这项由上海人工智能实验室领导的研究发表于2026年1月的arXiv预印本，论文编号为arXiv:2601.18491v1。有兴趣深入了解的读者可以通过该编号查询完整论文。
随着人工智能技术的飞速发展，AI智能体已经开始走进我们的日常生活。它们可以帮助我们管理邮件、预定餐厅、控制智能家居设备，甚至协助进行金融投资分析。然而，就像给一个孩子更多的自主权一样，当AI智能体获得更强的能力和更大的权限时，安全问题也随之而来。
设想这样一个场景：你的AI助手收到一封看似正常的邮件，邮件中隐藏着恶意指令，要求它转账给陌生人。传统的安全检查系统就像门口的保安，只能检查进门的人是否可疑，却无法监督员工在办公室内的具体行为。当AI智能体开始执行复杂的多步骤任务时，这种传统的安全监督方式就显得力不从心了。
正是基于这样的现实挑战，上海人工智能实验室的研究团队开发了AgentDoG（Agent Diagnostic Guardrail），一个专门为AI智能体设计的诊断式安全防护系统。这个系统的名字很形象，就像训练有素的警犬能够嗅出危险一样，AgentDoG能够敏锐地察觉AI智能体行为
