基于 OpenClaw 平台内置 LLM 的本地安全审计技能，主动扫描配置文件中的 16 项风险点，生成附带修复方案的结构化报告。
说明：
# OpenClaw Security Audit Skill 综合性评估报告
## 一、核心用法
OpenClaw Security Audit Skill 是一款专为 OpenClaw 平台设计的本地化配置安全审计工具。其核心机制是通过读取用户本地的 OpenClaw 配置文件（默认路径为 `~/.openclaw/openclaw.json`），利用系统基础工具 `cat` 和 `jq` 提取与安全相关的元数据，绝不接触真实的密钥或令牌内容。随后，该技能会将提取到的元数据结构化整理，交付给用户已配置好的 LLM（如 Claude Opus、GPT、Gemini 或本地模型），由大语言模型生成详细的安全审计报告。报告涵盖了 16 项以上的安全检查，包括 API 密钥硬编码检测、网关绑定安全、通道访问控制、工具策略、沙箱启用状态、速率限制、Webhook 端点等，并根据严重程度（Critical/High/Medium/Low）进行分类，最终输出 0-100 分的整体风险评分及分步修复路线图。
## 二、显著优点
1. **极致的安全设计**：技能本身为纯 Markdown 指令集，不包含任何可执行代码、二进制文件或第三方依赖项。这种无代码架构从根本上消除了恶意脚本注入、依赖供应链投毒等传统安全风险。
2. **零网络暴露**：整个审计过程完全在本地执行，技能不向外部发送任何网络请求，确保被审计的配置元数据永远不会外泄到远程服务器。
3. **严格的隐私保护指令**：Skill 的内置数据规则明确规定了秘密信息剥离流程，要求在分析前剔除所有真实密钥，仅保留元数据，从设计逻辑上最大化保护了用户的隐私。
4. **深度的平台集成**：它利用了 OpenClaw 原生的 Agent 能力，能够无缝调用用户已有的顶级 LLM，生成比传统脚本式扫描更具上下文理解能力和可读性的叙事型安全报告。
## 三、潜在缺点或局限性
– **指令依赖性风险**：该技能的核心隐私保护机制（Secret Stripping）完全依赖于 Agent 对自然语言指令的忠实执行，而非编程语言层面强制实行的数据过滤器。在极端的提示注入（Prompt Injection）场景下，恶意构造的配置内容可能绕过这种纯文本指令的保护，导致秘密数据被引入分析上下文。
– **来源信誉尚浅**：该技能由个人开发者 Muhammad-Waleed381 维护，目前属于首个正式版本 (v1.0.0)，来源评级为 T3。相比大型组织或广泛验证的社区项目，其长期维护承诺和代码变更的持续性还有待观察。
– **示例文件存在误导风险**：技能包内的 `examples/` 目录中包含了一些非 OpenClaw 原生的通用审计示例（如引用 `./demo-app` 等路径），可能会给初次使用者或 Agent 模型带来输出格式上的误解。
## 四、适合的目标群体
该技能非常契合关注部署安全的 OpenClaw 个人用户及小团队 DevOps 运维人员。对于那些需要定期自检网关暴露风险、排查通道权限过度放大问题，且希望利用现有 LLM 资源获得智能修复建议的用户而言，它是一个低侵入性、即插即用的得力助手。不过，对于配置中存有极其敏感的商业机密且对 Prompt 攻击防御有严苛要求的大型企业安全团队，则需要进一步评估其纯指令式脱敏机制。
## 五、使用该技能可能存在的常规风险
– **性能风险**：技能本身仅调用 `cat` 和 `jq`，资源消耗极低，不会引发性能问题。其最终报告生成速度完全取决于用户所选 LLM 后端（如 GPT 或 Gemini）的推理速度。
– **操作风险**：技能仅提供审计和报告功能，不会自动执行任何修复操作。这既是安全上的优点（防止误操作），也意味着用户需要手动跟进修复方案，若理解不当可能产生配置错误。
– **依赖项风险**：该技能依赖 `cat` 和 `jq` 这两个极其常见且稳定的 Unix 工具，在现代 Linux/macOS 发行版中几乎不会遇到兼容性问题。
整体而言，这是一款体量轻盈、安全设计严谨的本地指令集技能，在安全评级为 A 级的庇护下，能有效辅助用户改善 OpenClaw 实例的安全姿态。
会员专属
