核心用途
Tinman 是一款面向 AI 系统的主动安全研究代理，通过系统化实验发现并分类 AI 失败模式。核心功能包括：
- 会话扫描：分析近期会话，检测提示注入、工具滥用、上下文泄露
- 实时监控：通过 WebSocket 网关或轮询模式持续监控安全事件
- 主动渗透：运行 270+ 合成攻击探针，覆盖 11 大类攻击向量
- 威胁分级：按 S0-S4 五级严重性分类，自动生成可操作的缓解建议
显著优点
1. 覆盖面极广：270+ 攻击探针涵盖提示注入、工具泄露、上下文渗透、权限提升、加密货币盗窃、MCP 滥用、间接注入、逃避绕过、内存投毒等全谱系威胁
2. 实时响应：支持 WebSocket 实时监听与可配置轮询双模式
3. 本地化执行：所有分析在本地运行，会话数据不外传
4. 深度集成：与 OpenClaw 生态深度整合，直接映射到 SOUL.md 防护策略、沙箱策略、工具黑白名单
5. 平台适配：包含 Windows、macOS、Linux 及云环境的特定攻击向量
局限与注意事项
- 权限依赖：需要
sessions_list、sessions_history、read、write等工具权限 - 配置复杂度：初次使用需初始化工作区并理解 OpenClaw 控制体系
- 误报可能：合成探针可能产生噪音，需人工复核 S2 以下告警
- Python 版本限制：要求 Python ≥3.10
适合人群
- AI 系统安全工程师与红队研究员
- 企业 AI 平台运维团队
- 对 AI 代理安全有合规要求的组织
- OpenClaw/Gateway 生态的深度用户
常规风险
- 数据暴露风险：扫描过程需读取会话历史，敏感场景需确保隔离环境
- 资源占用：270+ 探针的全量扫描可能消耗显著计算资源
- 依赖维护：依赖
AgentTinman和tinman-openclaw-eval两个外部包，需关注供应链安全