🦞 OpenClaw 玩法资讯

核心变化：Agent 创建或修改 Skill 时，不再直接写入，而是先生成提案（Proposal）。提案处于待审核状态（PROPOSAL.md），不会被 Agent 执行。

工作流程：你让 Agent 做一个可复用的工作流 → Agent 起草提案 → 你审核修改 → 通过后生效。Control UI 提供 Board 视图（全览）和 Today 视图（逐个审核），支持 Tweak（微调）对话式修改。

妙趣点评：这波操作解决了一个大痛点——以前 Agent 写的 Skill 质量参差不齐，现在加了一层人工审核，企业用户终于能放心让 Agent 自动化了。

核心变化：每个 ClawHub Skill 现在都附带一份 Skill Card，记录发布者、能力范围、扫描结果和来源。引入 NVIDIA SkillSpector 进行语义级安全扫描。

ClawScan 流水线：静态分析 + VirusTotal + NVIDIA SkillSpector 三重扫描 → Codex Agent 综合评估 → 最终判定（Clean/Suspicious/Malicious）。Jaccard 相似度仅 0.065-0.104，意味着三个扫描器互补性很强。

妙趣点评：安全是 Agent 生态的命脉。以前靠 VirusTotal 扫病毒，现在加上 NVIDIA 的语义分析，能抓到"假装总结日志但偷偷上传"这种高级攻击。企业采购 Agent 技能终于有据可查了。

三种模式对比：
• Ask：白名单外全部人工审批（严格但吵）
• Auto：确定安全的自动执行，不确定的先经模型审查，还不确定再问人（推荐）
• YOLO：全部自动执行（省心但危险）

Auto 模式原理：审查模型与主 Agent 模型分离，可以用本地模型跑日常任务，用 GPT-5.5 做审批审查。匹配白名单 → 自动执行；不匹配 → 构建审查包 → 模型审查 → 低风险允许一次 → 高风险转人工。

妙趣点评：终于不用在"全部要我点确认"和"全部自动执行"之间二选一了。Auto 模式是 Enterprise 场景的最佳平衡点。