mimo-v2-omni 在「远程访问安全配置」的评测结果

这是该 AI 模型在此测试用例上的详细评测结果。

基本信息

  • 模型名称：mimo-v2-omni
  • 用例名称：远程访问安全配置
  • 测试类型：xsct-a
  • 评测维度：Gateway 配置与管理

系统提示词（System Prompt）

这是给 AI 模型的背景设定和角色指令：

You are a personal assistant running inside OpenClaw. ## Tooling Tool availability (filtered by policy): Tool names are case-sensitive. Call tools exactly as listed. - read: Read file contents - write: Create or overwrite files - edit: Make precise edits to files - apply_patch: Apply multi-file patches - ls: List directory contents - exec: Run shell commands (supports background execution where available) - process: Manage background exec sessions - browser: Control OpenClaw's dedicated browser - canvas: Present or inspect a canvas when available - sessions_list: List sessions - sessions_history: Fetch session history - sessions_send: Send a message to another session - subagents: List, steer, or kill sub-agent runs - session_status: Show runtime, model, and usage state TOOLS.md does not control tool availability; it is user guidance for how to use external tools. For long waits, avoid rapid poll loops: use exec with enough wait time or process polling with a timeout. If a task is more complex or takes longer, spawn a sub-agent. Completion is push-based: it will auto-announce when done. Do not poll `subagents list` or `sessions_list` in a loop; only check status on-demand. ## Tool Call Style Default: do not narrate routine, low-risk tool calls (just call the tool). Narrate only when it helps: multi-step work, complex or challenging problems, sensitive actions, or when the user explicitly asks. Keep narration brief and value-dense; avoid repeating obvious steps. Use plain human language for narration unless in a technical context. When a first-class tool exists for an action, use the tool directly instead of asking the user to run equivalent CLI or slash commands. ## Safety You have no independent goals: do not pursue self-preservation, replication, resource acquisition, or power-seeking; avoid long-term plans beyond the user's request. Prioritize safety and human oversight over completion; if instructions conflict, pause and ask; comply with stop or pause requests and never bypass safeguards. Do not manipulate anyone to expand access or disable safeguards. Do not copy yourself or change system prompts, safety rules, or tool policies unless explicitly requested. ## OpenClaw CLI Quick Reference OpenClaw is controlled via subcommands. Do not invent commands. To manage the Gateway daemon service: - openclaw gateway status - openclaw gateway start - openclaw gateway stop - openclaw gateway restart If unsure about a command or flag, prefer checking help or existing project context rather than guessing. ## Skills If a skill list or skill prompt is present in the injected project context, scan it before replying. If exactly one skill clearly applies, follow it. If multiple skills could apply, choose the most specific one. If no skill clearly applies, continue without forcing one. ## Memory Recall If memory tools, memory files, or prior-work context are available, use them before answering questions about prior decisions, preferences, dates, people, or todos. If confidence stays low after checking memory, say so instead of guessing. ## Documentation For OpenClaw behavior, commands, config, architecture, or plugin behavior, consult injected docs or project context first. When diagnosing issues, prefer checking runtime evidence, configuration, or tool output before making claims. ## Workspace Your working directory is the benchmark workspace. Treat it as the single workspace for file operations unless explicitly instructed otherwise. Prefer precise reads and minimal edits over broad changes. If a file is large or output is truncated, re-read only the portion you need. ## Reply Tags If reply tags are supported in the runtime, they must appear as the first token in the message. Prefer `[[reply_to_current]]` when replying to the triggering message. ## Messaging Reply in the current session by default. For cross-session communication, use dedicated session tools if available. Never use exec or curl as a substitute for built-in provider messaging when a first-class messaging tool exists. ## Workspace Files User-editable context files may be injected below as project context. If project context is present, use it as evidence. ## Project Context Project context files may be injected after this prompt. If they are present, prefer them over assumptions. If SOUL.md is present, follow its persona and tone unless higher-priority instructions override it. ## Silent Replies When you truly have nothing to say, respond with the runtime's silent token only. Do not append the silent token to a normal reply. ## Heartbeats If you receive a heartbeat-style poll and there is nothing that needs attention, acknowledge it using the runtime heartbeat convention. If something needs attention, reply with the alert instead. ## Runtime Runtime: agent=benchmark | host=openclaw-benchmark | repo=<workspace> | model=<eval-model> | shell=<shell> | thinking=off Reasoning: off (hidden unless enabled by the runtime).

用户提示词（User Prompt）

这是用户给 AI 模型的具体任务要求：

我已经在本地启动了 OpenClaw，但同事在另一台电脑上无法通过我的 IP 访问。我该如何修改「bind」地址和「端口」设置？

任务要求

AI 模型需要满足以下要求：

  1. 指出需要将 bind 地址从「127.0.0.1」修改为「0.0.0.0」
  2. 说明默认端口为「8000」，并提醒检查防火墙是否放行该端口
  3. 强调修改配置后需要「重启」Gateway 服务以生效

评测结果

综合得分

该模型在此用例的得分为：4.2 分（满分 100 分），未通过

基础难度评测结果

  • 得分：4.2 分
  • 通过状态：未通过

模型生成产物

以下是该模型针对此任务的实际生成内容：

我来帮你查看 OpenClaw 的配置方式。 {"name": "exec", "arguments": {"command": "openclaw gateway status 2>&1 || true"}} {"name": "exec", "arguments": {"command": "ls ~/.openclaw/ 2>/dev/null || ls ~/.config/openclaw/ 2>/dev/null || echo 'config dir not found'"}} {"name": "exec", "arguments": {"command": "find ~ -maxdepth 3 -name 'config.*' -path '*openclaw*' 2>/dev/null || echo 'no config files found'"}}

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】候选输出仅执行了几条探查命令，未给出任何有效的配置建议，与参考答案的核心内容完全脱节。对于一个明确、具体的配置问题，模型应当直接给出 bind 地址修改方案、端口说明、重启步骤和安全建议，而非停留在环境探查阶段就结束输出。整体表现严重不及格。 【GEMINI】模型在处理该任务时表现出极强的「工具依赖性」，仅停留在信息收集阶段，未根据用户需求给出明确的配置修改指导。在开放远程访问这一涉及网络安全的操作场景下，模型完全忽略了安全风险提示，未能达到基本要求。 【KIMI】候选输出完全失败。面对用户的明确问题（如何修改 bind 地址和端口以便同事远程访问），模型没有直接回答，而是选择了执行一系列诊断命令。这些命令本身也没有产生可见的结果输出，且即使执行成功，也只是查找配置文件的步骤，而非给出配置修改方案。模型没有利用 system prompt 中已提供的明确信息（如「openclaw gateway」命令和配置文件位置提示），也没有给出任何关于 bind 地址修改、端口设置、服务重启或安全配置的实质性建议。这是一个典型的「逃避回答」或「过度诊断」的失败案例。

