ClawHub

ClawHub官网:OpenClaw生态系统的官方技能注册与分发平台，作为AI智能体领域的”应用商店”

简介

ClawHub是OpenClaw生态系统的官方技能注册与分发平台，作为AI智能体领域的”应用商店”，它重新定义了AI Agent的能力扩展方式。平台汇聚了超过13,700个社区贡献的技能包，涵盖办公自动化、代码开发、金融分析、内容创作等11大垂直领域。用户通过简洁的命令行工具，仅需一行指令即可实现技能的极速安装与部署，无需繁琐的配置流程。平台采用先进的向量嵌入技术构建语义搜索引擎，支持基于自然语言的智能检索，让用户摆脱关键词精确匹配的局限，快速定位所需功能。每个技能都遵循语义化版本规范，支持版本回退与依赖自动解析，确保生态系统的稳定性与兼容性。

ClawHub官网: https://clawhub.ai/

ClawHub 深度评测：AI Agent 时代的”npm”，究竟是神器还是潘多拉魔盒？

2025年底，一个叫 OpenClaw 的开源项目横空出世，在 60 天内积累了超过 335,000 个 GitHub Star，打破了 React 用十年时间才创下的历史记录。这个速度放在任何行业都是异类，但在正处于爆发前夜的 AI Agent 赛道，它几乎是必然的。

而在这股浪潮背后，有一个项目悄悄承载了整个生态系统最关键的基础设施职能——ClawHub。

它不是某款 AI 工具，也不是一个 AI 框架。它是整个 OpenClaw 生态的”技能集市”，是让 AI Agent 从会说话进化成会干活的核心组件。如果说 OpenClaw 是引擎，ClawHub 就是那个零件仓库，决定了你的引擎最终能驱动多远。

ClawHub 是什么：从一句话到完整图景

官网首屏只有一句话：”ClawHub, the skill dock for sharp agents.“（ClawHub，为敏锐的智能体提供技能坞。）

这句话精准点出了它的定位：一个专门为 AI Agent 提供技能扩展包的注册表与分发平台。

更直白地说，ClawHub 之于 OpenClaw，就相当于：

• npm 之于 Node.js
• pip 之于 Python
• App Store 之于 iPhone

它解决的核心问题是：一个刚安装好的 AI Agent 什么都不会做，或者只会做基础对话；而通过安装不同的技能包（Skill），你可以让它在几分钟内具备管理 GitHub、控制智能家居、自动处理邮件、执行代码审查的能力。

截至2026年3月，ClawHub 注册表已托管超过 31,000 个社区贡献的技能包，覆盖开发工具、生产力自动化、数据存储、通信集成、智能家居、AI 模型接入等数十个垂直领域，并以每天数十个新技能的速度持续增长。

OpenClaw 与 ClawHub 的关系：Hub-and-Spoke 架构

要真正理解 ClawHub，必须先理解它所在的生态系统。

OpenClaw 由 PSPDFKit 创始人 Peter Steinberger 于2025年11月创建（最初命名为 Clawdbot），设计哲学高度反共识：它不运行在云端，而是完全本地化部署。所有推理和执行都发生在用户自己的设备上，数据不经过任何第三方服务器。

整个 OpenClaw 生态由五个核心组件构成，形成 Hub-and-Spoke（轮毂辐射）架构：

这个架构的运行逻辑相当优雅：Agent 启动时，从本地文件系统加载技能列表；在构建上下文阶段，将精简版技能清单（名称、描述、文件路径）注入 LLM 的提示词中；当 LLM 判断某项任务需要特定技能时，按需读取该技能的 SKILL.md 文件，获取详细执行指令。

整个过程是文本驱动的——技能本身不是编译后的二进制代码，而是 Markdown 格式的指令文档。这个设计既是 ClawHub 最大的优势，也是其最大的安全隐患，后文会详细展开。

