ASTELD：用于自主 AI 智能体的六轴分类框架——设计、评估及 OpenClaw 案例研究

arXiv 发布论文提出 ASTELD，一个用于自主 AI 智能体的六轴分类框架，涵盖架构模式、安全姿态、工具集成、执行范式、自主性与人类控制、部署拓扑。研究通过映射八个代表性框架及 OpenClaw 案例验证其效用，并对 50 多个 OpenClaw 衍生品分类，发现创新集中于安全、执行和部署轴，且提供六类漏洞分类和机构评估证据。

自主 AI 智能体平台缺乏统一分类方案，导致架构、安全等设计选择难以比较。ASTELD 提供可复现的分类方法，能识别未占用的设计区域、解释生态碎片化，并指导框架选择，为产品决策和风险评估提供结构化依据。

ASTELD 通过综合先前智能体分类法、可观测平台属性和显式类别分配规则构建，形成六轴坐标系。映射八个平台后分离出其主导配置，并揭示安全-可访问性对角线、执行-架构强耦合、能力收敛与架构差异化并存等模式。案例研究进一步将平台坐标与观察到的风险关联，使分类可解释。

产品团队可利用 ASTELD 比较不同智能体平台的架构、安全与部署特性，辅助技术选型。框架提供的漏洞分类和风险评估可指导安全加固。对 50+ 衍生品的分析表明生态创新集中于安全、执行、部署，可能影响产品在这些方面的差异化投入。

• 参考 ASTELD 六轴设计自主智能体产品评估表，用于候选平台选型。
• 在智能体产品中聚焦安全、执行、部署方面创新，以差异化竞争。
• 基于 ASTELD 的漏洞分类建立安全测试用例库。
• 用 ASTELD 定位未占据的设计区域，开发新架构或部署模式。

• ASTELD 是否适用于非 OpenClaw 之外的更多智能体平台？
• 六轴分类框架是否被实际产业采用？
• 框架的稳定性与可扩展性在更广生态中表现如何？
• 论文中的机构评估具体指哪些机构？该证据未列出机构名称。