量从源流向汇点 |
+| TT3 | Credential Exfiltration Chain | CRITICAL | 凭据（环境变量、密钥）流向网络输出汇点 |
+| TT4 | File Read to Network Exfiltration | HIGH | 文件内容流向网络输出汇点 |
+| TT5 | External Input to Code Execution | CRITICAL | 网络或用户输入流向 exec/eval/subprocess 汇点 |
 
-### Output Handling (3 patterns)
+### YARA 签名（4 种模式）
 
 | ID | Pattern | Severity | Description |
 |----|---------|----------|-------------|
-| OH1 | Unvalidated Output Injection | HIGH | Model output used without sanitization |
-| OH2 | Cross-Context Output | MEDIUM | Output flows across trust boundaries without validation |
-| OH3 | Unbounded Output | MEDIUM | No limits on output size or generation rate |
+| YR1 | Malware Match | CRITICAL | YARA 规则匹配已知恶意软件签名 |
+| YR2 | Webshell Match | CRITICAL | YARA 规则匹配 webshell 模式 |
+| YR3 | Cryptominer Match | HIGH | YARA 规则匹配加密货币挖矿指标 |
+| YR4 | Hack Tool / Exploit Match | HIGH | YARA 规则匹配黑客工具或漏洞利用代码 |
 
-### System Prompt Leakage (3 patterns)
+### MCP 最小权限（Least Privilege，4 种模式）
 
 | ID | Pattern | Severity | Description |
 |----|---------|----------|-------------|
-| P6 | Direct Leakage | HIGH | Instructions that expose system prompts or internal rules |
-| P7 | Indirect Extraction | MEDIUM | Extraction via rephrasing, translation, or side-channels |
-| P8 | Tool-Based Exfiltration | HIGH | System prompts exfiltrated via file writes or network requests |
+| LP1 | Underdeclared Capability | HIGH | 代码使用了未在声明权限中列出的能力 |
+| LP2 | Wildcard Permission | MEDIUM | 权限列表包含通配符（\*, all, full, any） |
+| LP3 | Missing Permission Declaration | MEDIUM | 无 permissions 字段但代码存在可检测能力 |
+| LP4 | Overdeclared Permission | LOW | 已声明权限但未发现相应代码能力 |
 
-### Memory Poisoning (3 patterns)
+### MCP 工具投毒（4 种模式）
 
 | ID | Pattern | Severity | Description |
 |----|---------|----------|-------------|
-| MP1 | Persistent Context Injection | HIGH | Content designed to persist across interactions |
-| MP2 | Context Window Stuffing | MEDIUM | Filler content displacing safety constraints |
-| MP3 | Memory Manipulation | HIGH | Tampering with agent memory or stored state |
+| TP1 | Hidden Instructions | HIGH | 元数据中的隐藏指令（HTML 注释、零宽字符、base64、data URI） |
+| TP2 | Unicode Deception | HIGH | 工具元数据中的同形异义字符、RTL 覆盖、混合书写体系标识符 |
+| TP3 | Parameter Description Injection | MEDIUM | 参数定义中的注入模式（覆盖项、系统令牌、恶意默认值） |
+| TP4 | Description-Behavior Mismatch | MEDIUM | 声明的工具描述与实际代码行为不符（由 LLM 驱动） |
 
-### Tool Misuse (3 patterns)
+所有已检测模式均列于上表。
 
-| ID | Pattern | Severity | Description |
-|----|---------|----------|-------------|
-| TM1 | Tool Parameter Abuse | HIGH | Crafted parameters for unintended behavior (shell=True, --force) |
-| TM2 | Chaining Abuse | HIGH | Tool chains that bypass individual safety checks |
-| TM3 | Unsafe Defaults | MEDIUM | Overly permissive defaults (disabled TLS, no auth) |
+## 风险评分
 
-### Rogue Agent (2 patterns)
+### 分数计算
 
-| ID | Pattern | Severity | Description |
-|----|---------|----------|-------------|
-| RA1 | Self-Modification | CRITICAL | Modifying own code or configuration at runtime |
-| RA2 | Session Persistence | HIGH | Unauthorized persistence via cron jobs or startup scripts |
+- **CRITICAL 问题**：+50 分
+- **HIGH 问题**：+25 分
+- **MEDIUM 问题**：+10 分
+- **LOW 问题**：+5 分
+- **可执行脚本**：1.3 倍乘数
 
