核心用法
skill-auditor 是一款专为 OpenClaw/Claude 生态设计的多层安全扫描工具，提供从基础到高级的完整检测能力。核心功能基于零依赖的静态模式分析，通过正则表达式检测 40+ 种威胁模式，包括提示词注入、数据外泄、敏感文件访问、路径遍历等。用户可通过 node scripts/scan-skill.js <skill-directory> 立即扫描本地技能，或使用 scan-url.js 直接审计 GitHub 仓库而无需克隆。
进阶用法包含三大可选模块：Python AST 数据流分析可追踪跨函数的敏感数据流动（如环境变量→网络请求）；VirusTotal 集成支持对二进制文件进行 70+ 引擎的恶意软件检测；LLM 语义分析则通过 AI 判断检测到的行为是否与技能描述相符，有效降低误报。输出格式支持 JSON、SARIF（兼容 GitHub Code Scanning）及可视化报告，可无缝集成到 CI/CD 流水线实现自动化安全门禁。
显著优点
零依赖开箱即用：核心扫描器仅依赖 Node.js 内置模块，无需安装即可在所有平台运行，极大降低了使用门槛。多层检测架构：从静态正则、AST 数据流、病毒扫描到语义理解，提供纵深防御能力，且所有高级功能均为 opt-in，用户完全掌控功能边界。生态原生集成：深度理解 OpenClaw 特性，专门检测 MEMORY.md 操作、session 工具滥用、Node 设备访问等生态特定风险。企业级集成：原生支持 SARIF 格式，可直接上传至 GitHub Security tab，支持 --fail-on-findings 实现自动化阻断。
潜在缺点与局限性
来源可信度限制：当前为 T3 级个人开发者（rubenaquispe）维护，虽代码开源可审计，但缺乏知名基金会或安全公司的背书。高级功能配置成本：AST 分析需安装 Python 和 tree-sitter；VirusTotal 需申请 API Key；LLM 分析依赖 OpenClaw 网关运行，这些都会增加使用复杂度。检测能力边界：对全新的未知攻击技术（Novel obfuscation）或高度混淆的代码可能漏报；Python AST 目前仅支持基础数据流追踪，跨语言分析能力有限。性能与频率限制：VirusTotal 免费版限 500 次/天；大型技能仓库的递归扫描可能耗时较长。
适合的目标群体
技能开发者：在发布前自检代码安全性，避免意外引入敏感操作。平台管理员：定期审计 audit-installed.js 扫描已安装的全部技能，防范供应链攻击。DevOps 工程师：将扫描步骤嵌入 GitHub Actions，实现 PR 阶段的自动化安全审查。安全意识强的终端用户：在安装第三方技能前进行快速风险评估，尤其适合处理敏感数据的企业环境。
使用风险
代码执行风险：scan-url.js 第 21 行使用 eval() 解析本地 PATTERNS 数组，虽数据来源为内置可信文件，但仍构成潜在攻击面。权限要求：作为安全扫描工具，必须访问文件系统读取被测技能内容，在极端情况下若被测技能包含特殊构造的硬链接或符号链接，可能引发路径遍历（尽管已做防护）。外部依赖风险：启用 LLM 分析时需连接外部网关，存在数据泄露至 AI 服务的风险；VirusTotal 扫描会将文件哈希上传至云端。局限性认知：该工具仅为防御层之一，无法替代人工代码审查，对于零日攻击或逻辑后门检测能力有限，高敏感环境需结合其他安全工具使用。