技术深度解析
Lelu的核心创新在于其运行时策略引擎，它位于Agent的推理循环与每个外部工具调用之间。该架构由三层组成：
1. 策略定义层：策略以声明式YAML/JSON格式编写，支持诸如`source_user_role`、`tool_name`、`input_parameter_values`、`previous_action_history`以及`embedding_similarity_to_original_task`等条件。例如，一条策略可以声明：“如果调用者来自财务部门，则允许`read_invoice`；但如果`to_account`字段未出现在用户的原始请求中，则阻止`transfer_funds`。”
2. 上下文提取层：在每次工具调用前，Lelu从Agent的内存、LLM当前的推理轨迹以及用户会话中提取一个结构化的上下文向量。这包括原始提示、Agent的思维链以及任何中间输出。该上下文被哈希处理并与策略数据库进行比较。
3. 执行层：引擎运行一个确定性决策树（而非LLM）来评估策略。这一点至关重要——使用LLM进行执行会重新引入Lelu旨在阻止的相同漏洞。决策树支持三种结果：ALLOW、DENY或FLAG（供人工审核）。每次检查的延迟控制在5毫秒以下，使其适用于实时Agent循环。
GitHub仓库：该项目托管在`github.com/lelu-security/lelu-engine`（截至2026年6月已获3200+星标）。它包括一个用Rust编写的参考实现（追求性能）以及Python绑定，此外还有针对常见攻击模式（如“通过base64编码越狱”和“工具递归滥用”）的预构建策略。
基准数据：
| 指标 | Lelu引擎 | 传统RBAC | 基于LLM的护栏（如Guardrails AI） |
|---|---|---|---|
| 每次检查延迟 | 3-5毫秒 | <1毫秒 | 200-500毫秒 |
| 提示注入检测率（MITRE ATLAS T1556） | 94% | 12%（依赖静态规则） | 78%（易受对抗性绕过） |
| 误报率 | 2.1% | 0.5%（但漏掉大多数攻击） | 8.5% |
| 无需代码变更即可更新策略 | 是 | 否（需要重新部署） | 部分（需要模型重新训练） |
| 确定性执行 | 是 | 是 | 否（基于LLM） |
数据要点：Lelu在现有方法中提供了检测准确性与延迟的最佳平衡。其确定性执行避免了基于LLM的护栏固有的对抗性漏洞，而其运行时上下文感知能力则能捕获静态RBAC完全遗漏的攻击。
关键参与者与案例研究
Lelu的诞生正值多家公司竞相保护Agent技术栈之际。当前格局包括：
- LangChain的LangSmith：提供可观测性和基本护栏，但依赖基于LLM的分类进行安全防护，这既缓慢又易受对抗性提示攻击。
- Guardrails AI：一个开源Python库，根据模式验证LLM输出。它专注于输出格式化，而非运行时工具调用授权。
- Rebuff：一个开源提示注入检测器。它作为预过滤器工作，但不会在会话中的多次工具调用间强制执行策略。
- Lelu：首个专为Agent设计的运行时授权引擎。
案例研究：金融科技初创公司“ClearPay”
ClearPay，一家支付处理平台，在2026年3月一次提示注入攻击导致Agent发起未经授权的退款后集成了Lelu。在采用Lelu之前，他们使用范围限定为“只读”和“读写”角色的静态API密钥。攻击者注入了一条提示，使Agent相信自己有权调用退款API。部署Lelu后，ClearPay定义了一条策略：“仅当用户的原始请求中包含‘退款’一词，且交易ID与该用户最近的购买记录匹配时，才能调用`refund`工具。”这完全阻断了攻击向量。ClearPay报告称，2026年第二季度与Agent滥用相关的安全事件减少了99.7%。
对比表：Agent安全解决方案
| 解决方案 | 方法 | 运行时策略？ | 确定性？ | 开源？ | GitHub星标 |
|---|---|---|---|---|---|
| Lelu | 上下文感知授权 | 是 | 是 | 是 | 3,200 |
| LangSmith | 基于LLM的护栏 | 部分 | 否 | 否 | 不适用（SaaS） |
| Guardrails AI | 输出验证 | 否 | 是（仅模式） | 是 | 8,500 |
| Rebuff | 输入过滤 | 否 | 是 | 是 | 5,100 |
| Microsoft Purview | 数据丢失防护 | 是（针对数据） | 是 | 否 | 不适用 |
数据要点：Lelu占据了一个独特的细分领域——运行时授权——这是其他开源工具均未涉及的。其确定性特性使其在安全关键型应用中比基于LLM的解决方案更具优势。
行业影响与市场动态
AI Agent安全市场虽处于萌芽阶段，但正在爆发式增长。据行业估计，全球AI安全基础设施市场将从2025年的21亿美元增长到2030年的187亿美元，其中Agent特定安全将占据重要份额。