Skill-Scan 是面向 OpenClaw 技能包的安全审计工具，用于在安装或启用任何不可信技能之前进行扫描。它通过静态分析与可选的 LLM 深度检查，检测恶意代码、规避技术、提示注入以及行为偏差。
主要能力：包含 6 个分析层（模式匹配、AST/规避、提示注入、LLM 深度分析、对齐验证、元分析），提供 60 多条检测规则，覆盖执行威胁、凭据窃取、数据外泄、混淆和行为特征；具备上下文感知评分以减少合法 API 技能的误报；支持从 ClawHub 注册表按 slug 直接扫描；输出模式包括文本报告（默认）、--json、--compact、--quiet；退出码 0 表示安全，1 表示有风险，便于脚本集成。
使用方式：扫描本地技能目录用 skill-scan scan /path/to/skill；安装前扫描 ClawHub 技能用 skill-scan scan-hub some-skill-slug；批量扫描已安装技能用 skill-scan batch /path/to/skills-directory；JSON 输出加 --json，安静模式加 --quiet。LLM 选项包括 --llm（始终运行深度分析）、--llm-auto（模式扫描发现 MEDIUM 及以上时才用 LLM）、--llm-only（仅 LLM 分析）。提供方从环境变量自动检测：OPENAI_API_KEY 对应 gpt-4o-mini，ANTHROPIC_API_KEY 对应 claude-sonnet-4-5。
风险评分：LOW 80-100 可安全安装；MEDIUM 50-79 安装前需审查发现；HIGH 20-49 不要安装；CRITICAL 0-19 不要安装。退出码 0 为 LOW，1 为 MEDIUM 或更高。
适用场景：来自 ClawHub、其他用户或团队共享、公共仓库以及任何未经本人审查的技能包，在安装或启用前强制扫描；也建议对已安装技能进行定期审计。可将扫描流程写入 AGENTS.md，实现自动预安装扫描或按需手动扫描。
限制与要求：需要 Python 3.10+，httpx>=0.27（仅用于 LLM API 调用）；静态分析自包含，仅 --llm 模式需要 API 密钥。资料未提供安装命令、价格、平台支持范围及具体检测准确率等信息。