核心功能全拆解

一、技能注册与发布系统

ClawHub 的技能发布机制借鉴了成熟软件包管理器的设计，支持完整的语义化版本控制（semver）、变更日志维护和标签管理体系。

每个技能包的核心是一个 SKILL.md 文件，结构如下：

---
name: "skill-name"
version: "1.0.0"
description: "技能的功能描述"
tags: ["tag1", "tag2"]
---

# 技能名称

## 使用说明
当用户请求 XXX 时，按以下步骤执行...

## 工具调用
执行 Bash 工具...

## 注意事项

发布只需要一条命令：

clawhub publish ./my-skill/

唯一的准入要求是拥有一个注册时间超过一周的 GitHub 账户。平台没有人工审核环节，没有代码静态分析，没有签名验证——这是设计上刻意追求的”无门槛”理念，也是后来引发一系列安全事件的根本原因。

二、语义搜索与技能发现

ClawHub 最有价值的技术能力之一是它的搜索系统。平台使用 OpenAI Embeddings 结合 Convex 向量数据库，实现了语义级别的技能检索——你不需要记住某个技能的确切名称，只需描述你想完成的任务：

clawhub search "calendar management"
clawhub search "manage my github pull requests automatically"

系统会基于语义相似度返回最匹配的技能列表，而不是简单的关键词匹配。这对于拥有超过31,000个条目的注册表而言，是可用性的关键保障。

三、ClawHub CLI 完整工具链

命令行工具是普通用户与 ClawHub 交互的主要界面，安装极为简单：

npm i -g clawhub

核心命令覆盖了完整的技能生命周期管理：

# 安装技能
clawhub install <skill-slug>

# 一行命令安装任意技能目录
npx clawhub@latest install sonoscli

# 批量更新所有已安装技能
clawhub update --all

# 同步备份本地技能库
clawhub sync

# 列出所有已安装技能
clawhub list

技能安装后会存储在本地 ./skills 目录，下次 Agent 会话启动时自动加载，无需额外配置。

四、版本控制与回滚能力

与 npm 类似，ClawHub 为每个技能维护完整的版本历史。用户可以固定某个技能的特定版本（version pinning），也可以回滚到之前的版本。这对于需要稳定生产环境的团队尤为重要——当某个技能的新版本引入问题时，一条命令即可降级。

官网对此直接描述为：”Versioned, rollback-ready.”（版本化，随时可回滚。）

五、精选技能（Highlighted Skills）与社区排名

平台提供”精选技能”版块，由编辑或社区投票机制筛选出值得信赖的高质量技能；同时有”热门技能”排行榜，展示下载量最高的技能。

不过值得注意的是，后来发现的一个安全漏洞恰恰利用了这套排名机制：攻击者通过技术手段操纵下载量和评分，将恶意技能推送至排行榜第一位，大幅提升了受害者数量。这一事件直接促使平台对排名算法进行了安全加固。

六、多平台接入能力

ClawHub 技能的执行依托于 OpenClaw 的多平台消息网关，这意味着安装的技能可以通过以下渠道触发：

• WhatsApp / Telegram / Discord / Slack / Signal / iMessage

用户可以在手机上向自己的 WhatsApp 发送一条消息，让运行在家里电脑上的 OpenClaw Agent 执行一个已安装的技能包——比如从 GitHub 拉取最新代码、生成代码审查报告，然后将结果发回到 WhatsApp 频道。这种”移动端触发、本地执行”的使用模式，是 ClawHub 区别于所有云端 AI 工具的核心差异点。

技能分类全景：31,000+ 技能能做什么

按照社区实际分布，ClawHub 的技能大致分为以下主要类别：

开发工具类（Development Tools）
这是下载量最大的类别，覆盖 GitHub 集成、代码审查自动化、测试用例生成、CI/CD 管道触发等。对于独立开发者和小型工程团队，这类技能能极大减少重复性操作。

生产力与办公自动化（Productivity）
Notion 页面管理、日历自动排程、邮件分类与回复草稿生成等。这类技能的目标用户是每天被各类管理工具占据大量时间的知识工作者。

