核心用法
Skill Auditor 是专为 OpenClaw/ClawHub 生态设计的安全扫描工具，提供从安装前检查到持续监控的完整安全工作流。主要操作模式包括：
- 单技能审计：
audit.sh执行18项安全检测 - 信任评分：
trust_score.py输出0-100分的五维评估（安全35分、质量22分、结构18分、透明度15分、行为10分） - 版本对比：
diff-audit.sh识别更新引入的安全回退 - 趋势追踪：
--save-trend存储历史分数，支持长期健康监控 - 批量扫描：
audit-all.sh与benchmark.sh适用于企业级技能资产管理
显著优点
1. 检测能力领先：业界首个在技能文档中识别提示注入攻击（prompt injection）的扫描器，覆盖Agent操控指令、角色劫持、隐藏HTML指令等攻击向量
2. 检测维度全面：18项检查涵盖凭据窃取、混淆载荷、加密钱包地址、依赖混淆、域名仿冒、符号链接攻击、下载执行、权限提升等关键威胁类别
3. 误报控制优秀：明确区分代码中的敏感操作与文档中的凭据提及（后者仅标记INFO），并内置12个测试技能验证检测精度
4. 运维友好：支持JSON输出便于CI/CD集成，提供明确的退出码（0=通过/1=需审查/2=失败），内置允许列表机制减少重复审计负担
潜在局限
- 生态专属性：专为OpenClaw/ClawHub设计，无法直接应用于其他Agent平台（如LangChain、AutoGPT等）的技能格式
- 静态分析边界：对运行时行为（如动态代码生成、外部API返回的恶意指令）检测能力有限
- 评分主观性：五维评分权重固定，可能不完全匹配特定组织的风险偏好
- 无自动修复：仅提供检测报告，不主动清理或隔离恶意技能
适合人群
- OpenClaw/ClawHub 用户：任何从公共仓库安装技能的终端用户
- 安全团队：需要建立技能供应链安全管控的企业安全运营人员
- 技能开发者：希望自检发布前安全质量的技能作者
- 合规审计人员：需生成标准化安全报告以满足内控或监管要求
常规风险
- 过度依赖评分：60分以下（D级）明确建议拒绝，但40-60分区间仍需人工判断，不可完全自动化决策
- 滞后性威胁：新出现的攻击向量（如针对特定LLM模型的越狱提示）可能未被现有规则覆盖
- 允许列表滥用：盲目将技能加入
allowlist.json会削弱整体防护，需配套变更审查流程 - 供应链信任：工具本身依赖Python和Bash环境，需确保执行环境未被篡改