概要

OpenClawプラットフォームで利用されるスキル（Skills）を対象に、コミュニティ主導かつAI支援で安全性を評価した一覧を提供するリポジトリです。READMEによれば、2026-02-06時点で4,000件以上のスキルをスキャンし、3つのAIモデルを組み合わせた解析を行い、およそ100万トークンを消費して395件の「安全」スキルをリスト化しています。うち241件が「SAFE（検証済）」、154件が「LOW_RISK（低リスク）」に分類され、バッジで可視化されています。本リポジトリ自体はファイル数1、主に監査結果の一覧・説明を格納したREADMEのみで構成されています。

リポジトリの統計情報

スター数: 6
フォーク数: 1
ウォッチャー数: 6
コミット数: 4
ファイル数: 1
メインの言語: 未指定

主な特徴

コミュニティ監査とAIモデルによるハイブリッド検査で大規模なスキルスキャンを実施
スキャン対象4,000+、安全判定されたスキル395件をリスト化
リスク区分（SAFE／LOW_RISK）をバッジで可視化し利用者が参照しやすい形式
軽量なリポジトリ構成で、監査結果の提示に特化

技術的なポイント

本プロジェクトは「コード」よりも「データとプロセスの記録」に重きが置かれています。READMEの記載から読み取れる技術的要点は以下の通りです。

まずスキャン規模と手法です。4,000件以上のスキルを対象に、3種類のAIモデルを用いて解析を実行したとあります。複数モデルの併用は、モデル固有の偏り（バイアス）を軽減し、判定の信頼性を高める効果があります。AIによる自動判定は高速に広範囲をカバーできますが、誤検出や見落としのリスクがあるため、コミュニティによる監査（レビュー）を組み合わせるハイブリッドワークフローを採用している点が重要です。

次にリソース消費の指標として「トークン消費約1百万」が公開されています。トークン数の公表は、解析にかかるコスト感やスケーラビリティを示しており、今後の定期スキャンや継続的監査の計画立案に役立ちます。たとえば、トークン単価やAPI利用料を見積もれば、運用コストをある程度把握できます。

ラベル付け・可視化の面では、SAFE（検証済）241件、LOW_RISK（低リスク）154件といったカテゴリ分けが行われ、バッジで一覧を強調しています。こうした分類は利用者が導入判断を行う際のファーストフィルターとして機能しますが、カテゴリ定義や評価基準（どのような条件でSAFEと判断したか）を明文化することが、透明性と再現性の点で次の改善ポイントです。

最後にアーキテクチャ的には「監査ログ（メタデータ）、判定アルゴリズム、コミュニティレビューのワークフロー」が主要な要素になるはずです。README以外のコードや自動化スクリプトが含まれていないため、実際のスキャン処理やモデル推論は外部で実行され、結果のみがここに集約されていると推察されます。将来的には、判定プロセスの一部をコード化して公開することで、再現可能性と外部からの貢献を促せます。

プロジェクトの構成

主要なファイルとディレクトリ：

README.md: file

（備考）現状はREADME中心の静的リポジトリ構成。監査データやスクリプトが別リポジトリや非公開の運用環境に置かれている可能性があります。

まとめ

コミュニティとAIを組み合わせた実用的なスキル安全リストで、利用判断に役立つ第一歩を提供しています。

リポジトリ情報：

名前: OPENCLAW-SKILL-SAFE
説明: 説明なし
スター数: 6
言語: null
URL: https://github.com/huge8888/OPENCLAW-SKILL-SAFE
オーナー: huge8888
アバター: https://avatars.githubusercontent.com/u/117529459?v=4

READMEの抜粋：

OPENCLAW SKILL SAFE LIST

Community-audited list of safe OpenClaw skills

Audit Date: 2026-02-06 | Skills Scanned: 4,000+ | AI Models Used: 3 | Tokens Spent: ~1 Million | Safe Skills Listed: 395

…

OPENCLAW スキル安全リスト