Network AI

核心用法

Network-AI 是一套本地运行的多智能体工作流编排系统，通过6个纯Python标准库脚本实现任务分解、代理协调和权限管控。核心组件包括：

• swarm_guard.py: 预算初始化、任务拦截检查、结果验证与主管审查
• blackboard.py: 共享状态管理（读写/TTL/快照）
• check_permission.py: 本地权限墙，管控DATABASE/PAYMENTS/EMAIL/FILE_EXPORT四类资源
• context_manager.py: 三层记忆模型中的持久层（项目目标、技术栈、里程碑）
• validate_token.py / revoke_token.py: 令牌生命周期管理

典型工作流：初始化预算 → 分解为3个子任务 → 拦截检查 → （通过后由宿主平台调用sessions_send）→ 黑板同步 → 结果验证 → 主管审批 → 最终提交。

显著优点

| 优势 | 说明 |

|------|------|

| **零依赖安全** | 仅使用Python标准库，无第三方包，无网络调用 |

| **本地隐私** | 所有状态（审计日志、令牌、项目上下文）仅存本地data/目录 |

| **预算防御** | 硬性限制：最多3次handoff、500字符消息、60%行动比率、2分钟超时 |

| **三层记忆** | 代理上下文（临时）+ 黑板（TTL共享）+ 项目上下文（持久） |

| **防静默失败** | 心跳检测、结果验证字段强制（status/output/confidence）、主管终审 |

局限性与风险

• 宿主平台依赖：sessions_send/sessions_list/sessions_history为OpenClaw内置工具，本技能仅提供前置预算检查，实际网络调用由平台控制
• 无加密存储：令牌和审计日志以明文JSON/JSONL存储，依赖OS文件权限保护
• TTL非自动：过期令牌需手动运行revoke_token.py --cleanup
• justification泄露风险：自由文本字段可能意外包含PII，持久化存储无自动脱敏

适合人群

• 需本地编排多个AI代理的自动化工作流开发者
• 对数据隐私敏感、要求零外部依赖的企业环境
• 已使用OpenClaw平台且需额外预算/权限控制层的用户

安全等级评估

• 代码层面：S+（纯标准库、无网络、无子进程、无动态执行）
• 使用层面：B（依赖宿主平台的sessions_send实现，存在间接网络暴露风险；明文存储需额外OS加固）
• 综合评级：S（代码本身极高安全性，但完整安全取决于宿主平台配置）

核心用法

Network-AI 是一个纯本地多 Agent 协调框架，通过 6 个 Python 标准库脚本实现复杂工作流的任务分解、并行执行与权限控制。核心工作流遵循"分解→委托→验证→合成"四步协议：Orchestrator 将复杂请求拆分为 3 个子任务（数据/验证/策略），通过 swarm_guard.py 进行预算检查和权限拦截后，方可调用主机平台的 sessions_send 进行任务委托。所有协调状态通过共享黑板（swarm-blackboard.md）持久化，支持 TTL 过期和原子提交。

关键脚本功能矩阵：

• swarm_guard.py: 预算初始化/检查、任务切换拦截、结果验证、心跳监控、主管复核
• blackboard.py: 读写共享状态、TTL 管理、快照导出
• context_manager.py: 三层内存模型中的持久层（Project Context）管理
• check_permission.py: 基于加权评分（Justification 40% + Trust 30% + Risk 30%）的权限授予
• validate_token.py / revoke_token.py: Token 生命周期管理

权限墙机制：对 DATABASE、PAYMENTS、EMAIL、FILE_EXPORT 四类抽象资源实施门控，授予的 Token 默认 5 分钟 TTL，支持细粒度作用域（如 read:invoices）和自动审计日志记录。

显著优点

1. 零信任安全架构：纯本地执行（零网络调用、零第三方依赖），从根本上消除数据外泄和供应链攻击风险；通过 CLS S 级安全认证（94 分）
2. 企业级权限体系：加权评分授权 + Token TTL + 自动过期清理 + 完整审计追踪（data/audit_log.jsonl），符合 GDPR/CCPA 合规要求
3. 成本可控的多 Agent 协作：内置 Token 预算系统，防止"Handoff Tax"（无意义任务切换），强制 60% 动作产出比、3 次切换上限、2 分钟规划时限
4. 三层内存安全模型：Agent Context（会话级）→ Blackboard（TTL 共享）→ Project Context（持久项目记忆），通过文件锁保证并发安全
5. 静默失败防护：强制心跳机制（swarm_guard.py heartbeat）+ 结果结构化验证（status/output/confidence 三字段）+ 主管复核关卡

潜在缺点与局限性

1. 短 TTL 的授权摩擦：Grant Token 默认 5 分钟有效期，频繁授权可能影响长时任务体验（可配置调整）
2. 主机平台依赖：sessions_send/sessions_list/sessions_history 为 OpenClaw 主机平台内置，非本 Skill 提供；跨平台迁移需适配
3. Windows 文件锁限制：生产环境 Windows 主机可能需要额外安装 filelock 包解决并发锁问题
4. 审计日志 PII 风险：justification 字段为自由文本，若输入敏感信息将持久化到本地磁盘（已文档化警告）
5. 无内置向量记忆：Project Context 为 JSON 文件存储，大规模语义检索需外部扩展

适合人群

• AI 工程师/架构师：需要构建可控、可审计、成本敏感的多 Agent 生产系统
• 金融/医疗/政务行业：对数据本地化、权限合规、审计追踪有强监管要求的场景
• 安全敏感型企业：零信任架构需求，拒绝任何外部网络调用的封闭环境
• 复杂工作流自动化：需要任务分解、并行执行、结果合并（merge/vote/firstSuccess/chain）的编排场景

常规风险

| 风险类型 | 等级 | 说明与缓解 |

|---------|------|-----------|

| 权限提升 | 低 | 加权评分机制 + Token 作用域限制 + 审计追踪，无已知绕过路径 |

| 数据泄露 | 极低 | 纯本地架构，零网络调用；风险仅存于本地文件权限配置不当 |

| 供应链攻击 | 无 | 零第三方依赖，仅 Python 标准库 |

| 提示词注入 | 低 | Justification 字段自由文本可能包含恶意输入，但仅影响本地审计日志 |

| 成本失控 | 低 | 预算硬上限 + 自动拦截，但需主动初始化预算 |

| Token 泄露 | 低 | 5 分钟 TTL 降低窗口期，但需配合文件权限控制（`chmod 700 data/`）|