Token导航 LogoToken导航TokenDH.com
效率需要联网clawhub未标认证来源可访问clear审计提醒

maskclawmaskclaw 效率

Agent Skill

maskclaw 用于补充效率相关能力,适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

2,493

周安装

106

GitHub Stars

2

下载量

873
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:maskclaw(maskclaw 效率)
来源仓库:https://github.com/theodora-y/maskclaw
安装命令:
openclaw skills install maskclaw
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install maskclaw

简介

MaskClaw - 端侧隐私保护 Skill 套件,提供智能打码、行为监控与规则自进化能力

SKILL.md

name
maskclaw-core
version
1.0.0
type
skill
description
MaskClaw - 端侧隐私保护 Skill 套件,提供智能打码、行为监控与规则自进化能力
author
MaskClaw Team
homepage
https://github.com/your-org/maskclaw
license
MIT
tags
keywords
minicpm_version
>= 4.5
platform
dependencies

MaskClaw Core Skills

端侧隐私保护 Skill 套件 —— 智能打码 · 行为监控 · 规则自进化

1. 项目概述

MaskClaw 是一个基于端侧 Tool-Use 的隐私前置代理框架,充当云端 Agent (AutoGLM) 与手机/桌面 UI 之间的"安全保镖"。

系统通过端侧 MiniCPM-V 大模型调度一组原子化工具 (Skills),在执行前对敏感数据进行实时识别、动态脱敏,并通过用户行为反馈实现隐私防护策略的自进化

┌────────────────────────────────────────────────────────────────┐
│                      MaskClaw 四层协同架构                      │
├────────────────────────────────────────────────────────────────┤
│  ┌──────────┐   ┌──────────┐   ┌──────────┐   ┌──────────┐   │
│  │  感知层   │ → │  认知层   │ → │  工具层   │ → │  进化层   │   │
│  │Perception│   │Cognition │   │Tool-Use  │   │Evolution │   │
│  └──────────┘   └──────────┘   └──────────┘   └──────────┘   │
│                                                                │
│  ┌────────────────────────────────────────────────────────┐   │
│  │              ChromaDB RAG 规则知识库                     │   │
│  └────────────────────────────────────────────────────────┘   │
└────────────────────────────────────────────────────────────────┘

2. 核心 Skills

Skill功能核心能力
Smart_Masker智能视觉打码基于 RapidOCR 识别敏感文本,支持高斯模糊/马赛克/色块覆盖
Behavior_Monitor行为监控持续监听 Agent 操作,捕获用户主动干预动作
Skill_Evolution规则自进化基于爬山法持续优化 SOP,沙盒测试验证后自动挂载

3. 快速开始

3.1 环境要求

# Python >= 3.10
pip install rapidocr opencv-python numpy transformers chromadb

3.2 启动模型服务

cd model_server
python minicpm_api.py
# 模型服务将监听 http://127.0.0.1:8000

3.3 使用 Smart Masker

from skills.smart_masker import VisualMasker

masker = VisualMasker()
keywords = ["手机号", "身份证", "银行卡"]

result = masker.process_image(
    image_path="test.jpg",
    sensitive_keywords=keywords,
    method="blur"
)

print(f"检测到 {result['regions_count']} 个敏感区域")
print(f"脱敏图片: {result['masked_image_path']}")

3.4 使用 Behavior Monitor

from skills.behavior_monitor import log_action_to_chain

log_action_to_chain(
    user_id="user_001",
    action="share_or_send",
    resolution="block",
    scenario_tag="钉钉发送病历截图",
    app_context="钉钉",
    field="medical_record",
    pii_type="MedicalRecord",
    correction_type="user_denied",
    auto_flush=True,
)

3.5 使用 Skill Evolution

from skills.evolution_mechanic import SOPEvolution

engine = SOPEvolution()
result = engine.run_pipeline(
    user_id="user_001",
    draft_name="钉钉隐私规则",
    step="all",
)

