Skill Scan 是 OpenClaw 生态中的一款专业安全审计工具，专为 Agent 技能包设计，旨在在安装前识别潜在的安全威胁。它通过多层静态分析技术，对技能代码进行深度检测，覆盖恶意代码、规避手段、提示注入攻击以及行为异常等关键风险点。该工具不仅适用于本地技能目录的扫描，还能直接从 ClawHub 注册表中拉取技能进行预安装检查，确保用户引入的任何第三方技能都经过严格审查。其核心优势在于结合规则匹配与可选的 LLM 驱动深度分析，实现高精度威胁识别，同时通过上下文感知评分机制显著降低误报率，特别适合 API 类技能这类常见但需谨慎处理的场景。
核心功能特点
- 支持六层综合检测：包括模式匹配、抽象语法树分析、规避技术识别、提示注入探测、LLM 深度研判和行为对齐验证
- 内置60多项检测规则，涵盖执行威胁（如 eval/exec）、凭证窃取、数据外泄、文件操作、代码混淆及高级提示注入手法
- 提供智能风险评分系统（0-100分），划分为 LOW/MEDIUM/HIGH/CRITICAL 四个等级，并对应明确的操作建议
- 具备多格式输出能力：默认文本报告、JSON、紧凑模式和静默模式，便于集成到自动化流程或人工审阅
- 支持 ClawHub 直连扫描和批量本地技能审计，兼容 Python 3.10+ 环境，静态分析无需外部 API 调用
适用场景
Skill Scan 的核心价值体现在对技能安装前的强制安全检查上，尤其推荐在以下场景中优先使用：当用户请求从 ClawHub 安装任意非本人开发的技能时，必须首先运行扫描；对于团队间共享或公共仓库发布的技能包，也应视为高风险对象进行前置审计；此外，任何未亲自审核过的技能包都应触发自动扫描流程。对于已部署环境，定期批量扫描现有技能目录有助于发现长期潜伏的风险项。该工具特别擅长识别隐蔽性强的攻击手法，例如利用 Unicode 编码绕过过滤、构造伪装成正常指令的提示注入 payload，或通过字符串拼接动态生成危险函数调用，这些复杂威胁仅靠人工审查极易遗漏。因此，无论是个人开发者还是企业级 Agent 管理平台，都将 Skill Scan 作为保障技能供应链安全的必备防线。