by 安全扫描
OpenClaw
安全
high confidence该技能的代码、依赖及说明与其声明用途一致（运行 Meta Segment Anything 去除图像背景）；主要风险为预期的运行开销（大模型下载与 Python 包安装），而非恶意行为。
评估建议
该技能似乎确实如其所述。安装前请考虑：(1) 模型权重较大（vit_h 约 2.5GB）——确保带宽与磁盘空间；(2) 会安装 Python 包（torch、torchvision，并可能 pip 安装 segment_anything 仓库）并在本机运行代码——若在共享/生产环境，建议先审阅 segment_anything 仓库或在隔离环境（virtualenv/容器）中运行；(3) 下载源为 GitHub 与 dl.fbaipublicfiles.com（官方托管），需网络访问；(4) 不请求任何凭据。若以上行为不可接受，请勿安装或在隔离前不要运行。...详细分析 ▾
✓ 用途与能力
名称/描述（基于 SAM 的背景去除）与所含脚本及请求的包（Pillow、numpy、torch、torchvision）一致。脚本下载官方 SAM 检查点并在需要时安装 segment_anything 包——所有行为均与声明功能相符。
ℹ 指令范围
SKILL.md 指导运行所含脚本并说明行为（提示点、缓存路径 ~/.cache/sam、自动下载检查点）。指令未要求读取无关文件或外泄数据，但运行时会自动安装缺失的 segment_anything 包并下载大模型权重。
ℹ 安装机制
安装规范列出预期 PyPI 包（pillow、numpy、torch、torchvision）。脚本在运行时会视需要执行 pip install git+https://github.com/facebookresearch/segment-anything.git。模型检查点从 dl.fbaipublicfiles.com（Facebook 公共托管）下载——无不短链或私有域名。
✓ 凭证需求
未请求任何环境变量、凭据或配置路径。脚本仅写入应用缓存目录（~/.cache/sam）与用户提供的输出位置。
ℹ 持久化与权限
技能未请求 always:true，由用户调用。会在运行环境安装 Python 包并在 ~/.cache/sam 下持久化模型文件；这对 ML 模型使用属预期行为，但会修改本地环境。
安全有层次，运行前请审查代码。
运行时依赖
无特殊依赖
版本
latestv1.0.02026/3/14
- 首次发布 segment-anything 技能 (sam-segmentation-zh)。 - 使用 Meta 的 Segment Anything Model (SAM) 提供图像背景去除功能，输出透明 PNG。 - 支持自定义模型、前景点提示及高级选项以提取多个元素。 - 包含 CLI 用法说明与详细参数解释。 - 自动处理模型下载与依赖安装。
● 可疑
安装命令
点击复制官方npx clawhub@latest install segment-anything
镜像加速npx clawhub@latest install segment-anything --registry https://cn.longxiaskill.com
技能文档
使用 Meta 的 Segment Anything Model 从图像中提取前景主体，输出透明背景的 PNG 文件。
快速开始
``bash
python3 scripts/segment.py <输入图像> <输出.png>
`
默认以图像中心作为前景提示点——适用于主体居中的人像和产品图。 参数说明
| 参数 | 说明 | 默认值 |
|---|---|---|
| input | 输入图像路径 | 必填 |
| output | 输出 PNG 路径（单目标模式）或目录（--all 模式） | 必填 |
| --model | 模型大小：vit_b（快速）· vit_l（中等）· vit_h（最佳质量） | vit_h |
| --checkpoint | 本地权重文件路径；省略时自动下载 | 自动 |
| --points | 前景提示点，格式为 x,y，可指定多个 | 中心点 |
| --all | 网格扫描模式：提取所有独立元素 | 关闭 |
| --grid | --all 模式的网格密度；16 表示 16×16=256 个探测点 | 16 |
| --iou-thresh | 接受掩码的最低预测 IoU（--all 模式） | 0.88 |
| --min-area | 掩码最小面积占图像比例（--all 模式） | 0.001 | 使用示例
`bash
# 基础背景去除（自动下载 vit_h 约 2.5GB）
python3 scripts/segment.py photo.jpg output.png # 主体偏离中心时指定提示点
python3 scripts/segment.py photo.jpg output.png --points 320,240
# 多提示点 + 轻量模型
python3 scripts/segment.py photo.jpg output.png --model vit_b --points 320,240 400,300
# 提取所有元素（每个元素输出一个 PNG）
python3 scripts/segment.py photo.jpg ./elements/ --all
# 使用更密集的网格捕获小物体
python3 scripts/segment.py photo.jpg ./elements/ --all --grid 32
# 使用本地权重文件
python3 scripts/segment.py photo.jpg output.png --checkpoint /path/to/sam_vit_h_4b8939.pth
`
依赖安装
segment_anything 首次运行时自动安装，也可手动安装：
`bash
pip install git+https://github.com/facebookresearch/segment-anything.git
pip install pillow numpy torch torchvision
` 工作流程
- 用户提供图像路径
- 询问是否需要提示点（主体偏离中心时）
运行脚本；权重文件首次使用时自动下载至~/.cache/sam/- 输出透明背景的 PNG 文件
模型选择
| 模型 | 大小 | 速度 | 质量 |
|---|---|---|---|
| vit_b | ~375 MB | 最快 | 良好 |
| vit_l | ~1.25 GB | 中等 | 较好 |
| vit_h` | ~2.5 GB | 较慢 | 最佳 | 有 GPU 时自动使用 CUDA 加速。