核心用法
guard-scanner 是一款专为 AI Agent 技能设计的安全扫描工具，提供静态扫描与运行时防护双层机制。
静态扫描：通过 147 个正则模式检测代码层面的恶意特征，支持 CLI 直接调用，可扫描整个技能目录或单个技能包，输出 JSON/SARIF/HTML 格式报告。典型命令如 npx guard-scanner /path/to/skill --strict --verbose。
运行时防护：作为 OpenClaw 插件，通过 before_tool_call 钩子实时拦截 26 类危险操作，分 monitor（仅记录）、enforce（默认，阻断严重威胁）、strict（严格模式）三档策略。
显著优点
- 零依赖架构：无第三方包，彻底规避供应链攻击
- 极致性能：单次扫描 0.016ms，支持 CI/CD 流水线无缝集成
- 威胁覆盖全面：23 大类涵盖 Prompt 注入、身份劫持、数据外泄、CVE 漏洞模式、MCP 安全、向量库投毒等前沿攻击面
- 隐私优先：零网络请求、无遥测、只读扫描、审计日志本地存储
- 确定性检测：纯静态分析，不调用任何 LLM，结果可复现
潜在局限
- 无动态行为分析，难以捕获多阶段复杂攻击链
- 依赖特征库更新，新型变种可能存在检测延迟
- 部分高级功能（内存投毒、身份劫持检测）需
--soul-lock显式开启 - 仅支持 OpenClaw 生态，其他 Agent 框架需适配
适合人群
- AI Agent 开发者与运维团队
- 企业安全工程师（需 gate 外部技能引入）
- 红队/渗透测试人员评估技能供应链风险
- 对零信任架构有要求的金融、医疗等敏感行业
常规风险
- 误报率：严格模式下可能阻断合法但复杂的动态代码模式
- 绕过风险：特征库滞后性或高级混淆技术可能导致漏报
- 运行时钩子性能开销：高频工具调用场景需基准测试
- 配置误用：monitor 模式仅记录不阻断，生产环境若未切换至 enforce/strict 则失去防护价值