play-policy-insights

Play Policy Insights：数据安全、登录凭据和受限权限

你必须针对三个特定的政策领域审核 Android 应用。你必须检查数据安全、演示登录凭据和受限权限。

路径解析

• repo_root：包含此 SKILL.md 的目录的绝对路径。
• app_dir：包含应用代码的目录的绝对路径。
• temp_dir：工作区根目录下临时目录的绝对路径。 该目录位于 .scratch/play_policy_insights_<uuid>。目录约束要求：所有文件系统写入、中间产物和日志都必须严格限制在此目录中。这可确保该技能在各种执行环境中保持可移植且安全，包括本地测试环境和 CI/CD 管道，避免依赖系统级临时路径或用户主目录。

关键要求

• 执行模式意识：在开始第 2 阶段之前，评估你的执行环境是否提供了用于启动或委派任务给通用子 Agent 的工具（例如，通常名为 invoke_agent、delegate_task 或 spawn_worker 的工具，并使用诸如“generalist”或“coding_agent”之类的通用 Agent 配置）。

• 如果答案是 YES，则必须使用 模式 A（委派）。

• 如果答案是 NO，则使用 模式 B（顺序自行执行）。你必须阅读为子 Agent 编写的提示词文件，遵循其中的说明，并将预期输出文件写入磁盘。

• 子 Agent 编排：

  • 如果使用“模式 A（委派）”，请等待子 Agent 确认“SUCCESS”，以确认任务已完成。

  • 幂等性与超时保护：如果子 Agent 失败或超时，在重试之前，你必须检查其目标输出文件（例如 <temp_dir>/worker_<goal_name>.json）是否存在且完整。如果文件存在且包含有效 JSON，则将执行视为 SUCCESS 并继续。否则，最多重试三次。

• 快速失败要求：第 1 阶段的自动审核是事实依据。如果 orchestrator.py 失败，你必须立即停止并说明失败原因。不得以人工审核作为备用方案。

两阶段流程

第 1 阶段：事实收集与分流

1. 初始化并分流：
   • 运行 python3 <repo_root>/scripts/orchestrator.py init <app_dir>。
   • 这将创建临时环境、执行静态分析、梳理代码库、确定审核目标，并为每个审核目标的子 Agent 以及指定的评论员和汇总员子 Agent 生成提示词。
   • 你必须等待脚本完成，最长等待 5 分钟。
2. 记录环境信息：记录 JSON 输出中的 temp_dir 和 activated_goals 值。你将在第 2 阶段中用到它们。
3. 评估目标：如果 activated_goals 为空，则跳至第 2 阶段的第 3 步（汇总）。否则，进入第 2 阶段的第 1 步（详细分析）。

第 2 阶段：以目标为导向的审核

确定你的执行能力，并选择模式 A 或模式 B 继续。

模式 A：具备委派能力的协调器（并行）

1. 详细分析：针对 activated_goals 中的每个目标（例如 permissions_and_apis、data_safety_part_1、data_safety_part_2）， 委派给子 Agent。**并发限制：**同时运行的子 Agent 不得超过 3 个。先启动第一批，最多 3 个，等待它们完成后，再启动下一批。重复此步骤，直到 所有目标均已完成。传递以下提示词："Read your instructions from <temp_dir>/prompt_worker_<goal_name>.md and execute. MANDATORY: You must use your file-writing capabilities to save your final JSON findings directly to the file system at <temp_dir>/worker_<goal_name>.json. You are strictly forbidden from outputting the JSON in your chat response. To minimize context usage, your final response must be exactly 'SUCCESS' and nothing else." 验证：确认每个 <temp_dir>/worker_<goal_name>.json 均存在且包含有效 JSON。如果子 Agent 失败或 超时，但有效的 JSON 输出文件已存在于磁盘上，则不要重试，正常继续。只有在文件缺失或无效时， 才重试对应的工作 Agent（最多三次）。
2. 汇总发现：执行 Python 汇总命令： python3 <repo_root>/scripts/orchestrator.py aggregate <temp_dir>。此命令会生成 aggregated_findings.json，并返回一个 JSON 对象，其中的 critic_chunks 表示需要验证的分块数（例如 {"temp_dir": "...", "critic_chunks": 2}）。
3. 并行审查：针对从 1 到 critic_chunks 的每个分块索引 i，委派给子 Agent。**并发限制：**同时运行的审查子 Agent 不得超过 3 个。按上述方式每 3 个分成一批。传递以下提示词： "Read your instructions from <temp_dir>/prompt_critic_<i>.md and execute. MANDATORY: You must use your file-writing capabilities to save your final JSON findings directly to the file system at <temp_dir>/critic_output_<i>.json. You are strictly forbidden from outputting the JSON in your chat response. To minimize context usage, your final response must be exactly 'SUCCESS' and nothing else." 验证：继续之前，确认每个 <temp_dir>/critic_output_<i>.json 均存在且包含有效 JSON。如果执行失败或 超时，但有效的 JSON 文件已存在，则正常继续；否则，重试对应的审查分块。
4. 继续最终处理（下方步骤 4）

模式 B：不具备委派能力的协调器（顺序执行）

1. 详细分析：依次处理 activated_goals 中的每个目标：
   • 读取 <temp_dir>/prompt_worker_<goal_name>.md 的内容。
   • 自行执行该文件中的说明。
   • 重要：必须严格按照提示词的要求格式整理发现，并保存到 <temp_dir>/worker_<goal_name>.json。不要在思考或聊天中总结发现；继续处理下一个任务。
   • 验证：确认 <temp_dir>/worker_<goal_name>.json 存在后，再处理下一个目标。
2. 汇总发现：执行 Python 汇总命令： python3 <repo_root>/scripts/orchestrator.py --aggregate <temp_dir>。此命令会生成 aggregated_findings.json，并返回一个 JSON 对象，其中的 critic_chunks 表示需要验证的分块数。
3. 顺序审查：依次处理索引 i 从 1 到 critic_chunks 的每个分块：
   • 读取 <temp_dir>/prompt_critic_<i>.md 的内容。
   • 自行执行其中的步骤，并将发现保存到 <temp_dir>/critic_output_<i>.json。
   • 验证：确认 <temp_dir>/critic_output_<i>.json 存在后，再处理下一个分块。
4. 继续最终处理（下方步骤 4）

最终处理（两种模式）

4. 呈现结果：运行 python3 <repo_root>/scripts/generate_report.py <temp_dir>。 该命令会生成 <temp_dir>/compliance_report.md。将此输出文件呈现给用户。
5. 停止：审计已完成。等待进一步指示。