Skip to main content
OpenClaw 正在建構一個開放的 AI 代理程式 skill 生態系 — 一個讓開發者發布、探索和安裝 Claude Code、Cursor、Windsurf 等工具能力的平台。Panguard Skill Auditor 是讓這個生態系值得信賴的安全基礎設施。

​
為什麼 OpenClaw 需要安全防護層

行動應用程式商店多年前就學到了這個教訓：沒有安全審核的開放平台會變成惡意軟體散布管道。同樣的原則適用於 AI skill 生態系。
App StoreOpenClaw 生態系
應用程式審核流程Panguard Skill Auditor
惡意軟體掃描Prompt injection + tool poisoning 偵測
權限審查權限範圍分析
程式碼簽章Manifest 驗證 + 完整性檢查
使用者評分量化風險評分（0-100）
沒有自動化安全掃描，每次 skill 安裝都是盲目的信任決策。Panguard 讓這個決策有據可依。

​
架構

開發者發布 skill
         |
         v
  ┌──────────────┐
  │  OpenClaw     │
  │  Registry     │
  │  (ClawdHub)   │
  └──────┬───────┘
         │
         v
  ┌──────────────┐     ┌─────────────────┐
  │  claw install │────>│ Panguard Skill  │
  │              │     │ Auditor         │
  └──────────────┘     └────────┬────────┘
                                │
                    ┌───────────┼───────────┐
                    v           v           v
              風險評分      發現結果      判定
              (0-100)    (按檢查項)  (通過/不通過)
                                │
                                v
                    ┌───────────────────┐
                    │   安裝 / 封鎖     │
                    └───────────────────┘

​
整合方式

​
1. 安裝前閘門

最簡單的整合：在每次 claw install 前執行 Skill Auditor。 
# 安裝前審計
panguard audit skill ./skills/new-skill --json | jq '.riskLevel'

# 自動化閘門
audit_and_install() {
  local SKILL_PATH="$1"
  local RESULT=$(panguard audit skill "$SKILL_PATH" --json)
  local RISK=$(echo "$RESULT" | jq -r '.riskLevel')
  local SCORE=$(echo "$RESULT" | jq -r '.riskScore')

  echo "風險：$RISK ($SCORE/100)"

  if [ "$RISK" = "CRITICAL" ]; then
    echo "已封鎖：發現嚴重安全問題"
    echo "$RESULT" | jq '.findings[]'
    return 1
  fi

  if [ "$RISK" = "HIGH" ]; then
    echo "警告：高風險。請在安裝前審查發現的問題。"
    echo "$RESULT" | jq '.findings[]'
    read -p "仍要繼續？(y/N) " confirm
    [ "$confirm" = "y" ] || return 1
  fi

  claw install "$SKILL_PATH"
}

​
2. Skill 倉庫的 CI 管線

將 Skill Auditor 加入 GitHub Actions 工作流程，在每個 PR 上掃描 skill。 
# .github/workflows/skill-audit.yml
name: Skill Security Audit
on:
  pull_request:
    paths:
      - 'skills/**'

jobs:
  audit:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4

      - name: Install Panguard
        run: curl -fsSL https://panguard.ai/api/install | bash

      - name: Audit all skills
        run: |
          for skill_dir in skills/*/; do
            echo "Auditing $skill_dir..."
            RESULT=$(panguard audit skill "$skill_dir" --json)
            RISK=$(echo "$RESULT" | jq -r '.riskLevel')

            if [ "$RISK" = "CRITICAL" ] || [ "$RISK" = "HIGH" ]; then
              echo "::error::$skill_dir failed audit: $RISK"
              echo "$RESULT" | jq '.findings[]'
              exit 1
            fi
          done

​
3. 登錄庫全面掃描

掃描整個 skill 登錄庫以建立信任資料庫。 
# 掃描登錄庫中的所有 skill
panguard audit skill --registry https://registry.openclaw.ai --json > audit-results.json

# 篩選高風險 skill
cat audit-results.json | jq '[.[] | select(.riskScore >= 40)]'

​
4. 機群策略執行

使用 Panguard Manager 在組織內執行 skill 審計策略。 
# panguard-manager policy
skill_policy:
  require_audit: true
  max_risk_score: 39
  block_levels: ["CRITICAL", "HIGH"]
  auto_audit_on_install: true
  audit_cache_ttl: 86400  # 每日重新審計

​
信任鏈

Panguard 為 OpenClaw 生態系中的每個 skill 建立可驗證的信任鏈：
1

發布

開發者將 skill 連同 SKILL.md manifest 發布至 OpenClaw 登錄庫。
2

掃描

Panguard Skill Auditor 執行 7 項檢查並指派風險評分。
3

認證

審計結果作為可驗證的認證，連結至 skill 版本。
4

執行

組織設定策略，封鎖超過風險閾值的 skill。
5

監控

skill 更新時重新審計。評分變化透過 Panguard Chat 發送警報。

​
支援的 Skill 格式

Skill Auditor 支援任何遵循 OpenClaw SKILL.md 規範的 skill：
格式支援程度
OpenClaw SKILL.md完整支援
Claude Code 自訂指令完整支援
Cursor rules 檔案部分（跳過 manifest 檢查）
一般 markdown skill 檔案部分（僅內容檢查）
Panguard Skill Auditor 是開源的。歡迎在 github.com/panguard-ai/panguard-ai 貢獻新的偵測模式。