技能介绍

解决什么问题

OpenClaw 生态里的技能越来越多，来源也参差不齐。一个看起来无害的技能包，可能悄悄要求安装未知二进制、声明未说明的环境变量，或在安装脚本里夹带全局包安装逻辑。更隐蔽的是仿冒风险：某个技能名只比热门技能多一个字符，普通用户很难分辨。ClawVet 要解决的，就是在安装这一步之前，把这类问题提前暴露出来，而不是等装完才发现问题。

工作原理

ClawVet 把一次审查拆成几层。首先是 Skill Parser，从技能目录里提取 YAML frontmatter、代码块、URL 和域名，把后续分析需要的输入先拉齐。然后是 Static Analysis，用 54 条规则跨多个类别做静态检查，覆盖常见风险模式。第三层是 Metadata Validator，核对技能声明与实际内容是否一致，比如有没有未声明的二进制、未说明的环境变量，或缺失描述。第四层 Dependency Checker 专门盯住 auto-install 和全局包安装这类高风险行为。Typosquat Detector 会计算技能名与热门名称的 Levenshtein 距离，识别可能的仿冒。Semantic Analysis 是 Pro 功能，用 AI 做上下文语义分析。最后，所有发现汇总成一个风险分，落在 0–100 之间：

0–10：A 级，可安全安装
11–25：B 级，可安全安装
26–50：C 级，安装前建议 review
51–75：D 级，需要仔细审查
76–100：F 级，不建议安装

边界与注意点

ClawVet 的规则库再细，也是静态层面的判断。语义层面的恶意，比如一段看似正常、但结合上下文有风险的提示词，仍然需要人工 review。Semantic Analysis 是 Pro 功能，不在默认 CLI 扫描范围内。默认的 CLI 扫描器是无状态工具，不联网、不建数据库，但规则会误报，高分不一定代表真的危险，低分也不意味着绝对安全。它更像一个有明确规则的审查助手，而不是最终决策。