Tinman是一款专为AI Agent设计的主动式安全扫描与防护工具，核心定位是Agent自我防护与未知故障模式发现。其核心价值在于将传统被动审计转为主动预防——通过/tinman check实现工具调用前的实时风险评估，让Agent具备"自我审查"能力。
核心用法
Tinman围绕检测-防护-监控-验证四个环节构建：
- 自检防护：
/tinman check <tool> <args>在工具执行前判定SAFE/REVIEW/BLOCKED，支持safer/risky/yolo三级模式 - 历史扫描：
/tinman scan分析会话痕迹，检测提示注入、工具滥用、上下文泄露等5大类故障模式 - 主动探针：
/tinman sweep运行288个合成攻击向量，覆盖越狱、凭证窃取、供应链攻击等12个类别 - 实时监控：
/tinman watch通过WebSocket或轮询持续监测，事件流本地存储至JSONL - 可视化：
/tinman oilcan提供Oilcan仪表盘的无缝对接指引
显著优点
1. 零信任执行模型：工具调用前强制检查，将安全左移至执行瞬间
2. 分层风险响应：S0-S4五级严重度+三种操作模式，兼顾安全与效率
3. 全本地隐私：会话数据不出境，事件流与报告仅存于用户工作区
4. 可扩展探针库：288个攻击模式覆盖MCP攻击、间接注入、内存投毒等前沿威胁
5. Agent原生设计：输出格式直接映射OpenClaw控制策略（SOUL.md、沙箱策略）
局限性与风险
- 性能开销：实时检查增加工具调用延迟，高频场景需启用risky/yolo模式
- 误报可能：启发式检测可能将合法操作标记为REVIEW，需维护allowlist
- 探针危险性：sweep模式主动构造攻击载荷，误操作可能触发真实安全响应
- 网关暴露：
--allow-remote-gateway选项若滥用可能导致本地事件流外泄 - 依赖复杂度：需Python 3.10+及两个专有PyPI包（AgentTinman、tinman-openclaw-eval），供应链信任需自行验证
适合人群
- 企业AI部署团队：需符合合规要求的生产级Agent防护
- 红队/安全研究员：系统评估AI系统失败模式的实验工具
- 高敏感场景开发者：处理财务交易、密钥管理、隐私数据的Agent构建者
- OpenClaw深度用户：已使用SOUL.md与沙箱策略，希望强化执行层安全
常规风险
默认配置下（loopback-only网关、无远程访问、safer模式）风险可控。主要风险点：
- yolo模式下S3-S4仅警告不阻断，不适合生产
- 事件流文件（tinman-events.jsonl）权限若配置不当可能导致本地信息泄露
- sweep探针可能触发主机EDR/杀毒软件告警，建议在隔离环境运行