ProofKitは、タスクが完了とマークされる前に実際の証拠を要求することで、AI Agentにおける擬似的な成功を検出します。
インストール＆ダウンロード
1. ClawHub CLI
レジストリから直接スキルをインストールする最速の方法です。
npx clawhub@latest install proofkit
2. 手動インストール
スキルフォルダを以下のいずれかの場所にコピーしてください
~/.openclaw/skills/ <project>/skills/ 優先順位：ワークスペース > ローカル > バンドル
3. プロンプトのインストール
このプロンプトをOpenClawにコピーするだけで、自動的にインストールされます。
Clawhubを使って proofkit をインストールして。Clawhubがインストールされていない場合は、先にインストールしてください（npm i -g clawhub）。
ダウンロードをご希望ですか？
ZIPアーカイブで生のスキルファイルを取得します。
ProofKit とは？
ProofKitは、自律型 Agentのための敵対的検証レイヤーです。実際の成果物が作業の実行を証明するまで、すべての成功の主張を信頼できないものとして扱います。静的な擬似成功スキャナーと、ゼロ以外の message_id、新規作成されたファイル、実際の HTTP 200、変更されたデータベースの行などの具体的な副次効果を探す実証検証ワークフローを組み合わせます。
Openclaw Skillsにおいて、ProofKitはドライランシアター、スタブコード、もみ消されたエラー、捏造されたメトリクスが CI や本番環境に到達する前に阻止するのに役立ちます。その結果、ログや戻り値を信頼することから、証拠に裏付けられた成果物のみを出荷するという実用的なシフトが実現します。
ProofKit のユースケース
- 投稿、注文、またはメールが実際に送信/作成されたことを証明する必要がある自律型の投稿、取引、またはアウトリーチ Agent
- 1つの Agentの擬似的な成功が下流の入力を汚染するマルチ Agentフリート
- スタブ、デモデータ、捏造された結果のマージをブロックするための、AI生成コード用の CI
- Agentが作業を完了したと主張しているが、その主張を盲信できないすべての状況
ProofKit の仕組み
python3 proofkit\/verify_real_scan.py <file> [<file> ...]を使用して、1つ以上の Python ファイルに対して静的擬似成功スキャナーを実行します。- ハードコードされた成功の返り値、
message_id: 0、randomベースのシミュレーター、空のpass本体、もみ消された例外、ドライランのデフォルト値などの疑わしいパターンをスキャナーに検出させます。 - 実証検証ステップに移行します。実際の stdout の数値、バイト数が存在する新規ファイル、HTTP 200、変更されたデータベースの行など、実行を証明する実際の成果物を要求します。
- トリップワイヤー（トリップ線）を追加して、成果物が欠落している場合は下流のステップを実行できないようにし、誤ったパスをサイレントな出荷ではなく、ハードな失敗に変換します。
- 判定結果を使用して、実行を
VERIFIED LIVE、BUILT-BUT-UNVERIFIED、またはFAKE-BROKENに分類し、オプションで\/redteam、gatecheck、CI フック、または Fleet モードで同じロジックをスケールさせます。
ProofKit のセットアップ
- Python 3 が利用可能であることを確認します。
python3 --version
verify_real_scan.pyをプロジェクトにコピーします。Openclaw Skills の無料層は、スキャナーとメソッドのみです。
mkdir -p tools
cp verify_real_scan.py tools\/
- 検証したい Agent やヘルパーファイルに対してスキャンを実行します。
python3 tools\/verify_real_scan.py path\/to\/agent.py path\/to\/helper.py
- 擬似成功パターンが表示されたり、実際の成果物が欠落している場合にマージが失敗するように、同じコマンドを CI またはリリースラッパーに組み込みます。
python3 tools\/verify_real_scan.py "$TARGET_FILE"
- 適用スイートが必要な場合は、ClawHub から完全な skill をインストールし、敵対的パスのためにローカルモデルを利用可能な状態に維持します。このツールセットは、純粋な Python stdlib と既存のローカルモデルを使用します。
ProofKit のデータスキーマとタクソノミー
入力および出力モデル
| オブジェクト | 形状 | ソース | 目的 |
