作者：刘淑娟发布时间：2026-06-18 04:44:15 点击数：13118

今日相关部门发布最新进展解放军代表质问：日本何时道歉 很高兴为您解答这个问题，让我来帮您详细说明一下。品牌授权报修电话，快速上门服务

陕西省商洛市山阳县蓟州区东赵各庄镇朝阳区双井街道静海区西翟庄镇元氏县阿克苏地区新和县四川省乐山市广东省珠海市斗门区黑龙江省鹤岗市吉林省长春市双阳区广东省惠州市龙门县西乡塘区江西省宜春市奉新县崇左市宁明县吉林省四平市铁西区云南省玉溪市新平彝族傣族自治县云南省普洱市景东彝族自治县怀柔区龙山街道密云区不老屯镇广东省惠州市龙门县云南省普洱市景东彝族自治县江苏省徐州市新沂市黑龙江省佳木斯市富锦市密云区古北口镇重庆市市辖区北碚区门头沟区大峪街道洛阳市汝阳县桂林市秀峰区南开区长虹街道山东省东营市垦利区鹿泉区白鹿泉乡福建省南平市怀柔区宝山镇桥西区东华街道河东区大直沽街道山东省泰安市泰山区朝阳区双井街道云南省红河哈尼族彝族自治州泸西县湖北省恩施土家族苗族自治州恩施市广东省惠州市龙门县固原市西吉县平山县上观音堂乡江西省吉安市吉安县行唐县龙州镇湖北省宜昌市夷陵区桂林市兴安县四川省甘孜藏族自治州泸定县甘肃省兰州市云南省丽江市宁蒗彝族自治县山东省烟台市牟平区福建省漳州市龙海市内蒙古兴安盟乌兰浩特市青海省海北藏族自治州门源回族自治县四川省宜宾市珙县武清区上马台镇山西省晋中市灵石县甘肃省天水市秦州区丰台区宛平城地区四川省泸州市江阳区银川市贺兰县门头沟区大峪街道宝坻区牛家牌镇辽宁省沈阳市沈河区江西省萍乡市上栗县江苏省南通市启东市四川省成都市新都区平顶山市湛河区平山县东回舍镇井陉县测鱼镇陕西省商洛市山阳县辽宁省锦州市义县静海区大邱庄镇福建省福州市罗源县山西省运城市夏县辽宁省锦州市义县山东省淄博市临淄区甘肃省兰州市辽宁省沈阳市沈河区山西省吕梁市岚县福建省南平市建瓯市山东省潍坊市青州市塔城地区和布克赛尔蒙古自治县江西省景德镇市昌江区平山县宅北乡延庆区康庄镇桥西区东华街道陕西省汉中市南郑区广东省汕头市南澳县西藏山南市贡嘎县四川省甘孜藏族自治州丹巴县北海市海城区井陉县测鱼镇静海区大邱庄镇山西省忻州市定襄县宝坻区牛家牌镇平山县东回舍镇福建省漳州市龙海市山西省阳泉市平定县和平区南市街道桂林市兴安县

本月行业报告披露新进展从模型到Harness，AI Agent的下半场该如何评测安全？，很高兴为您解答这个问题，让我来帮您详细说明一下:官方服务专线，支持多品牌报修

云南省红河哈尼族彝族自治州泸西县山西省晋城市泽州县湖北省恩施土家族苗族自治州恩施市江苏省连云港市赣榆区山东省泰安市泰山区山西省晋中市太谷区山东省泰安市东平县蓟州区官庄镇钦州市淮南市大通区山东省威海市海淀区青龙桥街道辽宁省本溪市溪湖区广东省佛山市三水区江西省宜春市奉新县井陉县测鱼镇吉林省白山市浑江区江西省景德镇市昌江区朝阳区豆各庄地区密云区河南寨镇黑龙江省佳木斯市汤原县四川省广安市岳池县亳州市利辛县蓟州区东赵各庄镇内蒙古兴安盟乌兰浩特市隆安县昌平区小汤山镇江苏省南通市启东市江苏省徐州市新沂市蓟州区东赵各庄镇隆安县甘肃省兰州市鹿泉区寺家庄镇山西省吕梁市岚县西藏山南市密云区古北口镇江苏省徐州市新沂市福建省三明市梅列区山西省晋中市榆社县百色市田林县内蒙古锡林郭勒盟正镶白旗辽宁省大连市旅顺口区广东省佛山市三水区桥西区苑东街道内蒙古锡林郭勒盟镶黄旗静海区西翟庄镇长安区广安街道山西省晋中市灵石县朝阳区管庄地区武清区汊沽港镇黑龙江省绥化市明水县青海省海西蒙古族藏族自治州德令哈市重庆市县巫山县湖北省宜昌市秭归县山西省晋城市泽州县西青区精武镇云南省大理白族自治州云龙县开封市通许县福建省南平市建瓯市江苏省南通市启东市四川省宜宾市翠屏区山西省忻州市定襄县青海省玉树藏族自治州治多县甘肃省兰州市芜湖市南陵县江西省萍乡市上栗县芜湖市南陵县防城港市东兴市山东省东营市垦利区山东省聊城市冠县长安区广安街道四川省成都市双流区合肥市瑶海区井陉县吴家窑乡湖北省宜昌市宜都市辽宁省大连市旅顺口区内蒙古鄂尔多斯市鄂托克旗黑龙江省七台河市桃山区陕西省商洛市山阳县广东省江门市哈密市伊吾县山西省吕梁市中阳县辽宁省本溪市溪湖区辽宁省本溪市溪湖区陕西省汉中市留坝县河东区东新街道山西省吕梁市岚县贵州省铜仁市印江土家族苗族自治县云南省红河哈尼族彝族自治州绿春县内蒙古鄂尔多斯市康巴什区银川市贺兰县福建省福州市永泰县山东省烟台市牟平区四川省宜宾市江安县长安区广安街道西藏山南市怀柔区雁栖地区江苏省徐州市丰县四川省甘孜藏族自治州泸定县密云区高岭镇

全球服务区域:丰台区和义街道广东省佛山市三水区江西省九江市武宁县赵县沙河店镇黑龙江省七台河市桃山区巴音郭楞蒙古自治州和硕县四川省乐山市江苏省徐州市丰县崇左市宁明县广东省广州市越秀区福建省厦门市湖里区陕西省宝鸡市眉县广东省江门市江西省景德镇市昌江区怀柔区雁栖地区北辰区广源街道甘肃省天水市秦州区赞皇县院头镇辽宁省朝阳市北票市和平区南市街道蚌埠市蚌山区甘肃省定西市渭源县山东省青岛市城阳区四川省甘孜藏族自治州泸定县青海省海西蒙古族藏族自治州德令哈市黑龙江省佳木斯市汤原县西藏山南市贡嘎县四川省凉山彝族自治州甘洛县甘肃省庆阳市镇原县甘肃省兰州市陕西省汉中市南郑区四川省乐山市马鞍山市博望区陕西省宝鸡市眉县百色市田林县南开区长虹街道昌平区延寿镇平山县上观音堂乡四川省遂宁市蓬溪县福建省莆田市仙游县四川省凉山彝族自治州西昌市桥西区留营街道平顶山市卫东区山东省烟台市牟平区四川省成都市新都区山西省阳泉市平定县昌平区小汤山镇西藏山南市贡嘎县黑龙江省绥化市明水县西青区精武镇静海区大邱庄镇黑龙江省佳木斯市富锦市贵州省安顺市普定县江苏省南京市浦口区芜湖市南陵县福建省漳州市龙海市信阳市平桥区桥西区留营街道内蒙古乌海市乌达区江西省宜春市奉新县南阳市内乡县云南省普洱市景东彝族自治县四川省成都市双流区甘肃省庆阳市镇原县南阳市内乡县江西省宜春市奉新县银川市贺兰县防城港市东兴市山东省东营市垦利区陕西省汉中市西乡县和田地区内蒙古鄂尔多斯市鄂托克旗广东省佛山市三水区江苏省南通市启东市山东省滨州市江西省宜春市奉新县山西省运城市夏县蚌埠市龙子湖区黑龙江省鸡西市鸡冠区朝阳区酒仙桥街道行唐县龙州镇元氏县苏村乡辽宁省本溪市溪湖区江西省萍乡市上栗县丰台区宛平城地区门头沟区大峪街道江苏省苏州市相城区朝阳区小红门地区昌平区回龙观街道桥西区苑东街道江苏省苏州市相城区江西省赣州市石城县大兴区辽宁省锦州市义县湖北省襄阳市襄州区蓟州区官庄镇山西省忻州市宁武县云南省文山壮族苗族自治州广南县喀什地区叶城县丰台区长辛店镇

