Tinman 是一款主动防御型 AI 安全扫描器，专为识别和防范大型语言模型（LLM）系统中的未知失效模式而设计。它通过系统化的实验方法，持续探测 AI 代理在运行过程中可能暴露的安全漏洞与行为异常。Tinman 的核心理念是‘前置部署’，即在工具执行前进行安全检查，实现对代理的自我保护机制。所有分析均在本地完成，确保用户数据隐私不被泄露，且其事件流默认仅监听本地回环地址，进一步降低意外数据暴露的风险。 该工具集成了 168 种检测模式和 288 种攻击探针，覆盖从提示注入、工具滥用到上下文泄露等广泛威胁类型。它能对会话历史进行深度扫描，识别如 SSH 密钥窃取、凭证外泄、越狱尝试等高危行为，并按严重程度分为 S0 至 S4 五个等级进行分类。对于检测到的风险，Tinman 不仅提供详细证据，还会提出具体的缓解建议，直接映射到 OpenClaw 平台的控制措施，如 SOUL.md 规则配置或沙箱策略调整，使安全防护更具可操作性。 Tinman 支持多种工作模式以适应不同安全需求：在 `safer` 模式下，系统会阻止高危操作并请求人工审批；`risky` 模式允许自动放行中低风险请求但仍拦截严重威胁；而 `yolo` 模式则仅用于测试环境，仅发出警告而不阻断任何动作。此外，它还提供了灵活的允许列表管理功能，用户可为可信域名、命令或工具添加白名单，避免误判影响正常业务流程。
核心功能特点
- 168种检测模式与288种攻击探针，全面覆盖AI系统潜在失效场景
- 本地实时检查工具调用安全性，实现代理自我防护机制
- 按S0-S4五级严重度分类风险，并提供OpenClaw平台对应控制措施建议
- 支持三种安全模式（safer/risky/yolo），适应不同安全策略需求
- 内置允许列表管理，可豁免特定可信项目免于安全检查
适用场景
Tinman 特别适用于需要高度保障 AI 代理安全性的生产环境。例如，在企业内部部署智能助手或自动化代理时，可通过 `/tinman check` 命令在执行敏感操作（如读取配置文件、发起网络请求）前进行预检，有效防止因模型误判或恶意输入导致的敏感信息泄露。这种‘事前审查’机制让代理具备了基本的自我保护能力，尤其适合处理包含用户凭证、私有代码库访问权限等高敏任务。 对于开发者和研究人员而言，Tinman 的扫描与渗透测试功能极具价值。利用 `/tinman sweep` 命令可主动发起模拟攻击，测试代理在面对提示注入、越狱指令、跨会话数据泄露等典型攻击向量时的表现。这有助于提前发现系统弱点，优化 SOUL.md 指南和沙箱策略，提升整体鲁棒性。同时，结合 `/tinman watch` 的实时监控能力，可在日常使用中持续观察代理行为，及时发现异常活动。 在团队协作或多代理协同场景中，Tinman 的事件流输出（`~/.openclaw/workspace/tinman-events.jsonl`）可与 Oilcan 仪表板集成，实现可视化监控与安全态势感知。管理员可通过 heartbeat 定时触发扫描任务，形成闭环的安全运维流程，确保即使无人值守也能保持对关键风险的持续关注。