OpenClaw 发布 Auto 模式：引入智能审查机制，平衡企业执行效率与安全合规
在 AI Agent 深入企业基础设施（Host Exec）的浪潮中，如何平衡自动化效率与操作安全一直是核心挑战。OpenClaw 近期宣布了一项重要更新：正式推出 Auto 模式（Auto Mode）。这一模式旨在解决传统“YOLO 模式”（即无条件信任并执行命令）在复杂企业环境中的局限性，通过引入智能审查机制，让安全策略不再是一刀切的“全信”或“全拦”。
更新背景：超越 YOLO 模式的局限
OpenClaw 之前的 YOLO 模式 通过跳过所有审批提示，极大提升了主机命令的执行速度。这非常适合受控的本地自动化或外部沙箱环境，但对于日常企业应用而言，它过于“粗糙”。
OpenClaw 团队明确表示：不会改变默认设置。Auto 模式目前是一个可选（Opt-in） 路径，专为企业环境设计。其核心原则是：OpenClaw 应保护用户，同时不剥夺操作员的自主权。正如官方所言：
"Auto is the mode that fits Enterprise environments best: policy runs first, low-risk misses can be reviewed by a model, and anything uncertain still routes to a human."
核心突破：三层架构的智能审查流
Auto 模式的核心在于其独特的审查流程，它巧妙地结合了确定性规则、AI 模型研判与人工兜底：
- 白名单与确定性匹配：若命令命中允许列表或确定性安全规则，直接执行，无需干预。
- AI 自动审查：若命令未命中策略，OpenClaw 构建一个受控的审查数据包（包含命令、参数、目录、环境变量等），发送给独立的审查模型（如
openai/gpt-5.5）。- 低风险放行：审查模型可批准一次低风险执行。
- 高风险/模糊回退：对于任何模棱两可、高风险、无法解析或超时指令，自动回退至人工审批。
- 人工最终裁决：当模型无法给出安全肯定的答案时，最终决定权仍掌握在操作员手中。审批选项包括“允许一次（Allow-once）”、“永久允许（Allow-always）”或“拒绝（Deny）”。
技术亮点与架构优势
1. 模型分离架构（Model Separation）
这是 Auto 模式最显著的技术特性。OpenClaw 允许将主 Agent 模型与审查模型分离。
- 本地优先执行：日常任务可继续使用本地部署的高效模型。
- 云端强力审查：仅在涉及主机访问权限等关键决策时，调用前沿大模型（如 GPT-5.5）进行深度研判。 这种设计既保证了日常响应的低延迟，又确保了关键安全决策的高置信度。
2. 兼容 OpenAI Codex Guardian
OpenClaw 已支持通过 Codex Harness 将审查流程映射到 OpenAI 的 Codex Guardian 机制。这意味着在 OpenAI 支持的会话中，用户可以直接享受 Codex 原生提供的审查型审批，并配合工作区写入沙箱（Workspace-write sandboxing）使用。
3. 灵活的审批集成
审批提示不再局限于本地终端，OpenClaw 支持将审批请求路由至操作员熟悉的渠道，包括 Slack、Telegram 和 iMessage。此外，系统严格绑定审批上下文，防止命令在审批后被篡改执行。
对开发者与企业的价值
- 减少噪音，提升效率：相比严格的“Ask Human First”模式，Auto 模式大幅减少了低风险操作的打扰，同时保留了必要的安全防线。
- 细粒度控制：企业可根据自身安全策略，灵活配置审查模型，甚至保留本地主机策略的绝对控制权（即主机配置为始终询问时，Auto 模式依然会询问）。
- 降低合规风险：通过引入 AI 辅助审查，有效拦截了潜在的越权操作（如非预期的网络访问或文件写入），同时避免了因过度拦截导致的业务停滞。
启用方式
对于本地网关主机设置，启用 Auto 模式仅需两步配置：
openclaw config set tools.exec.host gateway
openclaw config set tools.exec.mode auto
若需使用更强的审查模型，可单独配置：
openclaw config set tools.exec.reviewer.model openai/gpt-5.5
总结
OpenClaw 的 Auto 模式标志着 AI 工具在企业级安全执行领域迈出了关键一步。它不再追求极致的速度而牺牲安全，也不因过度谨慎而阻碍自动化。通过“规则先行、AI 研判、人工兜底”的混合架构，OpenClaw 为企业提供了一个既安全又高效的执行新范式。
