ClawSentry：保护自主 LLM 代理的渐进式多层级安全监控器

ClawSentry 是一个开源、框架无关的安全监督网关，用于保护自主 LLM 代理。它基于代理风险渐进式威胁模型，在技能导入、调用意图、执行效果和事后影响四个环节设置多层审查。在 SkillInject 测试中，使用 Codex/GPT-5.4 时，上下文攻击成功率从 39.55% 下降。

现有防护通常局限于单一生命周期边界或单次调用，而 ClawSentry 将风险视为渐进式过程，覆盖代理控制循环的四个关键点，并统一应用于 Codex、Claude Code、Kimi CLI 和 Gemini CLI，无需修改代理内部结构，提供了跨框架的安全监督方案。

ClawSentry 在技能包执行前进行确定性审计，并在运行时采用三层渐进式决策引擎：确定性 L1 层、基于规则的 L2 语义审查和只读 L3 证据寻求代理，按需分配上下文审查资源。此外，会话级反绕过机制识别工具切换和措辞改写，事后路径将高严重性证据非追溯性地纳入后续审查。

对于依赖 LLM 代理执行代码或操作外部工具的产品，ClawSentry 可降低数据泄露和权限提升风险，提升安全性。其框架无关特性减少集成成本，但可能引入额外的审查延迟和计算开销。团队需评估其对用户体验和成本的影响。

• 集成 ClawSentry 网关到现有代理产品，提供安全监控功能。
• 为高风险技能包建立预先审查流程，降低恶意技能风险。
• 开发基于 ClawSentry 的可视化安全仪表盘，辅助管理员监控代理行为。
• 提供 ClawSentry 的托管服务，面向中小企业客户。

• ClawSentry 在真实生产环境中的性能开销和延迟数据是多少？
• 其反绕过机制对其他未提及的代理框架是否同样有效？
• 该安全网关是否适用于多代理协作场景？
• 文中提到的攻击成功率下降是否具有统计显著性？