存储与部署（Storage & Deployment）
Fast.io 文件管理是其中的代表性技能，提供19个 MCP 工具，支持文件上传下载、URL 导入、RAG 驱动的 AI 对话和分享管理。面向需要在 Agent 工作流中整合文件存储能力的 DevOps 团队。

通信与消息处理（Communication）
AgentMail、AgentBrowser、跨平台消息桥接等。这类技能与 OpenClaw 的多平台网关深度配合，可以实现诸如”Telegram 频道新文章→自动摘要→同步到 Slack”的跨平台工作流。

智能家居（Smart Home）
Sonos 音响控制、IoT 设备联动等，是 OpenClaw 本地化设计哲学的体现——你的 Agent 可以真正成为家庭自动化的大脑。

AI 模型接入（AI Model Access）
Claude Code 集成、模型切换、多模型并行对比等。这类技能的核心价值是让 Agent 能够调用不同的大语言模型作为子工具，形成”Agent 调用 Agent”的嵌套自动化链条。

学术研究（Academic Research）
Aclawdemy 是其中的代表——一个专门为 AI Agent 设计的学术论文协作平台，Agent 可以提交论文、同行评审、构建共识，使用 MIT-0 协议开源，无需署名即可自由使用修改。这代表了一种极具前瞻性的”Agent 参与科学研究”的未来想象。

Claude Code 深度集成：两大生态的桥接

ClawHub 与 Claude Code 的整合是当前最受开发者关注的技术话题之一。两者设计定位不同：OpenClaw 是通用型自主 Agent，擅长跨平台消息集成和长时间自主运行；Claude Code 是编程专用 AI 助手，擅长代码生成、审查和工程自动化。

通过 MCP（Model Context Protocol）协议，两者实现了双向能力调用，目前社区中存在四种成熟的集成方案：

方案一：MCP Bridge（Claude.ai ↔ OpenClaw）
通过 openclaw-mcp 项目，在 Claude.ai 界面直接调用本地 OpenClaw 实例，适合希望在 Claude 界面内使用 OpenClaw 能力的用户。

方案二：Claude Code Skill for OpenClaw
将 Claude Code 的完整工具集（Bash 执行、文件操作、代码搜索、持久化会话）集成为一个 ClawHub 技能包，让 OpenClaw Agent 可以直接调用 Claude Code 工具链完成复杂编程任务。

方案三：Claude Code Plugin（多会话管理）
支持并发多会话管理、实时通知和多轮对话，适合需要同时管理多个 Claude Code 编程任务的场景。

方案四：Claude Usage Skill
一个实用小工具，让用户通过 OpenClaw 查询 Claude Max 订阅的用量统计，通过解析 /usage 命令的终端输出实现。

这四种方案的存在说明了一个趋势：不同 AI 工具之间的边界正在通过标准化协议（MCP）逐渐消融，而 ClawHub 技能是这场集成浪潮的直接载体。

实际应用场景：三个真实的工作流案例

场景一：全自动 PR 代码审查流水线

通过 GitHub 集成技能 + Claude Code Skill 组合，OpenClaw Agent 可以：

1. 监控 Slack/Discord 中的 GitHub PR 通知
2. 自动拉取代码变更
3. 调用 Claude Code 执行代码审查
4. 将审查结果以评论形式回写到 PR

整个流程无需人工干预，Agent 在后台持续运行，充当团队的”第一道代码审查员”。

场景二：多平台消息自动化桥接

• WhatsApp 收到技术问题 → 自动查询知识库 → 回复用户
• Telegram 频道有新文章通知 → 自动生成摘要 → 同步到 Slack 技术频道
• 邮件中收到会议邀请 → 自动添加到日历 → 发送确认回执