本周官方更新政策动态从模型到Harness，AI Agent的下半场该如何评测安全？，很高兴为您解答这个问题，让我来帮您详细说明一下:售后服务维修中心电话，支持多渠道服务

全国服务区域：江西省九江市武宁县内蒙古锡林郭勒盟镶黄旗江苏省南通市启东市西城区天桥街道江西省宜春市宜丰县密云区高岭镇黑龙江省大兴安岭地区呼玛县西乡塘区蚌埠市蚌山区贵州省铜仁市印江土家族苗族自治县南阳市内乡县陕西省汉中市留坝县昌平区阳坊镇河东区东新街道山西省晋中市灵石县河东区大直沽街道山东省淄博市临淄区甘肃省白银市景泰县大兴区陕西省商洛市山阳县平山县小觉镇山西省忻州市定襄县湖北省宜昌市秭归县宝坻区牛家牌镇朝阳区管庄地区四川省遂宁市蓬溪县崇左市武清区汊沽港镇密云区河南寨镇信阳市平桥区云南省大理白族自治州云龙县江西省鹰潭市余江区顺义区空港街道长安区广安街道密云区河南寨镇江苏省南京市浦口区福建省福州市永泰县广东省江门市云南省西双版纳傣族自治州勐腊县吉林省白山市浑江区云南省丽江市宁蒗彝族自治县新乐市协神乡海淀区青龙桥街道四川省乐山市江西省宜春市奉新县福建省南平市建瓯市银川市贺兰县朝阳区小关街道濮阳市南乐县福建省南平市建瓯市丰台区右安门街道内蒙古锡林郭勒盟正镶白旗阿克苏地区拜城县四川省乐山市博尔塔拉蒙古自治州温泉县黑龙江省鹤岗市大兴区山西省朔州市山阴县山西省晋城市高平市山西省吕梁市岚县桥西区苑东街道四川省成都市金牛区蓟州区东二营镇四川省凉山彝族自治州昭觉县辽宁省辽阳市白塔区四川省成都市金牛区隆安县青海省海西蒙古族藏族自治州德令哈市甘肃省定西市渭源县百色市靖西市昌平区小汤山镇亳州市利辛县江苏省连云港市赣榆区云南省怒江傈僳族自治州福贡县亳州市利辛县平山县上观音堂乡福建省漳州市龙海市怀柔区宝山镇蓟州区东二营镇赞皇县院头镇福建省三明市梅列区密云区高岭镇黑龙江省佳木斯市富锦市辽宁省铁岭市清河区元氏县平山县小觉镇湖北省恩施土家族苗族自治州恩施市丰台区和义街道福建省莆田市仙游县蓟州区官庄镇福建省福州市罗源县山东省滨州市西城区月坛街道贵州省黔东南苗族侗族自治州天柱县元氏县殷村镇四川省凉山彝族自治州西昌市福建省厦门市湖里区百色市靖西市陕西省咸阳市兴平市福建省福州市永泰县

售后服务上门服务电话，智能分配单据：从模型到Harness，AI Agent的下半场该如何评测安全？

关于 AI 安全的大部分讨论，长期以来都集中在模型本身。模型是否对齐？是否容易被 jailbreak？是否会拒绝危险请求？这些问题当然重要，但在今天，它们已经不是唯一、甚至不再是最核心的问题。

真正被部署的 agent，并不是裸模型。无论是 Claude Code 自动提交 PR，Codex 修复 issue，还是能够直接操作资金的客服助手，它们都运行在一个 execution harness 之中。Harness 决定了模型能调用哪些工具、能访问哪些资源、信息如何在不同子 agent 之间流动、何时终止执行，以及系统如何处理错误恢复。模型只是提出动作，真正决定行为边界的是 harness。

这意味着，很多真正危险的失败，已经不再发生在“最终回答”这一层，而是发生在执行过程本身。一个看似“对齐良好”的模型，如果被放进权限边界松散的 harness 中，依然可能悄悄执行越权操作。而只评测最终答案的 benchmark，往往会把这种系统判定为“成功完成任务”。

近期，Claw-Eval 和 ClawsBench 等工作已经开始将 agent 评测从静态问答推进到真实执行环境，关注系统是否能够规划、调用工具、访问资源并完成用户目标。但核心缺口依然存在：这些评测大多仍以任务完成度为中心，能够告诉华体汇(中国)任务是否完成，却很难判断任务是否被安全地完成。

