Token导航 LogoToken导航

Agent Skill · 研究检索

anti-rug(抗地毯)

anti-rug 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。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。

anti-rug 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为需要联网;许可证为 MIT-0,第三方扫描已通过,按安装量在研究检索类的 73,675 个 Skill 里排第 29,217。

总安装 3,095周安装 124GitHub Stars 公开资料未说明下载 1,002核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
3.1.0

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:anti-rug(抗地毯)
来源仓库:https://github.com/deanpeng-dotcom/anti-rug
安装命令:
openclaw skills install anti-rug
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 anti-rug

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

anti-rug 扫描 Web3 代币合约风险,识别蜜罐、地毯拉动等安全隐患。适用于 OpenClaw 中评估以太坊、BSC 等链上资产安全性,支持多生态交叉验证。提供专家引擎分析合约行为与流动性变化趋势,辅助投资决策。使用前应核实 API 密钥有效性(如有),并注意不依赖单一数据源。

建议结合钱包地址、交易哈希等多维度信息综合判断,勿仅凭本技能结论操作资金。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install anti-rug;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要需要联网,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

anti-rug 怎么安装?

在终端执行 openclaw skills install anti-rug。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

anti-rug 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

anti-rug 需要什么权限?

权限级别是需要联网。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。

anti-rug 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

anti-rug 用的人多吗?

公开数据是累计安装 3,095 次,近一周安装 124 次,下载 1,002 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

anti-rug 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
anti-rug

抗地毯 · 本页

3,095—需要联网MIT-0通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
anti-rug-cn
version
3.1.0
description
Web3 token security scanner with expert cross-validation engine. Detects honeypots, rug pulls, and contract risks across Ethereum, BSC, Polygon, and other EVM chains.
author
Antalpha AI Team
requires
[python>=3.8, requests>=2.28.0]
metadata
repository
https://github.com/ZorroShao/anti-rug
install
type
python
command
pip install -r requirements.txt
env
[]

Web3 Token Security Scanner (Anti-Rug)

Maintainer: Antalpha AI Team

A professional-grade token contract security analyzer featuring scenario-based classification and cross-validation engine.

Overview

This tool performs comprehensive security analysis of token contracts with:

  • Scenario Classification: Automatically categorizes tokens (A: Pegged Assets, B: Eco Tokens, C: Meme Coins)
  • Cross-Validation Engine: Analyzes relationships between indicators (neutralized/amplified/contextual)
  • Dynamic Risk Scoring: Weighted scoring system adapted to token type
  • Fatal Finding Detection: One-strike rules for critical vulnerabilities

Supported Chains

  • Ethereum (chain_id: 1)
  • BNB Smart Chain (chain_id: 56)
  • Polygon (chain_id: 137)
  • Arbitrum One (chain_id: 42161)
  • Base (chain_id: 8453)
  • Optimism (chain_id: 10)
  • Avalanche C-Chain (chain_id: 43114)
  • Solana (chain_id: solana)

Installation

git clone https://github.com/ZorroShao/anti-rug.git
cd anti-rug
pip install -r requirements.txt

Usage

python scripts/check_token.py --chain_id 56 --contract_address 0x...

Scenario Classification

Scenario A: Pegged/Stable Assets

Examples: USDT, USDC, WETH, WBNB

  • Mintable: ✅ Expected for peg maintenance
  • Owner: ✅ Institution custody is normal
  • Blacklist: ✅ Compliance requirement

Scenario B: Ecosystem Tokens

Examples: UNI, AAVE, established DeFi

  • Proxy: ✅ Acceptable for upgradeability
  • Treasury: ✅ Protocol-owned liquidity expected

Scenario C: Meme/Unknown Tokens

  • All permissions: ⚠️ Treated as potential rug tools
  • Strictest evaluation applied

Risk Severity Levels

ScoreLevelAction
0-24Low✅ Base security passed
25-49Low-Medium🟡 Minor concerns
50-74Medium🟡 Caution required
75-100High🔴 Dangerous
FatalCritical🛑 Do not buy

Architecture

config.py           # Centralized configuration
exceptions.py       # Custom exception classes
validators/         # Cross-validation rules (modular)
  cv_mint_ownership.py
  cv_concentration.py
  cv_proxy.py
  cv_tax_scenario.py
tests/              # Unit tests
scripts/
  check_token.py    # Main entry point

License

MIT License - See LICENSE file

平台分布

OpenClaw

78.13%
按下载量换算783

安全审计

VirusTotal

通过

ClawScan

通过

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。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills