菜单
基于 ClawGuard 评测产出文件，生成面向插件开发者的评测报告（report.md）。 报告原则：零主观判断，所有扣分项有理有据，修复方法可操作。 输入：certification.json + plugin-data.json + findings.json（必需），probe-report.json + profile.json + eval-report.json（可选）。 触发词：生成评测报告、出报告、generate report。 通常由 clawguard-eval Skill 在 certify 完成后自动调用，也可独立触发。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
| name | clawguard-report |
| description | 基于 ClawGuard 评测产出文件，生成面向插件开发者的评测报告（report.md）。 报告原则：零主观判断，所有扣分项有理有据，修复方法可操作。 输入：certification.json + plugin-data.json + findings.json（必需），probe-report.json + profile.json + eval-report.json（可选）。 触发词：生成评测报告、出报告、generate report。 通常由 clawguard-eval Skill 在 certify 完成后自动调用，也可独立触发。 |
报告中每个扣分项必须包含以下 4 个要素：
具体描述检测到的问题，引用实际数据：工具名、数量、字符数、文件名等。
示例：检测到 7 个工具的描述超过 100 字符，其中 feishu_calendar_event 为 427 字符
说明对应的评分规则，引用 docs/SCORING.md 中的规则。
示例：根据 COMPLIANCE（规范遵从）评分规则，描述超过 100 字符的工具每个扣 4 分，上限 20 分
展示具体的扣分计算过程。
示例：7 个工具 × 4 分 = 28，触及上限 → 实际扣 20 分
给出具体可操作的修复步骤，包含代码示例或命令。
示例：将 feishu_calendar_event 的描述从 427 字符精简到 100 字符以内，详细说明移至 SKILL.md
禁止出现以下情况：
findings.json 中每一条 deduction > 0 的 finding，以及每个 < 100 的子维度（FUNC/STABLE/VALUE/FOOTPRINT/HOOK_OVERHEAD/E2E_IMPACT/TOKEN_COST），都必须在 section 6 里出现。完整性必须在 6.4 节用数字声明（"26 条 SEC 规则中 X 条命中，其余 {26-X} 条未触发"）由 Agent 读取数据文件后，按模板格式生成 report.md。不调用 CLI 命令。
步骤：
certification.json → 三大类分数、子维度分数、tokenSummary、tokenBreakdownfindings.json → 每条扣分项（ruleId / category / severity / location / deduction / fix / detail）—— 这是 section 6 的主数据源plugin-data.json → 原始检测数据（securitySignals / apiUsage / codeMetrics / manifest），用于 section 3 检测结果细节probe-report.json → 每工具 pass/fail + 错误原因 + P99，用于 section 4profile.json → 性能剖析（FOOTPRINT tokens / hook P99），section 5 展示eval-report.json → A/B 结果（VALUE / E2E_IMPACT / TOKEN_COST）docs/SCORING.md → 评分规则（作为扣分依据引用）references/report-template.md 的结构生成报告| 文件 | 来源步骤 | 必需 | 说明 |
|---|---|---|---|
certification.json | certify | ✅ | 三大类分数、子维度分数、tokenSummary、tokenBreakdown |
findings.json | certify | ✅ | 逐条扣分（section 6 的主数据源） |
plugin-data.json | extract | ✅ | 静态分析原始数据，补充 section 3 的检测结果细节 |
probe-report.json | probe | 可选 | 动态探针每工具 pass/fail + P99 |
profile.json | profile | 可选 | 性能剖析（FOOTPRINT tokens + hook P99） |
eval-report.json | evaluate | 可选 | A/B 结果，VALUE/E2E_IMPACT/TOKEN_COST |
docs/SCORING.md | 仓库 | 参考 | 评分规则手册（作为依据引用） |
{
"schemaVersion": "v4",
"pluginId": "my-plugin",
"version": "1.0.0",
"staticOnly": false,
"categories": {
"safetyCompliance": {
"label": "Safety & Compliance（安全合规）",
"score": 63,
"dimensions": {
"SEC": { "score": 100, "weight": 0.4 },
"COMPLIANCE": { "score": 30, "weight": 0.4 },
"QUALITY": { "score": 55, "weight": 0.2 }
}
},
"functionalQuality": { ... },
"performance": { ... }
},
"dimensions": {
"SEC": 100, "COMPLIANCE": 30, "QUALITY": 55,
"FUNC": 100, "STABLE": 100, "VALUE": 60,
"FOOTPRINT": 62, "CONTEXT": "N/A", "HOOK_OVERHEAD": 100,
"E2E_IMPACT": 64, "TOKEN_COST": 57
// Note: LEAK_RUNTIME was removed — runtime-leak risk now surfaced via
// SEC-22..31 static findings, not a quantitative score.
}
}
findings.json 中每条 deduction > 0 都必须在 section 6 出现staticOnly: true 时：Functional Quality / Performance 大类为 N/A，section 4/5 空骨架保留但标注"仅静态分析"references/report-template.md，不含附录节（旧版 section 7 已删除）