夜雨聆风
很多团队已经知道 OpenClaw 类 AI agent 部署里常见的安全风险。更难回答的问题是：
这些问题是否已经存在于当前正在运行的环境中。
OpenClaw Security Audit 就是用来回答这个问题的。它最准确的定位是：一项面向 OpenClaw 类 AI agent 部署环境的安全审计能力。
这个定义有两个边界需要先说清楚。
第一，它不只是讨论 OpenClaw 本体。我们关注的是现实里正在运行的一类 agent 环境：本机实例、Docker 容器、远程暴露端口，以及围绕这些环境展开的权限、配置、凭证、通道、日志和执行边界问题。
第二，它也不是一个声称适用于所有 agent 的通用安全平台。当前版本的目标很明确：针对 OpenClaw 类 agent 环境里那些可以确定、可以复现、可以直接定位到当前实例的问题，给出环境级的审计结果。
如果说安全基线、加固建议和检查清单回答的是“应该注意什么”，那么 Agent Check 回答的是“你当前这类 agent 环境里已经有什么问题”。
这也是它和通用安全建议最核心的区别。
这些通用建议依然重要，因为它们定义了安全基线、威胁模型和部署原则。Agent Check 则把这层认知落到当前实例上：不是泛泛提醒，而是一次确定性、可复现的环境级检查。
一、当前能力边界
从当前能力边界看，OpenClaw Security Audit 包括：
12 大攻击面
80 项确定性检查
27 个威胁编号映射
零 LLM 依赖
结果 100% 可复现
这些能力不是抽象标签，而是落在具体环境问题上的确定性规则。例如，它可以检查：
gateway 是否错误暴露到非 loopback 地址
token 是否以明文或硬编码方式存在
远程端口、容器绑定和 agent 执行边界配置是否存在明显风险
二、它支持哪些场景
它目前支持三类典型场景：
本机实例检查
Docker 容器检查
远程端口检查
输出形式也不是一句模糊结论，而是适合实际使用流程的几种结果：
终端摘要，用于快速查看问题分布
Markdown 报告，便于团队留档和流转
JSON 报告，便于后续自动化处理和集成
三、它不是什么
同样重要的是，它不是什么。
它不是把安全建议和检查清单换一种形式重新讲一遍。
它不是依赖 LLM 给出模糊判断的“安全点评”。这里所谓“零 LLM 依赖”，指的是检查结果不依赖模型输出波动，也不会因为 prompt 或推理路径变化而产生不同结论。
它也不是一个已经承诺覆盖所有 agent、所有框架、所有部署模型的通用平台。
它当前做的是一件更具体、也更有操作价值的事：
检查你当前这套 OpenClaw 类 agent 环境里，已经存在的确定性问题。
四、现已开放
OpenClaw Security Audit 现已开放。如果你正在使用 OpenClaw 类 AI agent，或者你的团队正在试点 agent、准备把 agent 接入真实流程，那么现在更值得确认的问题，不只是“有哪些风险值得关注”，而是：
你当前运行的这套 agent 环境里，已经有哪些问题。
如果这正是你想确认的内容，现在就可以体验 OpenClaw Security Audit：
https://github.com/zast-ai/openclaw-security-audit
❤️ 如果您觉得工具好用，欢迎在 GitHub 上帮我们点个 Star ⭐ ，您的支持是我们最大的动力！