核心用法
OpenClaw Triage 是一款专为 Agent 工作空间设计的事件响应与数字取证工具。当技能异常运行、文件莫名变更或其他安全工具发出警报时，用户可通过 triage.py 执行多维度调查。主要命令包括：investigate 启动全面调查，收集工作空间状态、检测篡改迹象、构建事件时间线并计算严重等级；timeline 生成文件修改时序图，识别异常批量操作；scope 评估影响范围，按风险等级分类文件并检测凭证泄露模式；evidence 在修复前保全取证证据；status 快速查看当前威胁态势。
工具支持工作空间自动检测（环境变量 → 当前目录 → 默认路径），并与 OpenClaw 安全套件（Warden/Ledger/Signet/Sentinel）深度联动，自动交叉引用基线偏差、签名篡改、威胁情报等数据。
显著优点
极致安全架构：仅依赖 Python 标准库，零第三方包、零网络调用，彻底消除供应链攻击与数据外泄风险。跨平台兼容 Darwin/Linux/Win32，适配 Claude Code、Cursor 等主流 Agent 环境。
专业取证能力：集成事件时间线重建、影响范围评估、凭证泄露扫描、数据外泄 URL 检测等高级功能，输出结构化严重等级（CRITICAL/HIGH/MEDIUM/LOW）与标准化退出码，便于自动化响应。
生态协同优势：作为 OpenClaw 安全矩阵的核心组件，能无缝整合 Warden 完整性校验、Ledger 审计日志、Signet 技能签名、Sentinel 威胁检测，形成端到端的安全闭环。
潜在缺点与局限性
功能边界清晰：作为调查取证工具而非实时防护系统，无法主动拦截攻击，仅能在事件发生后响应。不包含自动修复功能（remediate 需配合其他工具），依赖人工决策或外部脚本执行遏制操作。
威胁模式更新滞后：凭证泄露正则（CREDENTIAL_PATTERNS）与外泄模式（EXFIL_PATTERNS）硬编码于代码中，对新出现的攻击手法（如新型 API 密钥格式、隐蔽 C2 通道）检测能力有限，需手动更新或等待版本迭代。
单点分析局限：虽能整合多源数据，但分析逻辑基于规则匹配与时间序列统计，缺乏机器学习驱动的异常行为检测，对高级持续性威胁（APT）的隐蔽操作可能识别不足。
环境依赖要求：需 Python 3 环境，虽为标准库但仍需确保目标系统已安装。工作空间自动检测逻辑若遇复杂目录结构可能误判，建议显式指定 --workspace 参数。
适合的目标群体
- Agent 平台安全运维人员：需定期审计 Claude Code、Cursor 等工作空间的安全状态
- incident response 团队：负责快速调查技能异常、文件篡改等安全事件的工程师
- 开发者与 AI 应用团队：使用 OpenClaw 生态构建 Agent 应用，需配套安全监控能力
- 合规审计人员：需生成取证报告、事件时间线文档以满足安全审计要求
- 安全意识较强的个人用户：希望自主掌控工作空间安全状态，建立安全基线
使用风险
操作风险：evidence 与 contain 命令会修改文件系统（创建证据目录、隔离可疑技能），虽设计为保护性操作，但误运行可能导致正常技能被锁定。建议始终先运行 evidence 备份，并在生产环境使用前充分测试。
路径遍历隐患：虽已实现基础路径验证，但复杂符号链接或特殊构造的 --workspace 参数仍存在潜在目录遍历风险。建议结合 os.path.realpath 解析绝对路径，避免访问预期外目录。
数据完整性依赖：工具依赖外部安全工具（Warden/Ledger 等）生成的 JSON 数据，若这些数据本身被篡改，分析结果将失真。建议考虑增加数据签名验证机制。
性能考量：大型工作空间（数万文件）的全面调查可能耗时较长，时间线构建与哈希计算（SHA-256）存在计算开销，建议在资源充足环境下运行或限制 --hours 范围。