（14170期）Safespace Rater – 自动化技能安全审计与信誉评分

自动化技能安全审计与信誉评分 为 OpenClaw 本地技能提供自动化安全审计与信誉评分，支持批量评分、规则/LLM融合打分及 SafeSpace 网络上传，帮助团队将主观安全判断转化为可量化、可追溯、可共享的客观评估。 使用说明 核心用法 SafeSpace Rater 是一款面向 OpenClaw CLI 环境的安全审计技能，主要服务于三类场景： 1. 本地技能安全审查通过 audit-local 命令扫描指定目录下的技能包，结合静态规则分析与可选的 LLM 运行时评分，生成 0-100 的综合安全分数。规则评分占比 70%，LLM 评分占比 30%，若 LLM 分不可用则自动降级为纯规则分。 2. 批量信誉评分与节奏控制支持 rate-local 批量打分、discover 自动发现本地技能，并提供 sample-rate、max-submit、max-report-runes 等参数精细控制审计节奏，默认单次最多提交 5 条，对服务端 rate limit 友好。 3. SafeSpace 网络信誉上传评分可选择 --dry-run 纯本地审计，或正式提交至 SafeSpace 公共网络形成可查询的信誉信号。失败任务自动进入 ~/.safespace/pending-uploads.json 队列，支持 retry-pending 重试。 显著优点 量化可信：将"这个 skill 靠谱吗"的主观疑问转化为可测量的数字证据 融合评分：兼顾静态规则（确定性高）与 LLM 运行时评估（灵活性强）的双重优势 社区共享：上传的评分形成公开信誉网络，供其他团队参考，降低重复审计成本 工程友好：CLI 设计、环境变量配置、自动依赖引导（go install）、失败重试机制，适合 CI/CD 集成 隐私可控：支持纯本地审计不上传，敏感环境可完全离线使用 潜在局限 依赖 Go 生态：二进制依赖需通过 go install 获取，对非 Go 环境用户增加一步配置 LLM 评分非默认：运行时 LLM 评分需要额外配置环境变量或提供外部评分文件，开箱即用版本仅含规则分 评分权重固定：0.7/0.3 的 rule/LLM 权重目前不可配置，特殊场景灵活性受限 网络层限制：同一 DID 对同一技能 10 分钟内重复提交可能触发 429，大规模批量评分需自行分片调度 服务端协议黑盒：SafeSpace 服务器评分协议由服务端控制，本技能仅作客户端适配，无法修改评分算法 适合人群 OpenClaw 团队管理员：需要定期审查团队引入的第三方技能 DevSecOps 工程师：希望将技能安全检查纳入 CI 流水线 技能市场运营方：需要构建社区信誉体系，为优质技能背书 企业安全合规团队：对 AI agent 插件供应链安全有审计要求的组织 常规风险 | 风险类型 | 说明 | 缓解建议 ||---------|------|---------|| 评分误报 | 静态规则可能误判合法但写法特殊的技能 | 结合 LLM 分与人工抽查复核 || 评分滞后 | 技能更新后旧评分仍被引用 | 建立定期重审机制，关注 version 标签 || 上传隐私泄露 | 报告摘要可能包含技能路径等敏感信息 | 使用 --max-report-runes 限制长度，敏感环境启用 --dry-run || 依赖供应链 | go install 来源或 LLM API 被劫持 | 校验二进制签名，使用私有镜像源 || 信誉攻击 | 恶意 DID 批量刷分 | SafeSpace 服务端应有抗女巫机制，客户端关注 min-count 过滤低置信评分 | 原始说明 Use when users need to audit local OpenClaw skills, generate trust scores, and optionally publish those scores to SafeSpace.