LLM Agent 自动化攻防对战平台开源

之前做 LLM Agent 安全能力的评估，大多靠人工设计静态 benchmark 或者单轮 CTF 题目，很难模拟真实攻防的连续对抗和动态环境变化。OpenClaw 把 AWD 赛制容器化，让 Agent 既能攻又能防，填补了这块空白。

跟 Pwnage 或 InterCode 这类单轮挑战平台比，它的优势在于完整的轮次编排和实时计分体系，更适合做多 Agent 长周期对抗研究。不过目前 stars 只有 121，生态还很早期，靶机模板和 Agent Gateway 的接口标准化程度会决定后续能不能形成社区贡献。

如果你在做 LLM Agent 的自主工具调用能力评估，或者研究多 Agent 协作与对抗，这个框架比自己做环境省至少两周时间。建议先跑一遍默认的 Web 漏洞靶机，看看 Agent 在防御期的 patch 策略和攻击期的 exploit 生成能力边界在哪。