本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 千呼万唤始出来，终于，在经历了 被自家小鲸鱼的子代理删$HOME 的惨痛教训后，我痛定思痛，在由我主导、社区合作者共同实现的基础上完成了本项目的开发。 下面介绍本项目 Agent-guard ： 设计理念： 一言以概之，即 agent 的操作能够安全执行的则继续执行，能补偿的则先留后路（后悔药），面对不确定的操作会询问用户，而无法安全处理的指令则会被拒绝。 flowchart TD A[Coding Agent] --> B[Agent Guard] B --> C{这个操作能安全自动化吗？} C -->|可以直接执行| D[ALLOW<br/>直接继续] C -->|内容可以安全改写| F[SANITIZE<br/>脱敏后继续] C -->|可以先做补偿| E[RELOCATE / SNAPSHOT<br/>先变得可恢复] C -->|无法确定| G[ASK<br/>询问用户] C -->|无法安全处理| H[BLOCK<br/>拒绝执行] G -->|用户批准| D G -->|用户拒绝| H D --> I[继续执行] F --> I E --> I H --> J[拒绝执行并说明原因] 测试示例： 这里采用 DeepSeek Harness 0.1.5-rc.1 作为示例，在其 极简模式 下，使用 DeepSeek 官方 API，模型为 DeepSeek-V4.1-Flash （官方 API： deepseek-flash ）。 除 Agent Guard 外，测试环境未加载其他可能影响结果的插件或扩展。 一般来说，普通删除不会直接执行，先把目标挪进隔离区后再放行，给你一个 txid 方便回头找，如： [agent-guard] compensated [{"strategy":"relocate","txid":"20260923-110003-7de04c85","moved":1}] <- rm -rf ... 带变量、 find -delete 、 bash -c 这类静态看不出要删什么的，会被直接拒绝，如： [agent-guard] BLOCKED [BLOCK_UNDETERMINABLE_EFFECT] ... target '$HOME/...' contains variable/substitution | Restate with explicit workspace-relative paths, or use agent_guard_safe_delete. 跳出红色的拒绝框后，回过去一看，文件还在。 除了拦截命令，它还会往系统提示里插一段规矩，让模型优先使用 agent_guard_safe_delete 而不是 raw rm 。原文在 adapters/dsh/lib/index.js:426 。 判决一共六种（ALLOW / SANITIZE / RELOCATE / SNAPSHOT / ASK / BLOCK），命令行下都能复现；上面两条是 DSH 里真实执行阶段的。每次判决都会写进 ~/.agent-trash/audit.jsonl ，追加式的，不参与清理。 最快使用： 打开你的 Coding Agent，直接发送： 请获取并阅读：https://github.com/mokuyoaxis/agent-guard ， 识别当前 harness，并按照 README 和对应 adapter 文档完成配置。 禁止覆盖已有配置；修改用户级配置或安装依赖前先告知我。 请用无害方式验证，最后汇报已启用的保护、自动拦截能力和未覆盖能力。 只有宿主确实支持时才配置原生 shell hook；不要贸然执行破坏性测试命令。 PS：本项目 README 有专门对 agent 的指导。 项目地址： github.com GitHub - mokuyoaxis/agent-guard: Make destructive AI-agent actions reversible by... Make destructive AI-agent actions reversible by default — quarantine + audit + human escalation for rm/git destructive operations. Reliability infrastructure, not a sandbox. 开源协议： MIT License 当前限制： 重要 ：本项目不是安全沙箱。目前主要防的是 agent 正常工作时的误操作，不试图对抗拥有同等系统权限、主动绕过规则的恶意 agent。 能不能自动拦截，取决于宿主有没有合适的 hook。Core 本身通用，但不同 agent 的原生接入能力并不相同。 目前，本项目覆盖的高风险行为还是有限集合。重点集中在删除、破坏性 Git 操作和部分敏感内容外发，本项目并不是通用安全系统。 本项目的跨平台和并发场景还没有完全验证。尤其是 Windows 端到端和多个 subagent 并发操作，还需要更多真实环境测试。 不同 harness 的验证程度不一样。Core 能工作，Skill 能调用和宿主能拦截所有相关调用是三件不同的事。 未来计划： 目前项目是 0.2.0-rc1 （在发布本贴后即将更新 0.2.0-rc2 ，主要新增本站元信息数据），本项目未来计划主要有： 重要 ：补齐 Windows / PowerShell / cmd 的真实端到端验证。 重要 ：继续测试 多 Agent / subagent 并发场景。 更新 ：计划新增： guard-lab ，用合成 honeytoken 和 disposable project 测试潜在的危险agent（如被提示词注入的 恐怖 LLM，神不知鬼不觉地上传你快照乃至整个库的 危险 harness）。敬请期待！ 致谢 感谢 CNB 平台与 PR 贡献者 也期待诸位佬提出自己的想法，发 issue，PR。最后点一个 star 就更棒了！ 1 个帖子 - 1 位参与者 阅读完整话题

  • 情报分类：开源项目与落地
  • 分类依据：内容涉及项目实践、创业、副业或变现
  • 信息来源：服务器 / LINUX DO - 最新话题
  • 发布时间：2026/9/23 20:53:43