Frisk 本地威胁扫描
将以下提示词粘贴到你的 AI 对话框中：
请根据 https://skillhub.cn/install/skillhub.md，安装 @user_15292d5a/yjkj-frisk。
技能介绍
问题从哪来
AI 代理一旦能执行工具或改文件，单靠「语义护栏」很难挡住供应链攻击。2026 年 ClawHub 上已发现大量恶意技能；更常见的是凭据被带进环境：npm install 跑脚本、依赖被投毒，OpenAI Codex、Red Hat npm、TanStack 等事件里，有效密钥落在错误的人手里， perimeter 拦不住。
注册表侧的 ClawScan 是「进门前的闸」；你仍需要在本机核对已安装、漏网、本地 git/私有包里的技能。
Frisk 怎么做
Frisk 不猜意图，用签名与情报匹配。对 target（本地目录或 ClawHub slug）会拉到 0700 沙箱、去掉执行位、压制 npm install 脚本，对本地缓存跑检查，输出结构化 JSON 报告后清理。
默认七项检查：dep-scan（CISA KEV、OSV）、static-analysis（离线 Semgrep）、secret-scan（Gitleaks + AWS/GitHub/Stripe/Slack 等模式）、yara-scan、ioc-match（ThreatFox、URLhaus 等）、behavioral（eval、shell 注入、外传）、prompt-inject（SKILL.md 藏指令）。情报来自九类公开源；frisk sync 刷新缓存，首次扫描无缓存会自动同步。退出码：0 通过、1 警告、2 失败。
边界与注意
扫描阶段零外联，只读 ~/.frisk/intel/；同步阶段仅拉公开威胁情报，不上传技能内容。适合装前自检、发布前自查、团队评审和 CI。它补的是本地验证，不替代注册表扫描；slug 扫描完会删临时目录，不能代替你对业务逻辑的完整审计。
使用场景
- 从 ClawHub 安装第三方代理技能前，对 slug 跑 secret-scan 与 dep-scan，确认无硬编码 API 密钥与已知漏洞依赖
- 自研技能准备发布到 ClawHub 时，在本地目录全量检查，提前发现 SKILL.md 中的 prompt-inject 与 behavioral 风险
- 安全团队评审拟纳入内部的技能清单，用 JSON 报告记录 ioc-match、yara-scan 的 warn/fail 并跟踪整改
- CI 在技能仓库合并或打包前调用 Frisk，退出码为 2 时阻断流水线并归档扫描报告
适合人员
- 负责 OpenClaw 代理环境与 ClawHub 技能准入、需要可复现本地扫描证据的安全工程师
- 向 ClawHub 发布自研技能、需在上线前自检 Gitleaks 与 Semgrep 命中而不把代码发到第三方的维护者
- 在平台流水线里治理 agent 技能包、要把 Frisk 退出码接入合入门禁的 DevOps / 平台工程同学
- 审核同事从 git clone 或私有源引入的本地技能目录、需对照九源情报做 IOC/YARA 比对的团队负责人
相关技能
基于 @chenglou/pretext 的文本布局引擎，在指定宽度与字体下精确计算高度、行数与逐行内容，支持批量与富文本内联。
基于 SkillHub TRACE 五维标准，约 3 分钟完成评测并输出改进建议，适合上架前自检。
按业务模块插桩结构化 AI-PERF 日志，配合脚本生成中文 HTML 报告，定位 Electron 内存与耗时热点。
用自然语言描述实体与关系，按规范化、索引与外键等实践生成可上线的 SQL/NoSQL 表结构与迁移思路。