Cheat Code

核心用法

Skill Hunter 是 ClawHub 生态的官方技能发现引擎，提供三种互补的工作模式：

• Hunt 模式：语义搜索。用户用自然语言描述需求，系统基于语义索引返回相关性排序的技能列表，支持通过 API 直接获取结构化数据。
• Scout 模式：趋势浏览。按热度、最新发布、下载量等维度探索平台技能生态。
• Vet 模式：安全预审。远程读取目标技能的 SKILL.md 原文，评估安全画像后再决定是否安装。

全程命令行驱动，输出 JSON 便于管道化处理，适合自动化工作流集成。

显著优点

1. 官方可信：直接调用 clawhub.ai 公共端点，数据来源权威，无第三方中间层
2. 零依赖安装：无需凭证、环境变量或外部包，开箱即用
3. 安全前置：安装前可完整审查技能文档与安全声明，降低供应链风险
4. 语义智能：超越关键词匹配，理解「代码审查安全」等场景化表达

潜在局限

• 依赖 ClawHub 平台在线可用性，离线环境无法使用
• 仅覆盖已上架平台的技能，私有或未发布技能不在索引内
• 安全预审依赖技能作者主动披露，存在信息不完整可能
• 暂无本地缓存机制，重复查询产生冗余网络开销

适合人群

• 频繁探索新技能的 ClawHub 高级用户
• 企业内需要批量评估、标准化引入技能的 DevOps/平台团队
• 对供应链安全敏感、坚持"先审后装"策略的安全工程师

常规风险

| 风险项 | 评估 |

|--------|------|

| 数据泄露 | 仅发送搜索关键词至官方平台，无敏感数据外泄 |

| 恶意回传 | 代码无外部依赖，无隐蔽网络行为 |

| 供应链攻击 | 自身为平台官方工具，非第三方封装 |

| 审查绕过 | 依赖作者自述，需结合人工复核 |

核心用法

Skill Hunter 是 ClawHub 平台的官方 Skill 发现与管理工具，提供三种互补的工作模式：

Hunt（精准搜索）：当用户明确知道需要什么功能时，可用自然语言描述需求，Skill Hunter 会调用 ClawHub 语义索引 API 返回相关性排序的匹配结果，支持按安全评分、下载量等维度筛选。

Scout（趋势探索）：用于浏览平台热门内容，可查看 trending、newest、most-downloaded 等榜单，帮助用户发现新兴工具和社区精选。

Vet（安全审查）：这是 Skill Hunter 的核心差异化能力。在安装任何 Skill 之前，用户可远程读取其 SKILL.md 文档、查看安全认证报告、理解该 Skill 将在本地执行的具体操作，实现"先知情，后安装"的安全决策流程。

显著优点

极致安全设计：作为纯 Markdown 文档型 Skill（T-MD 分类），本身不含任何可执行代码，零外部依赖，零供应链攻击面。所有网络请求仅指向 clawhub.ai 官方公共 API，数据传输采用 TLS 1.3 加密。

生态整合深度：与 ClawHub 平台原生集成，直接访问语义搜索引擎和统一安全认证体系（CLS-Certify），信息权威且实时同步。

安全评估赋能：不仅自身安全，更教授用户安全评估方法论，内置完整的 Red flags 检查清单和安全框架，提升整个生态的用户安全意识。

潜在缺点与局限性

平台绑定性：功能完全依赖 ClawHub 生态，无法用于搜索或评估其他来源的 Agent Skills 或 MCP 工具。

实时性依赖：搜索结果和趋势数据依赖平台后端服务，离线环境下无法使用。

功能边界：作为纯文档型 Skill，本身不执行安装操作，用户仍需通过 ClawHub CLI 或界面完成最终安装步骤。

覆盖范围：仅覆盖已上架 ClawHub 的技能，未上架或私有仓库的技能无法检索。

适合的目标群体

• ClawHub 新用户：快速了解平台能力边界，建立安全的 Skill 使用习惯
• 安全意识强的开发者：需要在生产环境引入第三方 Skill 前的合规审查
• 效率工具爱好者：通过趋势榜单和语义搜索发现提效工具
• 团队管理员：为组织筛选和预审查可使用的 Skill 清单
• 安全审计人员：需要标准化 Skill 评估流程和检查框架

常规使用风险

性能层面：API 调用受网络延迟影响，大量并发查询可能触发速率限制，建议合理控制批量操作频率。

依赖层面：虽然 Skill 本身零依赖，但 ClawHub 平台服务的可用性直接影响功能，建议关注平台状态公告。

认知层面：安全评分和认证报告基于代码快照，不保证后续版本的持续安全，重要 Skill 建议启用版本锁定或自动更新通知。

误判风险：语义搜索基于描述文本匹配，可能与实际功能存在偏差，关键场景建议结合 Vet 模式的人工审查。