Một kỹ năng kiểm toán bảo mật toàn diện giúp xác định các lỗ hổng injection, bỏ qua ủy quyền và các anti-pattern về độ tin cậy trong mã nguồn.
Cách nhanh nhất để cài đặt kỹ năng trực tiếp từ thư viện.
npx clawhub@latest install bookforge-secure-code-review
Sao chép thư mục kỹ năng vào một trong những vị trí sau
~/.openclaw/skills/ <project>/skills/ Ưu tiên: Không gian làm việc > Cục bộ > Gói sẵn
Sao chép prompt này vào OpenClaw để tự động cài đặt.
Giúp tôi cài đặt bookforge-secure-code-review bằng Clawhub. Nếu Clawhub chưa
Nhận các tệp kỹ năng gốc dưới dạng lưu trữ ZIP.
Kỹ năng Secure Code Review cung cấp một khung làm việc hệ thống để kiểm toán cơ sở mã đối với các lỗ hổng bảo mật phổ biến và nguy hiểm nhất. Nó tập trung vào việc xác định các cuộc tấn công injection, Cross-Site Scripting (XSS) và các lỗi logic ủy quyền thường phát sinh từ việc lồng ghép phức tạp hoặc sử dụng framework không đúng cách. Bằng cách tận dụng Openclaw Skills, các nhà phát triển có thể chuyển từ việc vá lỗi phản ứng sang phương pháp thiết kế chủ động và hardened-by-construction.
Kỹ năng này không chỉ tìm ra lỗi; nó thực thi một triết lý trong đó các bất biến bảo mật trở nên không thể bị vi phạm thông qua type-safety và các interceptor tập trung. Nó đặc biệt hiệu quả trong việc đánh giá liệu một hệ thống có sử dụng các kiểu dữ liệu mạnh như SafeHtml hoặc TrustedSqlString để ngăn chặn đầu vào do người dùng kiểm soát tiếp cận các sink nhạy cảm hay không. Bằng cách tích hợp điều này vào vòng đời phát triển, bạn đảm bảo rằng bảo mật và độ tin cậy được coi là các yêu cầu kiến trúc cốt lõi.
Để bắt đầu với kỹ năng này trong hệ sinh thái Openclaw Skills, hãy đảm bảo môi trường của bạn có quyền truy cập vào các công cụ CLI tiêu chuẩn như grep.
# Điều hướng đến thư mục dự án của bạn
cd /path/to/your/repository
# Kỹ năng này sử dụng grep để khớp mẫu và read để phân tích ngữ cảnh
# Đảm bảo kỹ năng secure-code-review đã được tải vào hồ sơ AI agent của bạn
Kỹ năng này tạo ra một báo cáo kết quả bảo mật có cấu trúc được sắp xếp theo mức độ nghiêm trọng. Mỗi kết quả bao gồm các siêu dữ liệu sau:
| Thuộc tính | Mô tả |
|---|---|
| Mức độ nghiêm trọng | Phân loại (Critical, High, Medium, Low) dựa trên tác động. |
| Lớp Anti-pattern | Lỗi bảo mật hoặc độ tin cậy cụ thể được phát hiện (ví dụ: SQLi, XSS). |
| Vị trí bị ảnh hưởng | Tệp cụ thể và số dòng nơi mẫu được tìm thấy. |
| Khuyến nghị sửa lỗi | Ví dụ mã cụ thể chứng minh cách tăng cường triển khai. |
| Mẫu tích cực | Xác định các cấu trúc đã được tăng cường hiện có như interceptor hoặc trình tạo có kiểu. |
Đang tải
Một khung toàn diện để bảo vệ các pipeline phân phối phần mềm chống lại các mối đe dọa nội bộ và các cuộc tấn công chuỗi cung ứng bên ngoài bằng cách sử dụng nguồn gốc nhị phân.

Một tiện ích thao tác văn bản toàn diện để lặp lại, định dạng Unicode, tạo ký tự ẩn và làm sạch dữ liệu.

Một tiện ích cấu hình toàn diện được thiết kế để giúp người sáng tạo nội dung và chuyên gia truyền thông tự thân khởi tạo, quản lý và tối ưu hóa môi trường quy trình làm việc dựa trên AI của họ.

Một khung toàn diện để phân loại, phân loại ưu tiên và thực thi các thay đổi quan trọng về bảo mật trên toàn bộ hệ thống với thời gian ngừng hoạt động tối thiểu và độ tin cậy tối đa.

Một khuôn khổ kỹ thuật để thiết kế và kiểm tra khả năng phục hồi của hệ thống thông qua phòng thủ phân lớp, phân đoạn và lập bản đồ miền lỗi.

Một kỹ năng tình báo để phân tích vị thế thị trường, hệ sinh thái sản phẩm và phạm vi tiếp cận toàn cầu của thương hiệu KLM.








