-### Trigger Abuse (3 patterns)
-
-| ID | Pattern | Severity | Description |
-|----|---------|----------|-------------|
-| TR1 | Overly Broad Trigger | MEDIUM | Trigger patterns matching common words |
-| TR2 | Shadow Command Trigger | HIGH | Triggers that shadow built-in commands or other skills |
-| TR3 | Keyword Baiting Trigger | MEDIUM | Generic triggers designed to maximize activation |
-
-### Behavioral AST (9 patterns)
-
-| ID | Pattern | Severity | Description |
-|----|---------|----------|-------------|
-| AST1 | exec() Call | CRITICAL | Direct exec() enabling arbitrary code execution |
-| AST2 | eval() Call | HIGH | Direct eval() evaluating arbitrary expressions |
-| AST3 | Dynamic Import | HIGH | \_\_import\_\_() loading arbitrary modules at runtime |
-| AST4 | subprocess Call | HIGH | External command execution via subprocess |
-| AST5 | os.system / exec-family | HIGH | Shell commands via os module |
-| AST6 | compile() Call | MEDIUM | Code object creation from strings |
-| AST7 | Dynamic getattr() | MEDIUM | Arbitrary attribute access with non-literal names |
-| AST8 | Dangerous Execution Chain | CRITICAL | exec/eval combined with dynamic source (network, encoded data) |
-| AST9 | Reflective getattr() Sink | HIGH | Reflective exec via `getattr(os,'system')` / `getattr(builtins,'exec')` that evades AST1/AST5 |
-
-### Taint Tracking (5 patterns)
-
-| ID | Pattern | Severity | Description |
-|----|---------|----------|-------------|
-| TT1 | Direct Taint Flow | HIGH | Data flows directly from a source to a sink without sanitization |
-| TT2 | Variable-Mediated Taint Flow | MEDIUM | Data flows from source to sink through intermediate variables |
-| TT3 | Credential Exfiltration Chain | CRITICAL | Credentials (env vars, secrets) flow to network output sinks |
-| TT4 | File Read to Network Exfiltration | HIGH | File contents flow to network output sinks |
-| TT5 | External Input to Code Execution | CRITICAL | Network or user input flows to exec/eval/subprocess sinks |
-
-### YARA Signatures (4 patterns)
-
-| ID | Pattern | Severity | Description |
-|----|---------|----------|-------------|
-| YR1 | Malware Match | CRITICAL | YARA rule match for known malware signatures |
-| YR2 | Webshell Match | CRITICAL | YARA rule match for webshell patterns |
-| YR3 | Cryptominer Match | HIGH | YARA rule match for crypto mining indicators |
-| YR4 | Hack Tool / Exploit Match | HIGH | YARA rule match for hack tools or exploit code |
-
-### MCP Least Privilege (4 patterns)
-
-| ID | Pattern | Severity | Description |
-|----|---------|----------|-------------|
-| LP1 | Underdeclared Capability | HIGH | Code uses capabilities not listed in declared permissions |
-| LP2 | Wildcard Permission | MEDIUM | Permission list contains wildcards (\*, all, full, any) |
-| LP3 | Missing Permission Declaration | MEDIUM | No permissions field but code has detectable capabilities |
-| LP4 | Overdeclared Permission | LOW | Permission declared but no corresponding code capability found |
-
-### MCP Tool Poisoning (4 patterns)
-
-| ID | Pattern | Severity | Description |
-|----|---------|----------|-------------|
-| TP1 | Hidden Instructions | HIGH | Hidden directives in metadata (HTML comments, zero-width chars, base64, data URIs) |
-| TP2 | Unicode Deception | HIGH | Homoglyphs, RTL overrides, mixed-script identifiers in tool metadata |
-| TP3 | Parameter Description Injection | MEDIUM | Injection patterns in parameter definitions (overrides, system tokens, malicious defaults) |
-| TP4 | Description-Behavior Mismatch | MEDIUM | Declared tool description does not match actual code behavior (LLM-powered) |
-
-All detected patterns are listed in the tables above.
-
-## Risk Scoring
-
-### Score Calculation
-
-- **CRITICAL issues**: +50 points
-- **HIGH issues**: +25 points
-- **MEDIUM issues**: +10 points
-- **LOW issues**: +5 points
-- **Executable scripts**: 1.3x multiplier
-
-### Severity Levels
+### 严重等级
 
