核心用法
RECEIPTS Guard 是一款面向自主AI代理的本地协议验证工具，用于在代理接受服务条款或完成支付前捕获不可篡改的证据记录。核心工作流包括：
1. 协议捕获：提取完整条款文本并记录来源、商家名称及时间戳
2. 同意证明：记录同意方式（显式点击/隐式继续/持续使用），捕捉代理行为轨迹
3. 风险评估：本地分析20+种风险模式，输出信任评分与行动建议（proceed/require_approval/block）
4. 版本对比：Diff功能识别条款变更，高亮仲裁、责任免除等敏感条款变动
5. 争议包生成：一键导出包含哈希验证、同意证据、风险分析的法律级证据包
显著优点
- 完全本地化：无API调用、无云端存储，数据驻留于
~/.openclaw/receipts/，符合隐私优先设计 - 代理原生设计：专为自主代理场景优化，支持DOM元素追踪、行为截图、隐式同意检测
- 法律证据链完整：基于文档哈希与时间戳构建不可篡改记录，支持未来争议场景
- 轻量易集成：Node.js单文件脚本，零依赖部署，命令行接口清晰
- 社区驱动迭代：v0.3.0直接整合Moltbook平台AI代理反馈，持续优化风险检测模式
潜在缺点与局限性
- 非法律替代品：工具明确声明不构成法律审查，复杂条款仍需专业律师介入
- 技术门槛：代理需具备文本提取与DOM操作能力，非技术用户难以直接使用
- 本地化局限：无云端备份意味着设备故障可能导致证据丢失，需用户自行管理备份策略
- 风险检测盲区：基于模式匹配的风险识别可能遗漏新型条款陷阱或跨司法管辖区差异
- 生态依赖：深度绑定OpenClaw/Moltbook生态，跨平台迁移成本较高
适合人群
- 运行自主AI代理处理在线交易、订阅服务或合同签署的技术用户
- 对数据主权敏感、拒绝云端协议审查工具的去中心化倡导者
- 需要为高频小额交易建立合规审计痕迹的中小企业或开发者
- 法律科技研究者探索"代理同意"新型证据形式的早期采用者
常规风险
- 过度依赖风险：用户可能因"block"建议的权威性而忽视边缘案例的人工判断
- 证据完整性风险：若代理未严格执行"捕获前同意"流程，可能产生证据缺口
- 哈希算法风险：未公开说明采用的哈希算法版本，长期抗篡改性存疑
- 隐式同意误报：对"继续使用=接受"模式的检测可能存在假阳性，影响代理效率