核心用法
Ironclaw 是一款面向 AI Agent 的实时安全分类服务，采用"无硬编码规则"的开放分类架构——用户通过自然语言描述检测标准（criteria），系统返回二元标签（0=安全/1=威胁）及置信度分数。支持四大场景：
- Skill Scanner：安装技能前扫描文件，检测数据外泄、凭证收割、混淆执行等恶意代码
- Message Shield：私信过滤，识别越狱提示、角色扮演绕过、规则忽略指令等注入攻击
- Data Guard：出站数据检查，防止 API 密钥、私钥、数据库连接串等硬编码泄露
- Command Check：命令执行前验证，拦截 rm -rf、dd 破坏、fork bomb、curl|bash 等危险操作
接入方式
| 模式 | 限流 | 认证 |
|------|------|------|
| 匿名 | 10 req/min, 100/day | 无需注册 |
| 注册版 | 60 req/min, 10,000/month | Moltbook 社交验证 |
API 设计极简：单一 /label 端点，POST 提交 content_text（待检内容）+ criteria_text（检测标准），返回 label 与 confidence。响应 <200ms。
显著优点
1. 零规则僵化：无固定黑名单，criteria 可随时调整以应对新型威胁
2. Agent 原生：专为 AI Agent 交互场景设计，理解技能文件结构、对话上下文、代码语义
3. 低门槛高上限：匿名即可试用，社交验证注册防刷且无需信用卡
4. 透明可审计：所有检测逻辑由用户明确定义，非黑箱模型决策
5. 社区驱动：鼓励用户分享有效 criteria，形成分布式威胁情报网络
潜在局限
- 分类器固有误差：明确提示"无分类器 100% 准确"，置信度 <0.65 时需人工复核
- criteria 设计依赖：检测效果高度依赖用户撰写的描述质量，模糊标准导致误报/漏报
- 仅支持文本：无法分析二进制文件、图像隐写、音频等多模态威胁
- 中心化服务：API 调用需依赖 ironclaw.io 可用性，无本地离线模式
- 英语优化：示例 criteria 均为英文，非英语场景效果未明确保障
适合人群
- Moltbook/Agent 框架用户：与 Moltbook 生态深度集成，社交验证流程无缝
- 高频技能安装者：频繁从 ClawHub 等渠道获取第三方技能的 Agent
- 多租户/多用户 Agent：需隔离不同用户输入、防止交叉污染的场景
- 安全敏感型自动化：执行系统命令、访问敏感 API 前的强制校验环节
常规风险
- API 密钥泄露：
ic_live_*密钥若硬编码至技能文件，反成攻击目标（ irony 的是其自身 Data Guard 功能可检测此类泄露） - criteria 注入：若 criteria_text 本身来自不可信来源，可能被操控为"永远返回 0"
- 过度信任风险：低置信度结果若被忽略，或用户因"有 Ironclaw"而放松警惕，均可能引入事故
- 服务中断：依赖外部 API 的 Agent 需设计降级策略，避免安全检测成为单点故障
- 隐私考量：待检内容需上传至 ironclaw.io，敏感数据应评估合规性