4. 目录结构

maskclaw-core/
├── SKILL.md                    # 本文件
├── scripts/
│   ├── smart_masker.py          # 智能打码核心模块
│   ├── smart_masker_demo.py    # 打码演示脚本
│   ├── behavior_monitor.py     # 行为监控核心模块
│   ├── behavior_monitor_demo.py # 监控演示脚本
│   ├── evolution_mechanic.py  # 进化引擎核心模块
│   └── evolution_demo.py       # 进化演示脚本
├── references/
│   ├── ARCHITECTURE.md         # 系统架构文档
│   ├── SKILLS_API.md           # Skills API 契约
│   ├── RAG_SCHEMA.md           # 向量数据库设计
│   ├── PROMPT_TEMPLATES.md     # Prompt 模板
│   └── SELF_EVOLUTION.md       # 自进化机制设计
├── assets/
│   ├── rule_schema.json        # 规则 Schema 模板
│   └── sop_template.md         # SOP 模板
└── evals/
    └── evals.json              # 测试用例定义

5. API 契约

5.1 Smart Masker

方法: process_image(image_path, sensitive_keywords, method='blur')

参数类型必填说明
image_pathstr图片路径
sensitive_keywordsList[str]敏感关键词列表
methodstrblur(默认) / mosaic / block

返回值:

{
  "success": true,
  "masked_image_path": "temp/masked_xxx.jpg",
  "detected_regions": [{"text": "138****5678", "bbox": [x1, y1, x2, y2]}],
  "regions_count": 1,
  "processing_time_ms": 45
}

5.2 Behavior Monitor

方法: log_action_to_chain(user_id, action, resolution, scenario_tag, ...)

参数类型必填说明
user_idstr用户标识
actionstr操作类型
resolutionstr决策结果
scenario_tagstr场景标签
correction_typestr纠错类型

返回值:

{
  "chain_id": "user_001_钉钉发送病历_1700000001",
  "action_count": 1,
  "has_correction": false
}

5.3 Skill Evolution

方法: run_pipeline(user_id, draft_name, step='all', ...)

参数类型必填说明
user_idstr用户标识
draft_namestr草稿名称
stepstrrebuild/init/evolve/sandbox/publish/all

返回值:

{
  "success": true,
  "evolve": {
    "total_iterations": 5,
    "final_score": 92.5,
    "reached_threshold": true
  },
  "sandbox": {"passed": true},
  "publish": {"skill_name": "dingtalk-privacy-rule", "version": "v1.0.0"}
}

6. 五级置信度判决

判决条件系统行为
Allow规则库完整匹配,安全直接放行
Block规则库完整匹配,风险明确直接拦截
Mask规则库完整匹配,需脱敏执行打码后放行
Ask规则库信息不完整主动向用户确认
Unsure新场景无记录标记并等待用户教授

7. 自进化机制 (爬山法)

┌─────────────────────────────────────────────────────────────┐
│  第 1 步:agent 对 skill 做一个小改动                         │
│         (比如:加一条"必须核对输入数据"的规则)               │
├─────────────────────────────────────────────────────────────┤
│  第 2 步:用改动后的 skill 跑 10 个测试用例                   │
├─────────────────────────────────────────────────────────────┤
│  第 3 步:用 checklist 给每个输出打分                         │
│         (4 个检查项全过 = 100 分,3 个过 = 75 分...)        │
├─────────────────────────────────────────────────────────────┤
│  第 4 步:算平均分                                           │
│         - 比上一轮高 → 保留改动                               │
│         - 比上一轮低 → 撤销改动                               │
├─────────────────────────────────────────────────────────────┤
│  第 5 步:重复,直到连续 3 轮分数超过 90% 或你喊停            │
└─────────────────────────────────────────────────────────────┘

8. 错误码

错误码说明处理建议
MASK_001图片解码失败检查图片格式
MASK_002图片过大压缩后重试
MASK_003OCR 识别失败检查图片质量
MONITOR_001日志写入失败检查存储权限
EVOLUTION_001规则生成失败减少测试用例批次
EVOLUTION_002沙盒测试超时检查测试环境

9. 许可

MIT License

10. 更新日志

v1.0.0 (2026-03-25)

  • 初始版本发布
  • 包含 Smart_Masker, Behavior_Monitor, Skill_Evolution 三大核心模块
  • 支持 MiniCPM-V 4.5
  • 集成 ChromaDB RAG 知识库

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

85.12%
按下载量换算743

安全审计

VirusTotal

通过

ClawScan

可疑

Static analysis

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在 warning/failed 结果,不能写成本站确认安全。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills