AI安全研究工具，主动发现提示注入、工具滥用等失败模式并提供缓解方案
说明：
## 核心用法
Tinman 是一款面向 AI 系统的主动式安全研究代理，通过系统化实验发现未知失败模式。主要功能包括：
1. **扫描分析** (`/tinman scan`)：检查近期会话中的提示注入、工具滥用、上下文泄露等问题，支持按时间范围和失败类型筛选
2. **报告生成** (`/tinman report`)：生成结构化安全报告，包含证据链和缓解建议
3. **持续监控** (`/tinman watch`)：后台自动扫描模式，可配置监控间隔
4. **合成探针** (`/tinman sweep`)：主动发起针对性安全测试
## 显著优点
– **主动防御**：区别于被动审计，通过合成探针主动发现潜在漏洞
– **OpenClaw 原生集成**：缓解措施直接映射到 SOUL.md 护栏、沙箱策略、工具白名单等控制机制
– **分级分类体系**：采用 S0-S4 五级严重度标准，覆盖提示注入、工具外泄、上下文泄露、推理错误、反馈循环五大类别
– **隐私优先**：全本地分析，零外部数据传输，尊重会话隔离
– **可配置化**：支持 YAML 配置自定义监控模式、关注焦点和报告阈值
## 潜在局限
– **实验性状态**：版本 0.1.x 表明工具尚处早期，可能存在误报或漏报
– **依赖会话数据质量**：若会话日志不完整，扫描效果受限
– **合成探针风险**：`lab` 模式下的主动探测可能对生产环境产生意外影响
– **缓解建议通用性**：自动生成的控制措施可能需要人工调优以适应具体场景
## 适合人群
– AI 系统安全研究员和红队测试人员
– 使用 OpenClaw 框架的开发者与运维团队
– 需要合规审计能力的企业 AI 部署场景
– 对提示工程安全有深度需求的进阶用户
## 常规风险
– **误报疲劳**：S1-S2 级别发现较多时可能造成噪音，建议将阈值设为 S2 以上
– **权限边界**：虽声明 `elevated: false`，但工具允许列表包含 `sessions_history` 等敏感读取权限，需确认最小权限原则
– **影子模式依赖**：默认 shadow 模式仅观察不拦截，主动防护需额外配置
会员专属
