Palantir产品安全团队近日在Medium博客发文，介绍了将Agentic AI引入安全工作的实践经验。

据介绍，自约一年前开始，该团队已将AI代理用于代码审查、漏洞挖掘、渗透测试等多类安全任务，并进一步将相关方法论产品化，以Security Forge形式对外提供。

在这篇文章中，Palantir将核心经验归纳为五个方面。

首先，单靠单一模型无法建立完整的安全审查体系，模型之外还需要一套“安全编排框架”。所谓编排框架，是指能够完成任务拆分、代理协同、权限控制、审计留痕，并最终将结果交付给工程师的一整套软件和规则体系。Palantir表示，其以自家平台AIP承担这一角色。

第二，编排框架能否发挥作用，取决于是否具备充分的组织级上下文。只有向模型提供服务依赖关系、信任边界、部署状态、历史审查结果以及责任人信息等背景数据，模型才能作出更准确的判断。Palantir称，这部分上下文主要通过数据平台Foundry进行整合。

第三，组织级上下文本身就是核心资产。Palantir强调，这些数据及相关决策记录不应向外泄露；一旦被外部模型厂商获取，不仅无助于提升组织自身的防御能力，反而可能帮助外部模型持续优化。Palantir还透露，公司已在全员范围内完成工具迁移，从前沿模型厂商的客户端转向自研工具。

第四，当前瓶颈已经从“发现漏洞”转向“修复漏洞”。Palantir认为，AI代理发现问题的速度已明显快于人工，真正的关键在于如何加快修复闭环。为此，该公司借助软件部署平台Apollo，将验证通过的修复方案自动下发并部署到整个系统。

第五，真正可沉淀的资产并不是模型本身，而是围绕模型建立起来的整套机制。文章指出，模型能力会持续迭代，如果缺少对发现结果的记录、对决策依据的留痕，以及对修复流程的发布机制，那么每次更换模型，都可能意味着从头再来。Palantir表示，Foundry、AIP和Apollo三大平台的组合，正是支撑这套体系运行的基础。

为便于其他组织参考，Palantir还给出了建议的实施路径：先梳理软件资产清单，再从小范围代码审查切入；随后围绕模型建立控制体系，对多种模型开展对比评估，并将关键决策持续沉淀为组织资产。