Back to skill
Skillv1.0.0
ClawScan security
SZZG007 TalkTrack Telegram · ClawHub's context-aware review of the artifact, metadata, and declared behavior.
Scanner verdict
SuspiciousApr 14, 2026, 11:54 AM
- Verdict
- suspicious
- Confidence
- medium
- Model
- gpt-5-mini
- Summary
- 文档描述与技能清单不一致：SKILL.md 要求 Telegram/云同步凭证和本地工作区及脚本，但注册元数据没有声明任何环境变量或代码文件；这可能只是发布疏漏，也可能掩盖需要敏感凭证或外部代码的行为，建议在信任前核实细节。
- Guidance
- 关键问题：SKILL.md 要求 Telegram/飞书 凭证和本地工作区并引用多个脚本，但技能包没有包含任何代码、安装说明或在元数据中声明这些凭证。建议在安装前： - 向发布者（或平台）核实并索取完整代码仓库或安装说明，确认脚本来自何处并可审计； - 要求技能元数据更新以列出所需环境变量与配置路径； - 在隔离环境（临时容器或沙箱）中先运行并检查行为，避免在生产账号/主密钥上直接使用； - 仅在信任来源时提供 TELEGRAM_BOT_TOKEN / FEISHU_APP_TOKEN，且为 bot/服务账号授予最小权限； - 了解并限制自动学习/自动更新功能（如将 AUTO_LEARN_SUCCESS 设为 false 或限制频率），并确认敏感信息如何被脱敏和存储； - 如果你管理客户数据，确保合规（隐私与数据保护）并审查日志与数据保留策略。 这些步骤能显著降低凭证泄露或未知远程代码执行的风险。
Review Dimensions
- Purpose & Capability
- concern技能的目的（管理话术库并通过 Telegram 自动回复/学习）本身合理，所需的凭证（Telegram bot token、云同步 token 等）与功能匹配——但注册元数据声称“无需环境变量/凭证/配置路径”，与 SKILL.md 列出的 TELEGRAM_BOT_TOKEN、TELEGRAM_JUDYMOSS_USER_ID、FEISHU_APP_TOKEN、TALKTRACK_STORAGE_PATH 等明显不符。元数据与运行时说明不一致，增加不透明性。
- Instruction Scope
- concern运行说明指示读写用户主目录下的工作区 (~/.openclaw/...), 使用 Telegram/飞书 凭证、持久化话术库、自动学习与效果追踪；说明中还列出若干脚本（generate.py、reply.py、analyze.py、learn.py）。由于技能包中没有代码文件（instruction-only），这些操作会要求代理访问本地文件、凭证和外部服务；说明范围涉及敏感数据与长期存储，且授权边界未在元数据中声明。
- Install Mechanism
- note这是 instruction-only（无 install spec、无代码文件），这在可控情形下是低级别风险。但 SKILL.md 预期存在一组脚本和目录结构（templates/, scripts/, talktracks/ 等）却未包含在包里；如果用户或代理随后自动下载或从未指明来源获取这些脚本，会引入高风险。
- Credentials
- note文档中列出的环境变量（Telegram bot token、user id，云端同步 FEISHU token，存储路径，自动学习开关等）与功能直接相关，因此单看内容是成比例的。问题在于元数据没有声明任何 required env，存在信息不一致；此外技能会处理客户对话与转化数据，需谨慎对待凭证与客户数据访问权限。
- Persistence & Privilege
- ok技能未设置 always:true，默认允许代理自主调用（平台默认）。SKILL.md 建议在本地磁盘保留话术库和配置并启用自动学习/定时更新，这属于技能期望的持久化行为但应在授权时明确。技能未声明会修改其他技能配置或全局系统设置。