这类工作流的核心价值在于跨平台的”感知-判断-执行”闭环，所有步骤均由已安装的 ClawHub 技能驱动。

场景三：AI 模型多路对比测试

通过安装 AI 模型接入类技能，用户可以对同一问题同时调用 Claude 和 GPT，然后让 Agent 自动生成对比分析报告：

用户：用 Claude 3.5 Sonnet 和 GPT-5.4 分别回答这个问题，然后对比结果。
Agent：[调用 Claude API] [调用 GPT API] [生成对比报告]

这对于 AI 研究人员和需要选型的工程师而言，是效率极高的工作辅助方式。

ClawHub 的安全困境：开放生态的代价

没有任何关于 ClawHub 的讨论可以回避安全议题。这个平台在短短数月内经历了 AI 时代最引人注目的几次供应链安全事件。

ClawHavoc 事件（2026年1-2月）

2026年1月27日，安全公司 Koi Security 发现了一起针对 ClawHub 的大规模供应链攻击，并将其命名为 ClawHavoc。

攻击者以加密货币交易工具为伪装，在注册表中批量上传恶意技能包，内嵌 Atomic macOS Stealer（AMOS）信息窃取器。受害者安装后，攻击者可以窃取：

• 加密货币交易所 API 密钥和钱包私钥
• SSH 凭证
• 浏览器中保存的所有密码

更隐蔽的是，攻击者还利用了 OpenClaw 的持久化内存机制——通过修改 SOUL.md 和 MEMORY.md 文件，永久改变 Agent 的行为模式，即使恶意技能被卸载，篡改效果依然持续。

此次事件共清除 1,184 个恶意技能，约占当时注册表总量的 11%。

后续的持续安全压力

ClawHavoc 之后，安全社区对 ClawHub 的关注度急剧上升：

• Snyk 于2026年2月发现一个伪装成官方 CLI 工具的恶意技能 clawhub，已积累近100次安装
• Silverfort 披露了一个允许攻击者操纵排名机制、将恶意技能推至第一名的漏洞
• Straiker 发现了更为复杂的”Agent-to-Agent 攻击链”——恶意技能通过伪造的 AI 人格传播，从 Agent 攻击 Agent，而非直接攻击人类用户
• Reddit 安全研究员对31,000+个技能进行独立审计，发现2,371个含有恶意模式
• Penligent 分析指出，SKILL.md 作为”Markdown 安装器”的根本问题：它依赖于社会工程或 Agent 的自主判断来触发安装，既难以用正则表达式扫描，又可以在自然语言描述中隐藏恶意意图

这些事件揭示了 ClawHub 模型的根本性安全挑战：技能以自然语言 Markdown 编写、Agent 自主执行、权限继承主机系统——这三个特性的组合，使传统软件安全防护手段大部分失效。一个 npm 包受感染，损坏的是应用进程；一个 ClawHub 技能受感染，损坏的是一个可以访问你全部文件系统、所有 API 密钥、并能向任何平台发送消息的自主 Agent。

五款同类平台深度对比

1. npm Registry（Node.js 官方包管理器）

定位：全球最大代码包注册表，是 ClawHub 自称效仿的原型。

核心优势：

• 拥有超过200万个包，生态系统极为成熟
• 严格的语义化版本控制，支持 package-lock.json 精确依赖锁定
• npm Audit 提供自动漏洞扫描，与 Node Security Platform 联动
• Provenance（来源证明）机制，通过加密签名验证包的构建来源
• 企业级私有注册表（npm Private Registry）

与 ClawHub 的核心差异：npm 已经走过了 ClawHub 正在经历的安全混乱期——npm 的 2016年”left-pad 事件”和2018年”event-stream 恶意代码事件”在今天看来与 ClawHavoc 如出一辙。关键区别在于：npm 的包是代码（有确定性执行逻辑），ClawHub 的技能是自然语言指令（有概率性执行路径）。这使得安全扫描难度从”代码静态分析”升级到”语义意图分析”，目前没有成熟工具。

