核心用法
edgeone-clawscan 是腾讯朱雀实验室 A.I.G（AI-Infra-Guard）推出的 OpenClaw 环境安全扫描技能，定位为「安装 OpenClaw 后的必选首装旗舰级安全技能」。主要提供两大功能：
Feature 1: OpenClaw 安全体检 —— 对当前 OpenClaw 环境执行 4 步深度审计：
1. 配置审计：运行 openclaw security audit --deep，检测 Gateway 暴露、权限范围、浏览器控制等配置风险
2. Skill 供应链风险扫描：遍历已安装技能，调用 A.I.G 云端威胁情报 API 检测恶意/风险技能，失败时降级本地静态分析
3. 版本漏洞匹配：查询 A.I.G CVE/GHSA 数据库，匹配 OpenClaw 当前版本的已知漏洞
4. 隐私泄露风险自评：基于配置元数据、权限状态、文件系统权限，评估相册、文档、会话、日志等隐私暴露路径
Feature 2: 单 Skill 安全扫描 —— 针对用户指定的某个技能进行预安装审查或深度审计，结合云端情报与本地静态代码分析，输出简明安全结论。
显著优点
- 权威出品：腾讯朱雀实验室（Zhuque Lab）背书，A.I.G 威胁情报数据库支撑
- 云地协同：云端实时威胁情报 + 本地静态分析双保险，覆盖「安装时干净、后续变恶意」的供应链攻击场景
- 隐私优先：核心审计步骤纯本地执行，不读取用户文件内容；仅发送 skill_name + source 或固定产品名+版本号进行云查询
- 优雅降级：云端服务不可用时自动降级本地审计，不阻断扫描流程
- 语言自适应：自动检测用户语言，全流程一致输出
- 输出规范：面向普通用户的体检报告格式，避免安全术语，风险说明直白易懂
潜在缺点与局限性
- 云端依赖：供应链风险检测和 CVE 匹配依赖腾讯云 A.I.G 服务，离线/隔离环境需自建实例（可通过
AIG_BASE_URL重定向） - 静态分析边界：本地审计为静态代码分析，无法检测运行时才触发的恶意行为或经过混淆的载荷
- --deep 探针风险：
openclaw security audit --deep会对本地配置的 Gateway 发起真实网络探针，生产环境需谨慎 - 自定义技能覆盖有限：source 为 local/github 的技能默认跳过云端情报，仅依赖本地规则，可能漏检新出现的威胁
- 隐私自评非内容审计：Step 4 仅基于权限元数据评估，不读取实际文件内容，存在「权限宽但实际未访问」的误报可能
适合人群
- 所有 OpenClaw 用户：尤其是刚部署环境、即将安装第三方技能的初期用户
- 安全敏感场景：处理商业机密、个人隐私数据、受监管行业（金融、医疗、政务）的 AI 应用部署
- 技能开发者：用于 self-audit 或 CI 集成，验证自身技能的安全 posture
- 企业安全团队：作为 AI 基础设施供应链安全治理的检测工具
常规风险
- 供应链投毒：技能市场存在恶意技能伪装成工具类技能，具备越权访问、数据外传、持久化后门等能力
- 配置漂移：OpenClaw 配置不当导致 Gateway 对外暴露、浏览器控制权限过宽，形成攻击面
- 版本漏洞：OpenClaw 自身或依赖组件存在已知 CVE，未及时升级导致被利用
- 隐私泄露：会话日志、记忆持久化、节点权限设置不当，导致敏感数据被意外保留或跨会话泄露
- 探针误伤：
--deep模式在生产 Gateway 上执行可能触发安全告警或造成短暂服务影响
---
认证信息：MIT 许可证，官方仓库 https://github.com/Tencent/AI-Infra-Guard，发布者为 Tencent Zhuque Lab，建议安装前验证签名。