一个 Claude Code Skill，本机一键体检 Claude Code / Anthropic 账号的封号风险。
针对中国区用户最常见的误封场景：环境画像与北美默认人设对不齐时，会被风控系统标记为高风险——哪怕你完全没有违规行为。
mkdir -p ~/.claude/skills
cd ~/.claude/skills
git clone https://github.com/fourierwang66666/claude-ban-risk-check.git在 Claude Code 里直接说：
帮我做个封号风险体检
或显式触发：
/claude-ban-risk-check
Claude 会自动跑聚合脚本，输出一份带分数 + 修复建议的中文报告。
也可以单独跑某一项：
python3 ~/.claude/skills/claude-ban-risk-check/scripts/check-ip.py| 维度 | 权重 | 检测内容 |
|---|---|---|
| IP 类型 | 30 | 住宅/机房/VPN/移动 + 历史滥用分（ipapi.is）+ 可选独立举报人数（AbuseIPDB） |
| 账号痕迹 | 20 | OAuth+API key 共存、多 key 轮换、凭证在 iCloud/Dropbox/git 里 |
| IP 稳定性 | 15 | 7 天内跨国跳变 |
| 会话频率 | 15 | jsonl 时间戳分析：>5/秒、>60/分、24/7 无间隔 |
| Shell 批量 | 15 | for 循环、xargs claude、sub2api 痕迹 |
| 时区/语言 | 10 | 系统 tz / lang / IP 国家三者对齐 |
| cron/launchd | 10 | 定时调用 Claude/Anthropic 的后台任务 |
| 代理链 | 8 | 环境变量 vs settings.json 冲突 |
| DNS 泄露 | 7 | DNS 出口 vs IP 出口国家不一致 |
总分越低越好：
- 0–14：✅ safe
- 15–34：🟡 watchful
- 35–59：🟠 at_risk
- 60+：🔴 critical
check-ip.py 默认只用免费的 ipapi.is。想看"过去 90 天有多少独立用户举报过这个 IP"，去 abuseipdb.com 注册免费账号拿 key（1000 次/天），然后：
export ABUSEIPDB_KEY=your_key_hereAnthropic 的封号判断（从公开行为反推）核心不是"用户做了什么"，而是"用户看起来像不像北美默认用户"。九个检测项扫的就是这套画像里的关键信号——IP 出口、地理一致性、调用节奏、账号痕迹。Skill 把它们量化成一个 0-100 的分数，越低越像默认用户，越高越像被标记的非默认。
- 只覆盖本机可观察的信号：浏览器 WebRTC 泄露、设备指纹、Anthropic 服务端的内部画像因子都看不到，只能靠提示提醒。
- 会话频率检测会误报：Claude Code 自身的多 agent 并发触发的峰值可能踩到 5 次/秒的阈值，这是工具特征不是机器人，需要结合 shell 历史和 cron 综合判断。
- 风控规则是黑盒：九项指标和权重是从社区流传的《防封要点》反推出来的，跟 Anthropic 真实的判定函数不完全等价。Skill 会随着观察到的真实封号案例迭代。
- 修复建议不会自动执行：所有结果只输出建议文本，不会代替用户修改系统配置（修改时区、改 DNS 都需要用户主动操作）。
- 仅 macOS 测试通过：Linux 应该大部分能跑（除了 keychain / scutil 部分），Windows 没适配。
claude-ban-risk-check/
├── SKILL.md # Skill 触发文档 + 报告模板
└── scripts/
├── aggregate.py # 编排 + 打分
├── check-ip.py # IP 类型 + 滥用分
├── check-ip-stability.py # 跨国跳变
├── check-timezone.py # 时区/语言/IP 一致性
├── check-proxy.py # 代理链
├── check-dns.py # DNS 泄露
├── check-account.py # 账号痕迹
├── check-sessions.py # jsonl 频率
├── check-shell-history.py # 批量调用
├── check-cron.py # cron/launchd
└── _emit.py # JSON 输出辅助（已废弃）
MIT