核心用法
safety-checks 是一款面向 Agentic 工作流的运行时安全验证技能，通过 /sc 命令提供四个核心子命令：
- `/sc model` — 验证当前 AI 模型版本是否与配置锁定一致，支持严格模式与宽松警告
- `/sc fallback` — 检查 API、模型、存储三层回退链的可用性，可触发实际回退测试
- `/sc cache` — 基于 TTL 检测缓存条目时效，支持自动清理过期数据
- `/sc session` — 扫描工作区内跨会话状态污染（文件锁、孤儿文件、配置漂移）
所有检查均通过 HEARTBEAT 机制定期触发，形成事前验证（pre-flight）的安全屏障。
显著优点
1. 主动防御而非被动响应：在模型漂移、缓存失效、状态泄漏等问题引发实际故障前捕获异常
2. 声明式安全边界：通过 disable-model-invocation: true 明确承诺不调用 AI 模型，仅读取配置与系统状态，行为完全可预测
3. 精细化的权限隔离：严格限制访问范围为 .openclaw/、.claude/ 及 output/safety/，不触碰系统环境变量或外部目录
4. 多层级回退保障：将 API、模型、存储的容灾能力显性化，避免单点故障导致的系统瘫痪
5. 零外部依赖：无需网络调用，纯本地配置与文件系统操作，离线环境完全可用
潜在缺点与局限性
- 需要前置配置：必须手动维护
safety-checks.yaml中的模型版本号与回退链定义，配置遗漏会导致检查失效 - 工作区隔离依赖：会话污染检测仅限于技能声明的工作区路径，无法检测系统级或用户级的状态泄漏
- 回退测试的副作用：
/sc fallback --test实际触发回退链可能产生资源消耗或短暂的服务降级 - TTL 策略一刀切：缓存时效判断基于固定阈值，难以适应不同业务场景对数据新鲜度的差异化需求
- 无自动修复：除缓存清理与会话状态清理外，模型漂移、回退缺失等问题仍需人工介入决策
适合人群
- AI 系统运维工程师：需要保障多模型、多版本环境下的服务稳定性
- Agentic 工作流开发者：构建复杂多步骤流程，需在关键环节插入前置验证
- 安全合规团队：需要可审计、可复现的运行时安全检查日志
- 离线/边缘部署场景：无法依赖云端监控，需要本地化健康检查机制
常规风险
| 风险类别 | 说明 |
|---------|------|
| 配置漂移 | 模型版本或回退链配置未及时更新，导致检查通过但实际风险存在 |
| 误报清理 | `/sc cache --clear` 或 `/sc session --clear-state` 可能误删仍在使用的文件 |
| 权限边界突破 | 若 OpenClaw 框架本身被突破，技能声明的访问限制可能被绕过 |
| HEARTBEAT 风暴 | 高频自动检查在系统负载高时可能加剧资源竞争 |