 | Score | Severity | Recommendation |
 |-------|----------|----------------|
@@ -507,9 +502,9 @@ All detected patterns are listed in the tables above.
 | 51-80 | HIGH | DO NOT INSTALL |
 | 81-100 | CRITICAL | DO NOT INSTALL |
 
-## Example Output
+## 示例输出
 
-### Terminal Output
+### 终端输出
 
 ```
  SkillSpector Security Report  v2.0.0
@@ -547,29 +542,29 @@ Issues (2)
     with env harvesting above, this indicates credential exfiltration.
 ```
 
-## Configuration
+## 配置
 
-### Environment Variables
+### 环境变量
 
 | Variable | Description | Required |
 |----------|-------------|----------|
-| `SKILLSPECTOR_PROVIDER` | Active LLM provider: `openai`, `anthropic`, `anthropic_proxy`, `bedrock`, `nv_build`, `claude_cli`, `codex_cli`, or `gemini_cli`. Each provider has its own bundled `model_registry.yaml` and default model (see the LLM Analysis table above). Defaults to `nv_build`. | Optional |
-| `NVIDIA_INFERENCE_KEY` | Credential for the `nv_build` provider (build.nvidia.com). | Required for LLM analysis when `SKILLSPECTOR_PROVIDER=nv_build` |
-| `OPENAI_API_KEY` | Credential for the OpenAI provider (`SKILLSPECTOR_PROVIDER=openai`). Also serves as the tier-2 fallback in the credential waterfall when the active provider returns no credentials. | Required for LLM analysis when `SKILLSPECTOR_PROVIDER=openai` |
-| `OPENAI_BASE_URL` | Override the OpenAI endpoint (e.g. point at Ollama). | Optional |
-| `ANTHROPIC_API_KEY` | Credential for the Anthropic provider (`SKILLSPECTOR_PROVIDER=anthropic`). | Required for LLM analysis when `SKILLSPECTOR_PROVIDER=anthropic` |
-| `ANTHROPIC_PROXY_ENDPOINT_URL` | Full endpoint URL for the Anthropic proxy provider (Vertex-style raw-predict). | Required when `SKILLSPECTOR_PROVIDER=anthropic_proxy` |
-| `ANTHROPIC_PROXY_API_KEY` | Bearer token for the Anthropic proxy provider. | Required when `SKILLSPECTOR_PROVIDER=anthropic_proxy` |
-| `ANTHROPIC_PROXY_API_VERSION` | `anthropic_version` value sent in the request body (default: `vertex-2023-10-16`). | Optional |
-| `AWS_PROFILE` | Named AWS profile for the Bedrock provider — authenticates via SigV4 through boto3. When unset, the standard boto3 credential chain (env vars, instance metadata, SSO, etc.) resolves. | Optional (used when `SKILLSPECTOR_PROVIDER=bedrock`) |
-| `AWS_REGION` | AWS region for the Bedrock Runtime endpoint. Defaults to `us-west-2`. | Optional (used when `SKILLSPECTOR_PROVIDER=bedrock`) |
-| `SKILLSPECTOR_MODEL` | Override the active provider's default model. See the LLM Analysis table for each provider's default. | Optional |
-| `SKILLSPECTOR_MODEL_REGISTRY` | Override the bundled per-provider YAML registry (`src/skillspector/providers/<provider>/model_registry.yaml`) with a custom path. | Optional |
-| `SKILLSPECTOR_LOG_LEVEL` | Log level: `DEBUG`, `INFO`, `WARNING`, `ERROR` (default: `WARNING`). | Optional |
+| `SKILLSPECTOR_PROVIDER` | 当前 LLM 提供商：`openai`、`anthropic`、`anthropic_proxy`、`bedrock`、`nv_build`、`claude_cli`、`codex_cli` 或 `gemini_cli`。各提供商均自带捆绑的 `model_registry.yaml` 及默认模型（见上文 LLM Analysis 表）。默认值为 `nv_build`。 | 可选 |
+| `NVIDIA_INFERENCE_KEY` | `nv_build` 提供商（build.nvidia.com）的凭据。 | 在 `SKILLSPECTOR_PROVIDER=nv_build` 时进行 LLM 分析所需 |
+| `OPENAI_API_KEY` | OpenAI 提供商（`SKILLSPECTOR_PROVIDER=openai`）的凭据。当当前提供商未返回凭据时，亦作为凭据瀑布（credential waterfall）中的第二层回退。 | 在 `SKILLSPECTOR_PROVIDER=openai` 时进行 LLM 分析所需 |
+| `OPENAI_BASE_URL` | 覆盖 OpenAI 端点（例如指向 Ollama）。 | 可选 |
+| `ANTHROPIC_API_KEY` | Anthropic 提供商（`SKILLSPECTOR_PROVIDER=anthropic`）的凭据。 | 在 `SKILLSPECTOR_PROVIDER=anthropic` 时进行 LLM 分析所需 |
+| `ANTHROPIC_PROXY_ENDPOINT_URL` | Anthropic 代理提供商的完整端点 URL（Vertex 风格 raw-predict）。 | 在 `SKILLSPECTOR_PROVIDER=anthropic_proxy` 时必需 |
+| `ANTHROPIC_PROXY_API_KEY` | Anthropic 代理提供商的 Bearer 令牌。 | 在 `SKILLSPECTOR_PROVIDER=anthropic_proxy` 时必需 |
+| `ANTHROPIC_PROXY_API_VERSION` | 请求体中发送的 `anthropic_version` 值（默认：`vertex-2023-10-16`）。 | 可选 |
+| `AWS_PROFILE` | Bedrock 提供商的命名 AWS 配置文件——通过 boto3 以 SigV4 进行身份验证。未设置时，由标准 boto3 凭据链（环境变量、实例元数据、SSO 等）解析。 | 可选（在 `SKILLSPECTOR_PROVIDER=bedrock` 时使用） |
+| `AWS_REGION` | Bedrock Runtime 端点的 AWS 区域。默认值为 `us-west-2`。 | 可选（在 `SKILLSPECTOR_PROVIDER=bedrock` 时使用） |
+| `SKILLSPECTOR_MODEL` | 覆盖当前提供商的默认模型。各提供商默认值见 LLM Analysis 表。 | 可选 |
+| `SKILLSPECTOR_MODEL_REGISTRY` | 使用自定义路径覆盖捆绑的各提供商 YAML 注册表（`src/skillspector/providers/<provider>/model_registry.yaml`）。 | 可选 |
+| `SKILLSPECTOR_LOG_LEVEL` | 日志级别：`DEBUG`、`INFO`、`WARNING`、`ERROR`（默认：`WARNING`）。 | 可选 |
 