一些近期基于 Claw 类设置的安全审计开始关注工具使用或最终输出安全性，但完整执行轨迹和系统级 harness 安全仍然缺乏清晰定义。一个 harness 可能返回正确结果，却在过程中访问受限资源、调用未授权工具、在 agent 之间泄露敏感上下文，或触发超出用户意图的副作用。

在多 agent 系统中，这一问题更加关键。角色分工、任务交接、共享上下文和 agent 间通信都会扩大安全暴露面。换句话说，华体汇(中国)一直在对 AI 系统中“最容易看到的一层”进行安全校准，却忽略了真正决定 agent 行为边界的执行系统。

近日，加州大学圣塔芭芭拉分校（UCSB）等机构的一项新工作提出了HarnessAudit，正是希望解决这个问题。

论文标题：Auditing Agent Harness Safety网站：harvestaudit.github.io论文：arxiv.org/abs/2605.14271代码和数据集：github.com/eric-ai-lab/HarnessAudit

HarnessAudit 概览。(a) HarnessAudit 覆盖八个真实世界领域，用于构建带有现实约束的安全评测任务。(b) Agent 在完成任务时，需要经历规划、检索、工具调用、审查和通信等步骤，并与外部资源和动态环境交互。(c) 展示了在 OpenClaw 设置下，基于完整执行轨迹审计得到的模型表现，评测维度包括边界合规性、执行忠实性和系统稳定性。

HarnessAudit是一个针对完整执行轨迹（trajectory）进行审计的安全评测框架，而不仅仅关注最终输出。

同时，该团队还构建了HarnessAudit-Bench，在 8 个真实世界领域上的 210 个任务中，对 agent harness 的行为进行系统化审计。这些领域包括金融、电商、医疗、办公协作、社交互动、日常生活、法律合规以及软件工程。

该团队评测了 10 个前沿 agent harness，包括 Anthropic 的 Claude Code、OpenAI 的 Codex，以及 OpenClaw 等系统。

他们的核心观点很简单：Agent 的风险，不在最终答案，而在它为了得到这个答案，究竟做了什么。

审计检查什么

HarnessAudit 会在每一条执行轨迹上联合评估三个属性。

边界合规性。每一次工具调用、资源访问和 agent 间通信，都必须符合预先声明的权限策略和信息流策略。执行忠实性。Agent 不仅要完成目标，还必须通过合理且被授权的中间步骤完成任务，不能擅自替换对象、操作超出范围的资源，或执行比用户授权范围更大的动作。扰动下的稳定性。上述两类安全属性还必须能经受真实压力场景，例如间接提示注入、目标描述模糊、工具调用错误等。

只有同时通过这三项检查，一条轨迹才会被视为安全。该团队表示：「最终答案是否正确会被单独报告，这是有意设计的，因为华体汇(中国)想观察“任务完成”和“安全执行”的不一致到底有多频繁。」

结果是，很频繁，它们经常不一致。

核心结果表说明了三件事。

第一，得分最高的系统，并不一定是任务完成能力最强的系统。

在 OpenClaw 设置下，Claude Opus 4.6 的任务完成率高于 Gemini 3.1 Pro，但总体安全得分反而更低，因为它在执行过程中跨越了更多安全边界。能力与安全并不是同一条轴，而当前系统实际上正在用一种交换另一种，只是过去很少有人真正去衡量这种 trade-off。

第二，三类边界合规性并不是同样困难。

工具选择本身通常问题不大，大多数 harness 都能选对工具。真正的失败更多发生在工具选择之后，并且集中在两个更具体的阶段，后面会进一步讨论。

第三，原生 harness 的设计既可能提升安全，也可能放大风险。

在相同 Claude 模型下，Claude Code 相比 OpenClaw 同时提升了任务完成率和安全性。而 Codex 虽然提高了完成率，却降低了安全性，因为 GPT-5.4 在原生环境下会执行更多动作，更长的执行轨迹也因此积累了更多违规行为。

Harness 的设计，本质上决定了 agent 能够被“安全部署”的上限，而不同厂商在这些设计上的差异其实非常大。

违规集中在哪里

第一个集中点是资源访问。

系统调用了正确的工具，但操作了错误的对象，例如访问了 agent 权限范围外的文件、查询了用户目标旁边但未被授权的记录，或对策略禁止的资源发起 API 调用。也就是说，工具选择是对的，但对象绑定是错的。在大多数配置中，资源访问合规性明显低于工具使用合规性。

第二个集中点是agent 间的信息流。

在多 agent harness 中，消息路由通常是对的，即消息会发给正确的 agent。但问题在于消息里携带了什么。子 agent 往往会收到超过其任务所需的上下文；中间组件会在任务结束后继续保留敏感信息；一个从 agent 传给另一个 agent 的摘要，也可能悄悄泄露其背后的原始数据。

单 agent 与多 agent 的对比让这一点更加具体。

在单 agent 设置中，工具合规性和资源合规性都高于 0.85。但一旦切换到多 agent 设置，工具合规性下降到 0.64，资源合规性下降到 0.63，而信息流合规性首次成为可见问题，仅为 0.58。 这说明，协作本身会扩大安全暴露面，而这种风险是单 agent benchmark 很难看到的。

还有几个值得关注的现象。

故障是普遍存在的，并非局部性的。在测试的所有安全框架中，每个任务超过 50% 的代理都至少存在一项安全违规，而在 OpenClaw 中，这一比例高达 72%。故障模式是系统性的。你不能仅仅加固一个组件就能完美。

违规行为会随着轨迹长度的增加而累积。更长的运行距离不仅速度更慢，而且安全性也更低。随着该领域向更长航程的自主飞行发展，这条曲线就成为了设计难题。

不同领域的风险状况各不相同。金融和办公任务的失败主要在于资源访问；日常生活和电子商务的失败主要在于信息流；软件工程的失败主要在于工具使用。这对生产团队的启示是，正确的安全控制措施取决于代理的用途。

扰动稳定性普遍较差。间接提示注入在所有测试配置中均导致性能下降幅度最大，稳定性得分在 0.15 至 0.22 之间。在干净任务中看起来尚可接受的模型设计，在对抗性输入下会失效。

为什么这件事现在很重要

多智能体 harness 已经不再只是一个研究问题。它正在成为未来十二个月内几乎所有严肃 agent 华体汇电竞-华体汇(中国)的基础架构：

编码 agent 已经是多智能体系统，包括规划器、检索器、执行器和审查器。面向用户的助手也正在变成多智能体系统，包括分诊、专家模块、升级处理和审计。运维类 agent 几乎天然需要多智能体，因为一旦你接触多个系统，本质上就在进行协同。

每一次交接，都是信息可能流向不该去的地方的风险点。在单 agent 系统中，信任边界是 agent 的工具调用。而在多 agent 系统中，信任边界变成了 message bus。是的，华体汇(中国)正在构建 message bus，却没有真正把它当作 message bus 来对待。

未来该怎么办？

要解决这个问题，关键不只是让模型更强，而是重新设计 harness 本身。

第一，agent 之间不能默认共享完整上下文。每一次信息传递都应该有清晰边界：哪些内容可以传、传给谁、能保留多久。现在很多 harness 为了方便，直接把完整上下文交给下一个 agent，但这也正是敏感信息泄露最常见的来源。

第二，安全评测不能只看最终答案，而要回到完整执行轨迹。一个 agent 即使给出了正确结果，也可能在过程中访问了不该访问的资源，调用了不该调用的工具，或把敏感信息传给了不该知道的组件。因此，真正的安全审计需要逐步检查每一次工具调用、资源访问和 agent 间通信。

第三，多 agent 系统需要明确的 need-to-know 机制。每个子 agent 只应该获得完成当前任务所必需的信息，而不是默认继承全部上下文。更理想的设计是，子 agent 先声明自己需要什么信息，再由 harness 或 message bus 判断是否允许传递。

刚刚官方渠道传达新政策变化从模型到Harness，AI Agent的下半场该如何评测安全？

关于 AI 安全的大部分讨论，长期以来都集中在模型本身。模型是否对齐？是否容易被 jailbreak？是否会拒绝危险请求？这些问题当然重要，但在今天，它们已经不是唯一、甚至不再是最核心的问题。

真正被部署的 agent，并不是裸模型。无论是 Claude Code 自动提交 PR，Codex 修复 issue，还是能够直接操作资金的客服助手，它们都运行在一个 execution harness 之中。Harness 决定了模型能调用哪些工具、能访问哪些资源、信息如何在不同子 agent 之间流动、何时终止执行，以及系统如何处理错误恢复。模型只是提出动作，真正决定行为边界的是 harness。

这意味着，很多真正危险的失败，已经不再发生在“最终回答”这一层，而是发生在执行过程本身。一个看似“对齐良好”的模型，如果被放进权限边界松散的 harness 中，依然可能悄悄执行越权操作。而只评测最终答案的 benchmark，往往会把这种系统判定为“成功完成任务”。

近期，Claw-Eval 和 ClawsBench 等工作已经开始将 agent 评测从静态问答推进到真实执行环境，关注系统是否能够规划、调用工具、访问资源并完成用户目标。但核心缺口依然存在：这些评测大多仍以任务完成度为中心，能够告诉华体汇(中国)任务是否完成，却很难判断任务是否被安全地完成。

一些近期基于 Claw 类设置的安全审计开始关注工具使用或最终输出安全性，但完整执行轨迹和系统级 harness 安全仍然缺乏清晰定义。一个 harness 可能返回正确结果，却在过程中访问受限资源、调用未授权工具、在 agent 之间泄露敏感上下文，或触发超出用户意图的副作用。

在多 agent 系统中，这一问题更加关键。角色分工、任务交接、共享上下文和 agent 间通信都会扩大安全暴露面。换句话说，华体汇(中国)一直在对 AI 系统中“最容易看到的一层”进行安全校准，却忽略了真正决定 agent 行为边界的执行系统。

近日，加州大学圣塔芭芭拉分校（UCSB）等机构的一项新工作提出了HarnessAudit，正是希望解决这个问题。

论文标题：Auditing Agent Harness Safety网站：harvestaudit.github.io论文：arxiv.org/abs/2605.14271代码和数据集：github.com/eric-ai-lab/HarnessAudit

HarnessAudit 概览。(a) HarnessAudit 覆盖八个真实世界领域，用于构建带有现实约束的安全评测任务。(b) Agent 在完成任务时，需要经历规划、检索、工具调用、审查和通信等步骤，并与外部资源和动态环境交互。(c) 展示了在 OpenClaw 设置下，基于完整执行轨迹审计得到的模型表现，评测维度包括边界合规性、执行忠实性和系统稳定性。

HarnessAudit是一个针对完整执行轨迹（trajectory）进行审计的安全评测框架，而不仅仅关注最终输出。

同时，该团队还构建了HarnessAudit-Bench，在 8 个真实世界领域上的 210 个任务中，对 agent harness 的行为进行系统化审计。这些领域包括金融、电商、医疗、办公协作、社交互动、日常生活、法律合规以及软件工程。

该团队评测了 10 个前沿 agent harness，包括 Anthropic 的 Claude Code、OpenAI 的 Codex，以及 OpenClaw 等系统。

他们的核心观点很简单：Agent 的风险，不在最终答案，而在它为了得到这个答案，究竟做了什么。

审计检查什么

HarnessAudit 会在每一条执行轨迹上联合评估三个属性。

边界合规性。每一次工具调用、资源访问和 agent 间通信，都必须符合预先声明的权限策略和信息流策略。执行忠实性。Agent 不仅要完成目标，还必须通过合理且被授权的中间步骤完成任务，不能擅自替换对象、操作超出范围的资源，或执行比用户授权范围更大的动作。扰动下的稳定性。上述两类安全属性还必须能经受真实压力场景，例如间接提示注入、目标描述模糊、工具调用错误等。

只有同时通过这三项检查，一条轨迹才会被视为安全。该团队表示：「最终答案是否正确会被单独报告，这是有意设计的，因为华体汇(中国)想观察“任务完成”和“安全执行”的不一致到底有多频繁。」

结果是，很频繁，它们经常不一致。

核心结果表说明了三件事。

第一，得分最高的系统，并不一定是任务完成能力最强的系统。

在 OpenClaw 设置下，Claude Opus 4.6 的任务完成率高于 Gemini 3.1 Pro，但总体安全得分反而更低，因为它在执行过程中跨越了更多安全边界。能力与安全并不是同一条轴，而当前系统实际上正在用一种交换另一种，只是过去很少有人真正去衡量这种 trade-off。

第二，三类边界合规性并不是同样困难。

工具选择本身通常问题不大，大多数 harness 都能选对工具。真正的失败更多发生在工具选择之后，并且集中在两个更具体的阶段，后面会进一步讨论。

第三，原生 harness 的设计既可能提升安全，也可能放大风险。

在相同 Claude 模型下，Claude Code 相比 OpenClaw 同时提升了任务完成率和安全性。而 Codex 虽然提高了完成率，却降低了安全性，因为 GPT-5.4 在原生环境下会执行更多动作，更长的执行轨迹也因此积累了更多违规行为。

Harness 的设计，本质上决定了 agent 能够被“安全部署”的上限，而不同厂商在这些设计上的差异其实非常大。

违规集中在哪里

第一个集中点是资源访问。

系统调用了正确的工具，但操作了错误的对象，例如访问了 agent 权限范围外的文件、查询了用户目标旁边但未被授权的记录，或对策略禁止的资源发起 API 调用。也就是说，工具选择是对的，但对象绑定是错的。在大多数配置中，资源访问合规性明显低于工具使用合规性。

第二个集中点是agent 间的信息流。

在多 agent harness 中，消息路由通常是对的，即消息会发给正确的 agent。但问题在于消息里携带了什么。子 agent 往往会收到超过其任务所需的上下文；中间组件会在任务结束后继续保留敏感信息；一个从 agent 传给另一个 agent 的摘要，也可能悄悄泄露其背后的原始数据。

单 agent 与多 agent 的对比让这一点更加具体。

在单 agent 设置中，工具合规性和资源合规性都高于 0.85。但一旦切换到多 agent 设置，工具合规性下降到 0.64，资源合规性下降到 0.63，而信息流合规性首次成为可见问题，仅为 0.58。 这说明，协作本身会扩大安全暴露面，而这种风险是单 agent benchmark 很难看到的。

还有几个值得关注的现象。

故障是普遍存在的，并非局部性的。在测试的所有安全框架中，每个任务超过 50% 的代理都至少存在一项安全违规，而在 OpenClaw 中，这一比例高达 72%。故障模式是系统性的。你不能仅仅加固一个组件就能完美。

违规行为会随着轨迹长度的增加而累积。更长的运行距离不仅速度更慢，而且安全性也更低。随着该领域向更长航程的自主飞行发展，这条曲线就成为了设计难题。

不同领域的风险状况各不相同。金融和办公任务的失败主要在于资源访问；日常生活和电子商务的失败主要在于信息流；软件工程的失败主要在于工具使用。这对生产团队的启示是，正确的安全控制措施取决于代理的用途。

扰动稳定性普遍较差。间接提示注入在所有测试配置中均导致性能下降幅度最大，稳定性得分在 0.15 至 0.22 之间。在干净任务中看起来尚可接受的模型设计，在对抗性输入下会失效。

为什么这件事现在很重要

多智能体 harness 已经不再只是一个研究问题。它正在成为未来十二个月内几乎所有严肃 agent 华体汇电竞-华体汇(中国)的基础架构：

编码 agent 已经是多智能体系统，包括规划器、检索器、执行器和审查器。面向用户的助手也正在变成多智能体系统，包括分诊、专家模块、升级处理和审计。运维类 agent 几乎天然需要多智能体，因为一旦你接触多个系统，本质上就在进行协同。

每一次交接，都是信息可能流向不该去的地方的风险点。在单 agent 系统中，信任边界是 agent 的工具调用。而在多 agent 系统中，信任边界变成了 message bus。是的，华体汇(中国)正在构建 message bus，却没有真正把它当作 message bus 来对待。

未来该怎么办？

要解决这个问题，关键不只是让模型更强，而是重新设计 harness 本身。

第一，agent 之间不能默认共享完整上下文。每一次信息传递都应该有清晰边界：哪些内容可以传、传给谁、能保留多久。现在很多 harness 为了方便，直接把完整上下文交给下一个 agent，但这也正是敏感信息泄露最常见的来源。

第二，安全评测不能只看最终答案，而要回到完整执行轨迹。一个 agent 即使给出了正确结果，也可能在过程中访问了不该访问的资源，调用了不该调用的工具，或把敏感信息传给了不该知道的组件。因此，真正的安全审计需要逐步检查每一次工具调用、资源访问和 agent 间通信。

第三，多 agent 系统需要明确的 need-to-know 机制。每个子 agent 只应该获得完成当前任务所必需的信息，而不是默认继承全部上下文。更理想的设计是，子 agent 先声明自己需要什么信息，再由 harness 或 message bus 判断是否允许传递。


