AI技能安全审查工作流，识别风险信号与证据不足的声明，支持可选验证报告，但不执行加密验证或证明安全
说明：
## 核心功能
Skill Vetter v2 是一款面向 Claude/OpenClaw 生态的**验证引导型审查工作流**，用于在安装或发布前检查技能包的安全性。其核心价值在于**本地优先决策**——通过结构化分析帮助用户识别风险，而非外包安全判断。
### 四大评估维度
1. **目的与范围**：声明功能与实际请求能力的匹配度
2. **安装时行为**：文件写入、包安装、钩子注册、系统修改
3. **运行时行为**：命令执行、网络/API 访问、数据处理方式
4. **信任依赖**：透明可审查 vs 模糊不可验证的外部依赖
### 显著优点
– **本地决策优先**：明确拒绝”外包安全判断”，保持用户审查权
– **结构化输出**：统一 JSON 报告格式，风险分级（低/中/高/极端）
– **可选验证层**：完成本地审查后，可验证报告结构一致性（非安全证明）
– **红旗清单完整**：覆盖凭证请求、混淆代码、越界写入、静默外传等关键风险
– **数据最小化**：验证时仅传输结构化报告，禁止发送密钥、私钥、个人数据
### 潜在局限
– **不执行加密验证**：明确声明自身不做签名验证、收据生成或安全证明
– **依赖人工解读**：风险评估需用户结合上下文判断，非全自动决策
– **验证为可选步骤**：用户可能跳过，降低审计追溯性
– **无运行时监控**：仅静态分析，不拦截实际执行
### 适合人群
– AI 技能开发者（发布前自检）
– 企业安全团队（第三方技能准入审查）
– 谨慎终端用户（安装不明来源技能前评估）
### 常规风险
– **误判风险**：静态分析可能漏过动态加载的恶意代码
– **验证误用**：用户可能将”报告验证通过”误解为”技能安全”
– **供应链风险**：OpenClaw/ClawHub 本身成为信任锚点
会员专属