|---|---|---|---|
| スキャン対象 | CLIで渡された1つ以上の Python ファイル | ユーザー入力 | 検査するコード |
| 静的検出結果 | Stdout レポートと警告 | verify_real_scan.py |
擬似成功のインジケーター |
| 実際の成果物 | 数値、ファイル、HTTP レスポンス、DBの差分 | ランタイムチェック | タスクが実際に実行された証明 |
| 判定結果 | VERIFIED LIVE, BUILT-BUT-UNVERIFIED, FAKE-BROKEN |
実証検証ワークフロー | 最終ステータス |
| 適用結果 | PASS/DRIFT テーブル、過半数否決結果、CI 失敗 | プレミアムスイート | ポリシーゲート |
検出の分類体系
- ハードコードされた成功:
return True、success=True、message_id: 0 - 捏造されたメトリクス: 実際の測定値の代用として使用される
random.* - 未完全なコード:
TODO、NotImplementedError、または空のpass本体 - 本番環境の汚染: ライブパス内のデモ、サンプル、またはフィクスチャデータ
- エラーのもみ消し:
except: passに続く成功レポート - ドライランシアター: 実際には実行せずにライブ作業を行ったと主張するデフォルト値
データ原則
- 適合性（精度）優先。ワード境界マッチングにより、
exist_ok=Trueなどの無関係な名前がスキャナーを誤動作させないようにします。 - 証拠優先。クリーンな静的スキャンは必要条件ですが、十分条件ではないためです。
- 永続的なデータベースは不要です。ワークフローはファイル入力、成果物の証明、および人間が読める判定結果のみで構成されます。
ProofKit の高度な機能
\/redteamは、主張ごとに N 個の独立した懐疑論者を実行し、それぞれに反論を求め、過半数の合意で強制終了することで、最初の楽観的なパスがデフォルトで承認されないようにしますgatecheckは、キルスイッチの到達可能性、ブロックされた取引、インジェクション防御の整合性、フェイルクローズ品質ゲートなど、6つ以上のガード不変条件の証明を生成し、PASS/DRIFT テーブルとして表示します- トリップワイヤーハーネス生成はビルドステップをラップし、実際の成果物が存在しない限り誤ったパスが続行できないようにします
- CI フックのサポートは、擬似成功フラグや実際の成果物の欠落がある場合にパイプラインを失敗させ、マージするために Proof-of-Work（作業証明）を必須にします
- Fleet モードは、N 個の Agent にわたってスイートをスケールさせ、どの Agent が最も擬似的な成功を出荷している可能性が高いかをランク付けします
- このスイートはデータを1層下に追跡し、実際の API が擬似的なインターフェースの背後に隠されているラッパーを明らかにすることができます
SKILL.md
ローディング
関連するOpenclawのスキル
Aomi Build
Aomi Build は、OpenAPI 仕様、SDK ドキュメント、および API リファレンスを、Openclaw Skills ワークフロー向けに型定義され、エージェントから呼び出し可能なツールを備えた、本番環境対応の Rust Aomi crates に変換します。
Aomi Transact
Aomi Transactは、プレーンな英語の暗号資産およびDeFiプロンプトを、ターミナルからフォークシミュレーションおよびウォレット署名されたオンチェーン・トランザクションに変換します。
CI Pipeline Debugger
CI Pipeline Debugger は、Openclaw Skills ユーザーに CI/CD ログを迅速に解析し、失敗したステップを特定して、パイプラインのエラーを実行可能な修正案に変換する迅速な方法を提供します。
Merged Social and Poster Generator Skill
guizang-social-card と magazine-poster のビジュアルデザインシステムを、統一されたプログラムによるデザインアセットジェネレーターに統合する自動化スキルです。
AgentPMT Audit Logs
AgentPMT Audit Logs は、エージェントのチャット、ツール呼び出し、ワークフローの実行、スケジュールに対する読み取り専用の可視性を提供し、何がなぜ起こったのかを監査できるようにします。
Terraform Drift Detector
Terraform Drift Detector 向けの Openclaw Skills は、Terraform の状態（state）と実際のクラウドインフラをリアルタイムで比較し、実行可能なレポートとともにドリフトを検出します。
特徴*