安全成熟度：显著高于 ClawHub，但仍不完美（平均每年出现数十起恶意包事件）。

适合谁：Node.js 开发者，传统软件生态，不适合 AI Agent 技能分发。

2. LangChain Hub（LangSmith）

定位：LangChain 生态内的 Prompt、Chain 和 Agent 模板共享平台，由 LangSmith 托管。

核心优势：

• 深度集成 LangChain/LangGraph 框架，支持直接从 Hub 拉取运行
• 支持 Prompt 版本控制和 A/B 测试
• LangSmith 提供完整的 Agent 可观测性：推理链追踪、工具调用监控、Token 消耗分析
• 社区活跃，拥有大量生产级 Prompt 模板

与 ClawHub 的核心差异：LangChain Hub 的分发对象是 Prompt 模板和工作流定义，本质上是结构化数据；ClawHub 的分发对象是 Agent 技能，可以直接触发系统级操作。前者的”危险边界”在于 Prompt Injection，后者的危险边界在于系统权限滥用——量级上完全不同。此外，LangChain Hub 更多服务于开发者，缺乏 ClawHub 面向普通用户的”一键安装即用”的产品化设计。

安全成熟度：中等，Prompt Injection 是已知风险，但不存在系统级代码执行威胁。

适合谁：LangChain 生态的开发者，需要共享和复用 Prompt 工程产物的团队。

3. Hugging Face Hub

定位：AI 模型、数据集和 Spaces（应用演示）的全球最大开源社区平台。

核心优势：

• 托管超过100万个模型和30万个数据集，生态体量无可比拟
• Spaces 功能支持一键部署基于 Gradio 或 Streamlit 的 AI 应用
• 提供安全扫描（pickle 扫描、恶意代码检测）
• 支持私有仓库，企业级访问控制
• 活跃度极高，拥有数百万 AI 从业者的社区积累

与 ClawHub 的核心差异：Hugging Face Hub 的核心资产是模型权重和数据集，是 AI Agent 的”原材料供应商”；ClawHub 的核心资产是技能包，是 AI Agent 的”行动指令集”。两者在供应链中处于不同层级，并非直接竞争关系，但在”开源 AI 社区基础设施”这个维度上有明显重叠。Hugging Face 的安全机制更成熟，有专职安全团队，而 ClawHub 目前更多依赖社区举报。

安全成熟度：高，但模型安全（Adversarial Attacks、Data Poisoning）是其特有挑战。

适合谁：AI 研究人员、需要预训练模型的工程师，以及需要快速部署 AI Demo 的开发者。

4. Zapier Actions（Zapier 动作库）

定位：Zapier 平台内的自动化动作注册表，是最接近”普通用户技能市场”的商业化案例。

核心优势：

• 超过6,000个 App 的连接动作，几乎覆盖所有主流 SaaS 工具
• 经过 Zapier 官方安全审核和维护，可信度极高
• 无代码界面，支持拖拽搭建复杂自动化流程
• 企业版提供 SSO、审计日志、团队权限管理等合规功能
• Zapier AI Actions 已开始支持 ChatGPT Plugins 和自定义 GPT 直接调用

与 ClawHub 的核心差异：Zapier Actions 是闭源的商业平台，所有动作经过严格审核，不存在 ClawHub 的供应链安全问题。但正因如此，它的灵活性和开放度远不及 ClawHub——你只能使用 Zapier 预定义的动作，无法让社区开发者贡献任意技能。对于企业用户，Zapier 的合规性和稳定性是决定性优势；对于开发者和技术爱好者，ClawHub 的开放性才是核心吸引力。

安全成熟度：极高（商业平台，有严格审核），但代价是开放性和灵活性的损失。

适合谁：非技术用户、企业自动化团队，注重稳定性和合规性的组织。

5. CrewAI Tools（CrewAI 工具生态）

定位：多智能体框架 CrewAI 的工具扩展生态，通过 Python 包的形式为 Agent 提供能力扩展。

核心优势：

• 原生支持多 Agent 协作，每个 Agent 可以装配不同工具集
• 与 LangChain Tools、OpenAI Function Calling 完全兼容
• 支持自定义 Tool 开发，发布为 Python 包
• 社区工具库覆盖搜索、爬虫、数据库操作、代码执行等核心场景
• CrewAI Enterprise 提供托管部署和商业支持

