核心用法
Crabukit 是专为 OpenClaw 生态设计的安全扫描工具，通过静态分析在技能安装前拦截潜在威胁。主要使用场景包括：
1. 安全安装模式：crabukit install <skill> 先扫描后安装
2. 本地扫描：crabukit scan <path> 审计任意技能目录
3. CI/CD 集成：--fail-on=high 实现自动化安全门禁
4. 规则审计：list-rules 查看全部检测规则
工具采用分层防御架构：Clawdex 数据库提供已知 824+ 恶意技能快速匹配，Crabukit 本地引擎负责零日漏洞的行为分析。检测覆盖六大类风险：硬编码密钥/密码、代码注入（eval/exec/subprocess shell）、高危 Shell 命令（curl|bash、rm -rf）、危险权限请求、元数据异常及已知恶意特征。
显著优点
- 深度集成生态：原生支持 Clawdex 数据库，形成"黑名单+启发式"双保险
- 风险量化输出：0-100 分评分体系 + 四级 severity 分级，决策清晰
- 自动化友好：标准退出码（0/1）和阈值参数，无缝嵌入 CI/CD 流水线
- 零配置运行：Clawdex 自动检测启用，无需手动对接
潜在局限
- 静态分析边界：无法检测运行时动态生成或混淆的恶意代码
- 依赖外部数据库：Clawdex 的覆盖度决定已知威胁识别能力
- 误报可能：过于激进的规则可能标记合法但复杂的技能逻辑
- Python 生态局限：仅支持 OpenClaw/Python 技能，跨平台能力未提及
适合人群
- OpenClaw 技能开发者（发布前自审）
- 企业安全团队（供应链安全审计）
- CI/CD 平台维护者（自动化门禁建设）
- 终端用户（安装不可信来源技能时自保）
常规风险
| 风险类型 | 说明 |
|---------|------|
| 扫描绕过 | 恶意技能可能利用静态分析盲区（动态加载、加密 payload） |
| 数据库滞后 | 零日威胁在 Clawdex 更新前无法识别 |
| 权限误用 | 过度宽松的 `--fail-on` 阈值可能导致漏报或阻断正常发布 |
| 供应链污染 | crabukit 自身若被篡改将失去防护意义，需校验来源 |
整体而言，Crabukit 填补了 OpenClaw 生态的关键安全缺口，是技能供应链中不可或缺的基础防护层，但需与人工审计、沙箱测试等手段配合使用。