skill-scan

核心用法

skill-scan 是 OpenClaw 生态系统的官方安全审计工具，专为 Agent Skill 包提供安装前安全检测。用户可通过 skill-scan scan-hub <slug>> 直接扫描 ClawHub 注册表中的技能，或使用 skill-scan scan /path/to/skill 审计本地技能目录。工具支持批量扫描、JSON 输出、静默模式等多种用法，并可集成 --llm 选项启用 GPT-4o-mini 或 Claude 的深度语义分析。

显著优点

该工具采用业界领先的六层分析架构：模式匹配层（60+ 检测规则）、AST/逃避分析层、提示注入检测层、LLM 深度分析层、对齐验证层和元分析层。这种分层设计既能实现毫秒级快速筛查，又能通过语义理解捕获复杂威胁。特别值得称道的是其上下文感知评分系统，能智能识别合法的 API 调用（如 GitHub API）并降低误报，避免对正常技能过度告警。此外，工具提供完整的 CI/CD 集成能力，通过退出码（0/1）实现自动化决策，并内置随机分隔符机制防止 LLM 提示注入攻击。

潜在缺点与局限性

作为安全扫描工具，skill-scan 的LLM 深度分析功能依赖外部 API（OpenAI/Anthropic），这意味着：需要额外配置 API 密钥、产生调用成本、存在网络延迟（15-60 秒超时），且可能受限于服务商的可用性。虽然静态分析层完全离线运行，但最高级别的威胁检测能力并非开箱即用。此外，工具的检测规则基于已知威胁模式，对于零日攻击或高度定制化的恶意代码可能存在检测盲区，需要结合人工审计弥补。

适合的目标群体

• OpenClaw Agent 用户：任何从 ClawHub 安装技能的终端用户，尤其是非技术背景用户
• 企业安全团队：需要将技能安全审查纳入 DevSecOps 流程的组织
• 技能开发者：在发布前自检技能包，确保通过安全扫描
• 平台运营方：构建自动化技能审核 pipeline 的基础设施团队

使用风险

• 性能开销：LLM 模式下的深度分析可能显著延长扫描时间
• 依赖项风险：虽仅依赖 httpx 一个外部库，但仍需关注其供应链安全
• 子进程调用：工具内部调用 clawhub 和 openclaw CLI，若这些工具被篡改可能影响扫描结果
• 临时目录管理：scan-hub 功能会创建临时目录下载技能，虽使用 mkdtemp 安全创建，但在极端情况下（如磁盘满、权限问题）可能引发异常