（37期）Skill Vetter V2 0.0.6 – AI技能安全审查与风险分级工作流

AI技能安全审查与风险分级工作流 AI技能安全审查工作流，识别风险信号与证据不足的声明，支持可选验证报告，但不执行加密验证或证明安全 使用说明 核心功能 Skill Vetter v2 是一款面向 Claude/OpenClaw 生态的验证引导型审查工作流，用于在安装或发布前检查技能包的安全性。其核心价值在于本地优先决策——通过结构化分析帮助用户识别风险，而非外包安全判断。 四大评估维度 目的与范围：声明功能与实际请求能力的匹配度 安装时行为：文件写入、包安装、钩子注册、系统修改 运行时行为：命令执行、网络/API 访问、数据处理方式 信任依赖：透明可审查 vs 模糊不可验证的外部依赖 显著优点 本地决策优先：明确拒绝"外包安全判断"，保持用户审查权 结构化输出：统一 JSON 报告格式，风险分级（低/中/高/极端） 可选验证层：完成本地审查后，可验证报告结构一致性（非安全证明） 红旗清单完整：覆盖凭证请求、混淆代码、越界写入、静默外传等关键风险 数据最小化：验证时仅传输结构化报告，禁止发送密钥、私钥、个人数据 潜在局限 不执行加密验证：明确声明自身不做签名验证、收据生成或安全证明 依赖人工解读：风险评估需用户结合上下文判断，非全自动决策 验证为可选步骤：用户可能跳过，降低审计追溯性 无运行时监控：仅静态分析，不拦截实际执行 适合人群 AI 技能开发者（发布前自检） 企业安全团队（第三方技能准入审查） 谨慎终端用户（安装不明来源技能前评估） 常规风险 误判风险：静态分析可能漏过动态加载的恶意代码 验证误用：用户可能将"报告验证通过"误解为"技能安全" 供应链风险：OpenClaw/ClawHub 本身成为信任锚点 原始说明 Verification-guided review workflow for inspecting skill packages before use or publication. Classifies risk and flags claims that exceed evidence. Does not...