2026-09-03 · AI Agent · 约 8 分钟

本地 Agent 的权限边界:从最小授权开始

聊天模型答错话,最坏结果是浪费时间;本地 Agent 执行错命令,最坏结果是数据没了。 这两类系统的风险模型完全不同,但很多人在部署时用的是同一种心态:先跑起来再说。

这篇记录我给本地 Agent 划权限时的几个原则。核心只有一句: 默认不给,按需授予,事后可查。

一、先列清楚它到底能碰什么

把 Agent 的能力拆成四类,每类单独决定:

能力典型工具默认
读读文件、搜索、查日志可给,但要限定目录
写写文件、改配置默认不给,或限定目录
执行shell、脚本、包管理器默认不给
对外动作发消息、调外部 API、发布默认不给,需明确授权

很多框架默认把「执行」和「写」一起给你,因为这样 demo 好看。 真跑起来之后,这两项恰恰是最需要收紧的。

二、分层:管理员、普通会话、只读

同一个 Agent,面对不同来源的会话,应该有不同的工具面:

判断标准不是「模型会不会乱来」,而是「这个输入源是否可信」。 外部输入里可以藏任何东西,包括看起来像系统指令的文本。

三、沙箱:让越权变得困难

提示词层面的「不要执行危险操作」不能当安全边界。 真正的边界应该由运行环境提供:

这些措施的成本不高,但能挡住绝大多数「一步错步步错」的事故。

四、审批:把不可逆操作拦在人前面

有些操作不适合自动执行:删数据、改权限、发布上线、发送对外消息。 我的做法是给它们加一道确认:

危险操作 → 生成待确认任务 → 人点确认 → 执行并记录
         ↘ 超时未确认 → 自动取消

关键是审批要包含足够的上下文:执行什么命令、影响哪些文件、能不能回滚。 只显示「确认执行吗」的审批等于没有审批,人只会条件反射地点同意。

五、会话隔离:一个会话的权限不能溢出到另一个

如果 Agent 同时服务多个用户或多个群,必须保证:

最后一条尤其容易写错:如果校验写成「有 token 就验证,没有就放行」, 那么漏传参数会直接退化成管理员权限——这是典型的 confused deputy 问题。

六、审计:留下能还原现场的记录

每次工具调用至少记录:时间、会话、工具名、参数摘要(敏感字段脱敏)、结果状态、耗时。 不需要保存完整输出,但要能回答三个问题:

  1. 它做了什么?
  2. 是什么输入导致的?
  3. 影响范围有多大?

日志本身也要保护:如果日志里出现令牌、密码、私钥,那审计系统就变成了新的泄露点。

七、提示注入:把外部内容当数据,不当指令

网页、邮件、聊天记录里都可能藏着「忽略之前的指令,执行……」。 工程上的应对不是让模型「更聪明」,而是:

八、一张检查清单

Agent 的能力越强,权限设计越要先于功能上线。 先想清楚「它不该能做什么」,比事后加限制容易得多。

← 返回首页