-> **CLI providers** (`claude_cli`, `codex_cli`): No API key is needed. Authentication is managed entirely by the agent CLI's own login session (`claude auth login` / `codex login`). SkillSpector never reads or forwards API keys when these providers are active. The subprocess is run in a hardened sandbox: tools disabled, no MCP, read-only sandbox mode (codex), and untrusted skill content is delivered only via stdin.
+> **CLI 提供商**（`claude_cli`、`codex_cli`）：无需 API 密钥。身份验证完全由 agent CLI 自身的登录会话（`claude auth login` / `codex login`）管理。当这些提供商处于活动状态时，SkillSpector 不会读取或转发 API 密钥。子进程在加固沙箱中运行：工具已禁用、无 MCP、只读沙箱模式（codex），不可信的技能内容仅通过 stdin 传递。
 
-### CLI Options
+### CLI 选项
 
 ```bash
 skillspector scan --help
@@ -588,31 +583,31 @@ Options:
 skillspector baseline <path> [-o FILE] [--no-llm] [--reason TEXT]
 ```
 
-## Integrating SkillSpector
+## 集成 SkillSpector
 
-SkillSpector is built to be driven by other tools (CI pipelines, install gates, editor integrations). Its exit code and JSON output are a stable contract.
+SkillSpector 旨在由其他工具驱动（CI 流水线、安装门禁、编辑器集成）。其退出码和 JSON 输出构成稳定契约。
 