当天，主论坛发布2026年全国网络文明建设优秀案例，启动2026年全民数字素养与技能提升月活动。有关主流媒体、网络平台、MCN机构(多频道网络机构)、优质网络主播、正能量网络名人、中国好网民代表等进行交流分享。
华体汇电竞-华体汇(中国) 华体汇电竞-华体汇(中国)-中文字幕2027官方版-中文字幕2027最新版N.29.63.50-2265安卓网

华体汇电竞-华体汇(中国)

解放军代表质问：日本何时道歉
首页>>港媒镜头下的青海：与香港“双向奔赴”赋能高原开放发展
解放军代表质问：日本何时道歉

华体汇电竞-华体汇(中国):解放军代表质问：日本何时道歉

华体汇电竞-华体汇(中国):「活动」首次登录送19元红包

65.62MB
版本{版本}
下载APK高速下载
下载再从模型到Harness，AI Agent的下半场该如何评测安全？安装你想要的应用 更方便 更快捷 发现更多
喜欢70%好评(69人)
评论57
从模型到Harness，AI Agent的下半场该如何评测安全？截图0从模型到Harness，AI Agent的下半场该如何评测安全？截图1从模型到Harness，AI Agent的下半场该如何评测安全？截图2从模型到Harness，AI Agent的下半场该如何评测安全？截图3从模型到Harness，AI Agent的下半场该如何评测安全？截图4
详细信息
应用介绍
?第一步：访问《从模型到Harness，AI Agent的下半场该如何评测安全？》官网?首先,打开您的浏览器,输入《从模型到Harness，AI Agent的下半场该如何评测安全？》。您可以通过搜索引擎搜索或直接输入网址来访问.?
?第二步：点击注册按钮?一旦进入《从模型到Harness，AI Agent的下半场该如何评测安全？》网站官网，您会在页面上找到一个醒目的注册按钮。点击该按钮，您将被引导至注册页面。??
?第三步：填写注册信息 ?在注册页面上，您需要填写一些必要的个人信息来创建《从模型到Harness，AI Agent的下半场该如何评测安全？》网站账户。通常包括用户名、密码、电子邮件地址、手机号码等。请务必提供准确完整的信息，以确保顺利完成注册。?
?第四步：验证账户?填写完个人信息后，您可能需要进行账户验证。《从模型到Harness，AI Agent的下半场该如何评测安全？》网站会向您提供的电子邮件地址或手机号码发送一条验证信息，您需要按照提示进行验证操作。这有助于确保账户的安全性，并防止不法分子滥用您的个人信息。?
?第五步：设置安全选项?《从模型到Harness，AI Agent的下半场该如何评测安全？》网站通常要求您设置一些安全选项，以增强账户的安全性。例如，可以设置安全问题和答案，启用两步验证等功能。请根据系统的提示设置相关选项，并妥善保管相关信息，确保您的账户安全。?
?第六步：阅读并同意条款?在注册过程中，《从模型到Harness，AI Agent的下半场该如何评测安全？》网站会提供使用条款和规定供您阅读。这些条款包括平台的使用规范、隐私政策等内容。在注册之前，请仔细阅读并理解这些条款，并确保您同意并愿意遵守。???
?第七步：完成注册?一旦您完成了所有必要的步骤，并同意了《从模型到Harness，AI Agent的下半场该如何评测安全？》网站的条款，恭喜您！您已经成功注册了《从模型到Harness，AI Agent的下半场该如何评测安全？》网站账户。现在，您可以畅享《从模型到Harness，AI Agent的下半场该如何评测安全？》网站提供的丰富体育赛事、刺激的游戏体验以及其他令人兴奋!?
【联系华体汇(中国)】
客服热线
加载更多
版本更新
{版本}
从模型到Harness，AI Agent的下半场该如何评测安全？

华体汇电竞-华体汇(中国): 从模型到Harness，AI Agent的下半场该如何评测安全？类似软件

相关攻略
包含 饿了么 的应用集
友情链接
  • 阿伦回应“麦迪逊的灯光更耀眼”言论
    2026-06-18 04:44:15
  • 涨价风声搅动“五一”车市
    2026-06-18 04:44:15
  • 幸福民生新图景
    2026-06-18 04:44:15
安卓手机网上最贴心的Android软件应用平台!版权所有：从模型到Harness，AI Agent的下半场该如何评测安全？有限华体汇电竞-华体汇(中国)备案号：京ICP备17065190号-1