核心用法
guard-scanner 是专为 OpenClaw AI agent 设计的安全扫描与审计工具，采用双重防御架构：
静态扫描（150项规则）：通过 npx guard-scanner 对技能目录进行即时分析，支持 --strict 严格模式、--verbose 详细输出及 --html 报告生成。适用于安装前预检、更新后验证及 CI/CD 流水线门禁。
运行时守卫（26项检测/5层防护）：作为 OpenClaw 插件通过 before_tool_call 钩子实时拦截危险调用，提供 monitor（仅记录）、enforce（拦截关键威胁，默认）、strict（拦截中高威胁）三级模式。
显著优点
- 威胁覆盖全面：23个类别涵盖提示注入、凭证窃取、数据外泄、恶意代码、MCP安全、向量数据库投毒等新兴攻击面
- 零信任设计：零外部依赖、零网络请求、零遥测采集，纯本地确定性分析（无LLM调用）
- 性能极致：单次扫描耗时0.016ms，不影响agent工作流响应
- 实战验证：源于2026年2月真实身份劫持事件（SOUL.md篡改），由受害者直接开发
- 合规对齐：覆盖OWASP ASI01-ASI10（9/10项）、Snyk ToxicSkills分类、5个CVE-2026漏洞特征
潜在局限
- 灵魂锁依赖：内存投毒、身份劫持等2项高级检测需手动启用
--soul-lock标志 - OpenClaw生态绑定：运行时守卫深度耦合 OpenClaw 钩子系统，迁移成本较高
- 无自动修复：仅检测不修复，需人工审查后处置
- 规则更新滞后：静态模式匹配对新变异攻击存在天然滞后性
适合人群
- AI agent开发者：构建/分发skills前的安全自检
- 企业安全团队：建立skills供应链准入标准
- 红队/安全研究员：评估agent生态攻击面
- 高频使用外部skills的终端用户：定期审计工作区安全状态
常规风险
- 误报干扰：严格模式下可能阻断合法但写法激进的skills
- 绕过可能：纯静态分析面对高强度混淆（如自定义编码+动态解码）存在漏检概率
- 配置错误：runtime模式配置不当可能导致
enforce变monitor的安全空窗