-### Exit codes
+### 退出码
 
-`skillspector scan` exits with:
+`skillspector scan` 退出时返回：
 
 | Code | Meaning |
 |------|---------|
-| `0` | Scan completed, `risk_score` ≤ 50 (recommendation `SAFE` or `CAUTION`) |
-| `1` | Scan completed, `risk_score` > 50 (recommendation `DO_NOT_INSTALL`) |
-| `2` | Error (bad input, unreadable source, internal failure) |
+| `0` | 扫描完成，`risk_score` ≤ 50（建议 `SAFE` 或 `CAUTION`） |
+| `1` | 扫描完成，`risk_score` > 50（建议 `DO_NOT_INSTALL`） |
+| `2` | 错误（输入无效、源不可读、内部故障） |
 
-> The exit code collapses `SAFE` and `CAUTION` into `0`. To act differently on them (e.g. *warn* on `CAUTION` but *block* on `DO_NOT_INSTALL`), read the `recommendation` field from the JSON output rather than relying on the exit code.
+> 退出码将 `SAFE` 和 `CAUTION` 合并为 `0`。若需对二者采取不同处理（例如对 `CAUTION` *警告*，但对 `DO_NOT_INSTALL` *阻止*），请读取 JSON 输出中的 `recommendation` 字段，而非依赖退出码。
 
-### Machine-readable output
+### 机器可读输出
 
-`--format json` produces a JSON report; with no `--output`/`-o` it is written to stdout:
+`--format json` 会生成 JSON 报告；在未指定 `--output`/`-o` 时，报告写入 stdout：
 
 ```bash
 skillspector scan ./my-skill/ --format json
 ```
 
-The top-level shape is (this example shows a full LLM-backed scan; with `--no-llm`, `metadata.llm_requested` is `false`):
+顶层结构如下（此示例展示完整的 LLM 支持扫描；使用 `--no-llm` 时，`metadata.llm_requested` 为 `false`）：
 
 ```json
 {
@@ -624,16 +619,16 @@ The top-level shape is (this example shows a full LLM-backed scan; with `--no-ll
 }
 ```
 
-- `risk_assessment.severity` ∈ `LOW | MEDIUM | HIGH | CRITICAL`.
-- `risk_assessment.recommendation` ∈ `SAFE | CAUTION | DO_NOT_INSTALL`, mapped from severity: `LOW → SAFE`, `MEDIUM → CAUTION`, `HIGH`/`CRITICAL → DO_NOT_INSTALL`.
-- `metadata.llm_error` appears only when LLM analysis was requested but unavailable.
-- The full per-issue shape is defined by `Finding.to_dict()` in [models.py](src/skillspector/models.py); rely on the fields above and treat any additional fields as best-effort.
+- `risk_assessment.severity` ∈ `LOW | MEDIUM | HIGH | CRITICAL`。
+- `risk_assessment.recommendation` ∈ `SAFE | CAUTION | DO_NOT_INSTALL`，由严重程度映射：`LOW → SAFE`、`MEDIUM → CAUTION`、`HIGH`/`CRITICAL → DO_NOT_INSTALL`。
+- 仅在请求了 LLM 分析但不可用时，才会出现 `metadata.llm_error`。
+- 每个问题的完整结构由 [models.py](src/skillspector/models.py) 中的 `Finding.to_dict()` 定义；请依赖上述字段，并将任何额外字段视为尽力而为（best-effort）。
 
-For CI/IDE tooling, `--format sarif` emits SARIF 2.1.0.
+对于 CI/IDE 工具，`--format sarif` 会输出 SARIF 2.1.0。
 
-### Recommended gate mapping
+### 推荐门禁映射
 
-When using SkillSpector as an install gate, map the recommendation to an action:
+将 SkillSpector 用作安装门禁时，请将建议映射为操作：
 
 | `recommendation` | Suggested action |
 |------------------|------------------|
@@ -641,13 +636,13 @@ When using SkillSpector as an install gate, map the recommendation to an action:
 | `CAUTION` | prompt / warn the user |
 | `DO_NOT_INSTALL` | block |
 
