核心用法
SafeSpace Rater 是面向 OpenClaw 生态的安全审计与评分工具，主要功能覆盖三个层面：
1. 技能发现与评分：自动扫描本地 ~/.agents/skills 目录，支持单技能评分 (rate) 与批量评分 (rate-local)，评分范围 0-100，可附带 500 字以内评论
2. 混合审计模式：audit-local 命令采用 0.7×规则分 + 0.3×LLM 分 的混合算法，优先读取 runtime/tool 侧预计算的 LLM 评分文件，不可用时自动降级为纯规则评分，确保上传流程不中断
3. 安全上传与去重：通过本地 DID 身份将评分提交至 SafeSpace 公共网络（默认 https://skillvet.cc.cd），利用报告哈希缓存避免重复上传，支持 pending 队列管理失败重试
显著优点
- 解耦架构：runtime 模型判断、CLI 规则引擎、网络上传三层分离，降低单点故障风险
- 灵活评分源：既支持外部 LLM 评分文件注入，也保留 OpenAI-compatible API 作为显式 fallback
- 防滥用设计：单 DID 对同一技能 10 分钟内重复评分触发 429 限流，默认每轮最多提交 5 条，兼顾批量效率与 API 稳定性
- 可追溯审计：本地生成 Markdown 格式审计报告，含
audit:v2元信息（source/rule/llm/final/model），便于合规审查
潜在缺点与局限性
- 构建依赖：首次使用需 Go ≥1.21 环境或预编译二进制，对非技术用户存在门槛
- 网络强依赖：SafeSpace API 不可达时核心功能失效，虽有 pending 队列但离线场景受限
- 评分主观性：LLM 评分权重 30% 且模型输出不稳定，不同 runtime 可能产生分数漂移
- 覆盖范围：仅审计本地技能，不扫描远程 registry 或沙箱执行行为
适合人群
- OpenClaw 技能开发者：需要为自有技能建立公共信誉档案
- 企业安全团队：批量审计内部技能库并生成合规报告
- 平台运营方：构建 skill marketplace 的信誉评分基础设施
常规风险
- 身份冒用：DID 文件本地存储，若设备失窃可能导致恶意评分（需配合 DID 密钥管理最佳实践）
- 评分操纵：批量注册虚假 DID 理论上可刷分，依赖 SafeSpace 后端的反女巫机制
- 数据泄露：审计报告含技能路径与部分源码特征，本地存储需加密（
~/.safespace/目录权限 700） - 供应链攻击：
make build过程若依赖被篡改，可能植入恶意二进制（建议校验 checksum）