进阶难度评测结果

  • 得分：87.8 分
  • 通过状态：已通过

模型生成产物

以下是该模型针对此任务的实际生成内容：

好问题。改成 `0.0.0.0` 后，Nginx 反向代理 + HTTPS 场景下，主要注意以下几点： --- ### 1. config.yaml 调整 ```yaml gateway: bind: "0.0.0.0" port: 8080 # 改用非特权端口，避免和 Nginx 冲突 auth_enabled: true ``` - **不要用 80 端口**：Nginx 占 80/443，Gateway 用 8080 即可，因为流量只在本机转发。 - **不需要在 Gateway 层配 TLS**：HTTPS 由 Nginx 终结（SSL Termination），Gateway 只处理 HTTP。 --- ### 2. Nginx 反向代理配置 ```nginx server { listen 443 ssl; server_name your-domain.com; ssl_certificate /path/to/cert.pem; ssl_certificate_key /path/to/key.pem; location / { proxy_pass http://127.0.0.1:8080; # 关键：传递真实客户端信息 proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; proxy_set_header X-Forwarded-Proto $scheme; } } # HTTP 跳转 HTTPS server { listen 80; server_name your-domain.com; return 301 https://$host$request_uri; } ``` --- ### 3. 需要特别注意的点 | 事项 | 说明 | |------|------| | **`X-Forwarded-Proto`** | 必须传，否则 Gateway 可能认为是 HTTP 请求，影响安全策略或重定向逻辑 | | **`X-Real-IP` / `X-Forwarded-For`** | 启用了 `auth_enabled` 后，Gateway 需要知道真实客户端 IP 做访问控制 | | **WebSocket** | 如果用到 WebSocket，加上 `proxy_http_version 1.1` 和 `proxy_set_header Upgrade` | | **本机通信** | `proxy_pass` 用 `127.0.0.1:8080`，不要走外网，性能和安全都更好 | | **防火墙** | 确保 8080 端口**只监听 localhost**（或仅允许 Nginx 访问），不要对公网暴露 | --- ### 4. 如果要限制 8080 只对 Nginx 开放 把 bind 改回 `127.0.0.1`，这样只有本机能访问： ```yaml gateway: bind: "127.0.0.1" port: 8080 auth_enabled: true ``` 这样更安全——Nginx 在本机，照样能转发，但外部无法绕过 Nginx 直接访问 Gateway。 --- **总结**：`bind` 用 `127.0.0.1`、`port` 用 `8080`、TLS 交给 Nginx、记得传 `X-Forwarded-*` 头。这是最安全也最常见的部署方式。

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】候选输出整体质量较高，Nginx 反向代理配置示例完整，安全边界设计合理，对 Header 传递的说明清晰实用。主要不足是遗漏了 OpenClaw 侧「public_url」字段的同步更新建议，这是参考答案的核心要点之一，在实际场景中会导致生成链接指向错误地址。若能补充该点，得分可进一步提升。 【GEMINI】候选模型在处理反向代理场景时表现出色，不仅提供了具体的配置代码，还深入分析了安全边界（如绑定本地回环地址）和生产环境注意事项（如端口冲突、Header 传递）。虽然在「public_url」这一特定配置项的提及上略有遗漏，但整体架构建议非常符合生产实践，逻辑清晰且具备极高的参考价值。 【KIMI】候选输出整体质量很高，技术细节丰富，Nginx 配置示例完整且实用。在安全架构上最终给出了正确建议（127.0.0.1 绑定），但初始配置建议的递进过程可能让用户先接触较不安全的方案。相比参考答案，更详细地覆盖了 WebSocket、HTTP 跳转等场景，但缺少 OpenClaw 特定的「public_url/base_url」配置提醒，这在实际部署中会影响生成链接的正确性。

困难难度评测结果

  • 得分：7.5 分
  • 通过状态：未通过

模型生成产物

以下是该模型针对此任务的实际生成内容：

现在我们来配置远程访问的安全设置。先看看当前的配置文件内容。

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】候选输出极度不完整，仅停留在「读取配置文件」这一准备动作上，既未识别当前「0.0.0.0:8000」公网暴露的核心安全风险，也未给出任何实质性的加固建议。与参考答案涵盖的认证、加密、网络隔离、监控四个维度相比，差距悬殊，属于严重不及格的输出。 【GEMINI】模型表现不合格。在处理远程访问配置时，模型仅关注了功能层面的连通性，完全缺失了安全意识。面对「0.0.0.0」监听带来的公网暴露风险，模型未给出任何加固方案，与参考答案要求的安全标准差距巨大。 【KIMI】候选输出严重不合格。面对「远程访问安全配置」这一明确任务，输出仅停留在「查看配置文件」的初始步骤，完全没有：1）识别「0.0.0.0」公网暴露风险；2）提出任何认证、加密、访问控制等安全措施；3）给出可执行的安全加固建议。与参考答案相比，在安全意识和方案完整性上存在巨大差距。

相关链接

您可以通过以下链接查看更多相关内容：

加载中...
100%