-SkillSpector computes the score band and recommendation; how strict the gate is (e.g. whether `CAUTION` blocks in CI) is a policy decision for the integrating tool.
+SkillSpector 会计算分数区间和建议；门禁的严格程度（例如 `CAUTION` 是否在 CI 中阻止）由集成工具自行制定策略。
 
-## Development
+## 开发
 
-### Setup
+### 设置
 
-All `make` targets assume a virtual environment is already created and activated. The Makefile uses **uv** if available, else **pip**.
+所有 `make` 目标均假定已创建并激活虚拟环境。Makefile 在可用时使用 **uv**，否则使用 **pip**。
 
 ```bash
 # Clone, create venv, activate, install dev dependencies
@@ -670,64 +665,64 @@ make lint
 make format
 ```
 
-## How It Works
+## 工作原理
 
-SkillSpector uses a two-stage detection pipeline:
+SkillSpector 采用两阶段检测流水线：
 
-### Stage 1: Static Analysis
-- Fast regex-based pattern matching across 11 static analyzers
-- AST-based behavioral analysis detecting dangerous calls (exec, eval, subprocess, etc.)
-- Live vulnerability lookups via OSV.dev for known CVEs in dependencies
-- Scans all files in the skill
-- High recall (catches most issues)
-- Moderate precision (some false positives)
+### 阶段 1：静态分析
+- 11 个静态分析器基于正则表达式的快速模式匹配
+- 基于 AST 的行为分析，检测危险调用（exec、eval、subprocess 等）
+- 通过 OSV.dev 实时查询依赖项中的已知 CVE
+- 扫描技能中的所有文件
+- 高召回率（能捕获大多数问题）
+- 中等精确度（存在一定误报）
 
-### Stage 2: LLM Semantic Analysis (Optional)
-- Evaluates context and intent
-- Filters false positives
-- Provides human-readable explanations
-- Improves precision to ~87%
+### 阶段 2：LLM 语义分析（可选）
+- 评估上下文与意图
+- 过滤误报
+- 提供人类可读的解释
+- 将精确度提升至约 87%
 
-The LLM prompt includes anti-jailbreak protections to prevent malicious skills from manipulating the analysis.
+LLM 提示词包含防越狱（anti-jailbreak）保护，以防止恶意技能操纵分析过程。
 
-## Live Vulnerability Lookups (SC4)
+## 实时漏洞查询（SC4）
 
-SC4 uses the [OSV.dev](https://osv.dev) API to check dependencies against the full Open Source Vulnerabilities database — covering tens of thousands of advisories across PyPI and npm.
+SC4 使用 [OSV.dev](https://osv.dev) API 对照完整的开源漏洞（Open Source Vulnerabilities）数据库检查依赖项——覆盖 PyPI 和 npm 上数万条公告。
 
-- **No API key required** — OSV.dev is free and unauthenticated.
-- **Batch queries** — all dependencies are checked in a single HTTP call.
-- **Automatic fallback** — if OSV.dev is unreachable (air-gapped/offline), a small built-in fallback list is used.
-- **Caching** — results are cached in-memory for 1 hour to avoid redundant API calls during a session.
+- **无需 API 密钥** — OSV.dev 免费且无需身份验证。
+- **批量查询** — 所有依赖项在单次 HTTP 调用中完成检查。
+- **自动回退** — 若 OSV.dev 不可达（气隙/离线环境），则使用小型内置回退列表。
+- **缓存** — 结果在内存中缓存 1 小时，以避免会话期间重复的 API 调用。
 
-The tool requires outbound HTTPS access to `api.osv.dev` for live vulnerability data. When that is not available, findings are limited to the static fallback list.
+该工具需要对外 HTTPS 访问 `api.osv.dev` 以获取实时漏洞数据。当无法访问时，发现结果仅限于静态回退列表。
 
-## Trust model and data egress
+## 信任模型与数据外泄
 
-SkillSpector is defense-in-depth, not a sandbox. Know what it does and does not do before relying on it:
+SkillSpector 采用纵深防御（defense-in-depth），而非沙箱。在依赖它之前，请了解它能做什么、不能做什么：
 