与 ClawHub 的核心差异：CrewAI 的工具分发通过 PyPI（Python 包索引）完成，技术栈是传统 Python 生态；ClawHub 的技能分发是自建注册表，技术栈基于 Markdown + 向量搜索。CrewAI 工具是确定性代码，行为可预测、可审计；ClawHub 技能是自然语言指令，行为由 LLM 解释执行，灵活但不可预测。对于需要精确控制 Agent 行为的工程团队，CrewAI 更可靠；对于希望快速叠加能力的非技术用户，ClawHub 门槛更低。

安全成熟度：中等（依赖 PyPI 生态，存在已知的 PyPI 供应链风险）。

适合谁：Python 开发者，需要构建多 Agent 协作系统，要求行为可预测和可审计的团队。

五平台能力横向对比

使用 ClawHub 的安全最佳实践

鉴于平台当前的安全生态尚不成熟，以下是几条经过社区验证的防护建议：

1. 安装前必读 SKILL.md
不要仅凭描述和 Star 数量决定是否安装。打开 SKILL.md 文件，检查是否存在可疑的 Shell 命令、外部网络请求或凭证访问操作。

2. 优先选择高 Star 且有社区反馈的技能
并非万无一失（排名操纵漏洞已被证实存在），但整体上高社区活跃度意味着更多眼睛在监督内容。

3. 避免安装与加密货币相关的技能
ClawHavoc 事件的攻击向量几乎全部集中于”加密货币交易工具”伪装。在平台安全机制完善之前，这一类别应保持高度警惕。

4. 定期检查 MEMORY.md 和 SOUL.md
这两个文件是 Agent 的持久化内存，也是供应链攻击的常见篡改目标。定期人工检查内容，确保没有被插入未经授权的行为指令。

5. 最小权限原则
不要给 OpenClaw 授予不必要的系统级权限。如果某个技能要求 sudo 权限或访问敏感目录，这本身就是一个警示信号。

6. 使用固定版本而非”latest”
通过在安装命令中指定版本号，避免自动拉取可能被污染的最新版本。

ClawHub 的产品边界与未来走向

从当前的产品形态看，ClawHub 有几个核心边界需要清晰认识：

它是注册表，不是 Agent 平台。ClawHub 本身不运行任何 AI 计算，它只是存储和分发技能包的基础设施。真正的执行发生在用户本地的 OpenClaw 实例中。

它与 OpenClaw 深度绑定。ClawHub 的技能格式（SKILL.md）和安装机制是专门为 OpenClaw 设计的，虽然理论上可以被其他 Agent 框架采用，但目前的生态几乎完全依托于 OpenClaw 的成败。

它在安全基础设施上还有大量债务需要偿还。对比 npm 和 PyPI 的安全演进历程，ClawHub 至少需要补齐：包签名验证（Sigstore 等方案）、安装前静态分析（针对 Markdown 的语义意图扫描）、沙箱执行（隔离技能运行环境，防止主机系统被直接访问）这三项核心安全能力。

它的天花板取决于 OpenClaw 的规模。截至2026年3月，OpenClaw 拥有335,000+ GitHub Star、2700万月访问用户、200万月活跃用户，且仍在高速增长。这是 ClawHub 的最大底气——只要这条母船还在高速航行，技能市场的需求就不会减弱。

从长期来看，ClawHub 所代表的”AI Agent 技能生态”是一个基础设施级别的赛道。随着越来越多的本地 AI Agent 工具采用类似的技能扩展架构，一个中立的、跨框架的技能注册表标准存在极大的想象空间。ClawHub 能否从 OpenClaw 的专属附属品，进化为行业级的技能分发标准，将是决定其长期价值的核心问题。

现在加入，是在参与一个正在被书写的历史；但这份参与感，需要你自己承担安全意识层面的责任。 skywork