AI Agent的自主性增强，其安全风险却常隐藏在执行过程里。传统安全防护仅检查最终结果，难以发现中间环节的隐患。AgentDoG框架则另辟蹊径，通过对Agent执行轨迹的全程审计，诊断风险来源、失效模式及潜在危害，为保障AI Agent的可靠运行提供了一套全新的过程级安全解决方案。
智能速览
它实现了从结果验收到轨迹级过程审计的转变。
框架通过三个维度诊断风险：来源、失效模式和后果。
其核心亮点在于XAI归因能力，能精确定位轨迹中的问题步骤。
该项目已开源，并发布了包含500条轨迹的评测基准ATBench。
精华内容
AgentDoG的价值不仅在于发现风险，更在于揭示风险的本质。它如何深入Agent的“思考”与“行动”链条，实现精准诊断？
从结果到过程
传统安全机制类似于项目验收，只关心Agent最终交付的结果是否合规。这种方式的弊端在于，无法察觉Agent在达成目标过程中可能出现的危险行为，如滥用权限、泄露中间数据等。AgentDoG则将视角前置，对Agent从接收指令到完成任务的全链路轨迹进行持续监控与分析，实现了安全防护的“过程审计”，将风险扼杀在摇篮之中。
三维风险诊断
为了系统化地评估风险，AgentDoG构建了三维诊断模型。它首先追问“风险从哪来”，判断是源于外部的恶意诱导还是环境自身的漏洞。接着分析“怎么犯的错”，辨别问题出在规划阶段的逻辑混乱，还是工具调用时的执行错误。最后明确“造成啥危害”，评估具体后果，如隐私泄露、文件损坏或系统瘫痪。这种结构化分析让安全问题一目了然。
精准问题归因
AgentDoG最突出的能力是其集成的XAI（可解释AI）归因模块。面对长达数十甚至上百步的复杂轨迹，它能精准定位到是哪一步操作、哪一句指令引发了后续的连锁风险。这种能力将模糊的“危险警报”转变为清晰的“问题清单”，开发者不再只知道“有风险”，而是能迅速理解“为什么危险、危险在哪”，极大提升了调试和优化的效率。
开源与基准测试
为了推动该领域的发展，研究团队已将AgentDoG的模型、代码及评测基准全部开源。配套推出的ATBench数据集包含了500条经过精细标注的Agent轨迹（250条安全，250条不安全），为诊断式评估提供了坚实基础。这意味着研究者和开发者可以立即上手，复现实验，并在此基础上开发更强大的安全防护方案，加速技术落地。