-- **It never executes the scanned skill.** All analysis is static (regex, Python AST, YARA) plus optional LLM evaluation of file *contents* — the skill's code is never run.
-- **LLM analysis sends file contents to the configured provider.** When LLM analysis is enabled (the default), file contents are sent to the active `SKILLSPECTOR_PROVIDER` endpoint. Use `--no-llm` to keep contents local (static analysis only).
-- **SC4 sends dependency names to OSV.dev.** The supply-chain check queries [OSV.dev](https://osv.dev) with the package names and versions the skill declares, to look up known CVEs. This is fundamental to the check and runs even with `--no-llm`. It sends dependency coordinates (not file contents), requires no API key, and falls back to a bundled list when OSV.dev is unreachable.
-- **It does not sandbox the host.** SkillSpector flags risky patterns *before* you install a skill; it does not contain or isolate a skill you choose to install anyway.
+- **它从不执行被扫描的技能。** 所有分析均为静态（正则、Python AST、YARA），外加对文件*内容*的可选 LLM 评估——技能的代码绝不会被运行。
+- **LLM 分析会将文件内容发送至配置的提供商。** 启用 LLM 分析时（默认开启），文件内容会发送至当前活动的 `SKILLSPECTOR_PROVIDER` 端点。使用 `--no-llm` 可将内容保留在本地（仅静态分析）。
+- **SC4 会将依赖名称发送至 OSV.dev。** 供应链检查会查询 [OSV.dev](https://osv.dev)，使用技能声明的包名和版本查找已知 CVE。这是该检查的基础，即使使用 `--no-llm` 也会运行。它发送的是依赖坐标（而非文件内容），无需 API 密钥，且在 OSV.dev 不可达时回退到捆绑列表。
+- **它不会沙箱化宿主机。** SkillSpector 在你安装技能*之前*标记风险模式；它不会收容或隔离你仍选择安装的技能。
 
-## Limitations
+## 局限性
 
-- **Non-English content**: May miss patterns in other languages
-- **Image-based attacks**: Cannot analyze text in images
-- **Encrypted/binary code**: Cannot analyze compiled or encrypted content
-- **Runtime behavior**: Static analysis only, no dynamic execution
-- **Offline SC4**: Without network access to `api.osv.dev`, SC4 uses a small static fallback list
+- **非英语内容**：可能遗漏其他语言中的模式
+- **基于图像的攻击**：无法分析图像中的文本
+- **加密/二进制代码**：无法分析已编译或加密的内容
+- **运行时行为**：仅静态分析，无动态执行
+- **离线 SC4**：若无法访问 `api.osv.dev`，SC4 使用小型静态回退列表
 
-## Research Background
+## 研究背景
 
-Based on research from "Agent Skills in the Wild: An Empirical Study of Security Vulnerabilities at Scale" (Liu et al., 2026):
+基于《Agent Skills in the Wild: An Empirical Study of Security Vulnerabilities at Scale》（Liu 等，2026）的研究：
 
-- **Dataset**: 42,447 skills from major marketplaces
-- **Vulnerable**: 26.1% contain at least one vulnerability
-- **High-severity**: 5.2% show likely malicious intent
-- **Key finding**: Skills with executable scripts are 2.12x more likely to be vulnerable
+- **数据集**：来自主要市场的 42,447 个技能
+- **存在漏洞**：26.1% 至少包含一个漏洞
+- **高严重性**：5.2% 表现出可能的恶意意图
+- **关键发现**：包含可执行脚本的技能出现漏洞的可能性高出 2.12 倍
 
-## Python API Integration
+## Python API 集成
 
 ```python
 from skillspector import graph
@@ -750,12 +745,12 @@ for finding in result["filtered_findings"]:
 
 ## License
 
-Apache License 2.0 - see [LICENSE](LICENSE) for details.
+Apache License 2.0 - 详见 [LICENSE](LICENSE)。
 
 ## Contributing
 
-Contributions are welcome! Please read our contributing guidelines and submit pull requests.
+欢迎贡献！请阅读我们的贡献指南并提交 pull request。
 
 ## Support
 
-- **Issues**: [GitHub Issues](https://github.com/NVIDIA/skillspector/issues)
+- **Issues**： [GitHub Issues](https://github.com/NVIDIA/skillspector/issues)