红技能还是蓝技能？对ClawHub上技能的深入研究
计算与语言
2026-04-16 v1 计算机与社会
摘要
技能生态系统已成为大型语言模型（LLM）代理系统中日益重要的层面，使其能够实现可重用的任务打包、公共分发和社区驱动的能力共享。然而，尽管其快速增长，公开技能注册表的功能、生态结构和安全风险仍未得到充分探索。本文我们present对ClawHub——一个大型公共技能注册表的实证研究。我们构建并归一化了一个包含26,502个技能的数据集，并系统性地分析了它们的语言分布、功能组织、流行度和安全信号。我们的聚类结果显示出清晰的跨语言差异：英文技能更倾向于基础设施导向，聚焦于API、自动化和记忆等技术能力；而中文技能更倾向于应用导向，拥有更清晰的场景驱动聚类，如媒体生成、社交内容生产和金融相关服务。我们进一步发现，超过30%的所有爬取技能都被可用的平台信号标记为可疑或恶意；而大量技能仍缺乏完整的安全可观测性。为研究早期风险评估，我们在仅使用出版时可用信息的条件下，构建了11,010个技能的平衡基准，用于构建提交时技能风险预测。经过12个分类器测试，最佳的Logistic Regression实现了72.62%的准确率和78.95%的AUROC，其中主要文档成为最具信息性的提交时信号。我们的发现将公开技能注册表定位为代理能力复用的关键启用器，同时也是生态系统规模化安全风险的新表面。
引用
@article{arxiv.2604.13064,
title = {Red Skills or Blue Skills? A Dive Into Skills Published on ClawHub},
author = {Haichuan Hu and Ye Shang and Quanjun Zhang},
journal= {arXiv preprint arXiv:2604.13064},
year = {2026}
}