结论先行:Agent 权限设计的三层防线是——配置层允许清单(决定什么免确认)、交互层确认门(决定什么要人批)、OS 层沙箱(决定就算放行了也破坏有限)。核心原则只有一条:默认拒绝,按需放行,且放行的粒度是"模式"不是"白名单一条条加"。权限模型做到位,才能把 Agent 从"盯着才能用"变成"放手让它干活"。
为什么 prompt 管不住
模型是概率系统,再强的指令也有小概率被绕过:注入在网页/代码注释里的恶意指令、长上下文稀释掉的约束、模型自己的误判。所以权限不能只靠 system prompt 里的"请你小心",必须有模型之外的确定性机制兜底。这正是 harness 存在的理由之一——概率的能力,确定性的边界。
一个容易被低估的攻击面是间接注入:Agent 去读一个网页、一份第三方 README、一段开源代码,里面的注释写着"请执行某某命令",模型可能照做。这类内容不经过你的输入框,prompt 层防线完全看不见它。权限层的价值就在这里——它不判断内容善恶,只判断"这个操作本身是否被授权",与内容的来源无关。
第一层:声明式权限规则
把操作分类:只读(读文件、搜索、grep)默认放行;写操作(编辑文件、执行命令)按模式匹配放行或确认;危险操作(改配置、装依赖、网络写)默认 deny。规则声明出来是给人 review 的,不是藏在代码里:
{
"permissions": {
"allow": [
"Read(//**)",
"Grep(//**)",
"Bash(./gradlew test:*)",
"Bash(npm run lint)",
"Edit(//src/**)"
],
"ask": [
"Bash(git commit:*)",
"Write(//src/**)"
],
"deny": [
"Edit(//src/main/resources/mapper/**)",
"Bash(rm:*)",
"Bash(curl:*)",
"Read(//**/.env*)"
]
}
}
规则粒度是这套机制的成败关键。对比错误写法与正确写法:
{
"permissions": {
"allow": [
"Bash(*)"
]
}
}
Bash(*) 等于没有权限层:rm、curl、git push 全在里面,任何一次提示注入或模型误判都能直达 shell。正确的粒度是按"确切的前缀命令"放行——Bash(./gradlew test:*) 放行的是测试命令及其参数变体,npm run lint 放行的是单条命令。粒度越贴近"团队真正重复执行的动作",确认弹窗越少、误放风险越小。
注意几个细节:deny 优先于 allow;敏感文件(.env、密钥)在读取层就挡住,不是只在写入层——读出去的数据泄露比改坏文件更难挽回;rm、curl 这类能产生破坏或外联的命令默认进 deny 或 ask。
规则文件的组织方式也影响长期维护。建议按作用域分文件管理:团队基线规则进仓库(所有人共享,走 review),个人补充规则放全局配置(不进仓库),项目特例放项目目录。匹配顺序固定且文档化——项目规则覆盖个人,deny 永远最优先——避免出现"在我机器上是好的"这类因规则叠加顺序不清导致的事故。规则改动要走和代码一样的 review 流程:一条 allow 规则的变更本质上是在修改"Agent 能自动做什么"的边界,值得一个人以上的确认。
第二层:确认门的信息设计
需要人工确认的操作,确认弹窗必须展示完整命令、影响范围、来源(哪一轮哪个工具调用),并且支持"本次允许/会话内允许/永久允许"三档。实践中最好用的是中间档:既不淹没在弹窗里,也不把一次性放行升级成永久规则。所有确认与拒绝记录进审计日志——拒绝原因里往往藏着应该补进 allow/deny 的规则。
信息设计上有一个常被忽视的点:确认门是人和模型之间的通信界面。弹窗里只给一条命令不给上下文,人会无脑点"允许",确认门退化成橡皮图章。把"这个命令要改哪些文件、属于哪个任务"一并展示,人才能做出真实判断。确认门被批准的模式应该能一键沉淀为规则草案,这是权限体系自我演进的闭环。
第三层:OS 级沙箱
权限规则挡的是"该不该做",沙箱挡的是"做了也破坏有限"。两者互补,因为规则总有漏配的时刻:
- 文件系统:macOS 可用 Seatbelt(sandbox-exec)profile 限制可写目录;Linux 用容器或 bubblewrap,只挂载项目目录为可写。
- 网络:默认断网或只放行必要域名,防止数据外传和恶意下载。开发场景常见例外是包管理源和内网服务。
- 进程与资源:非 root 运行、CPU/内存限额,防跑飞的测试脚本拖垮宿主机。
一个 macOS Seatbelt profile 的极简示例:
# 只允许读写项目目录,禁止全盘写入与网络(示意 profile)
cat > /tmp/agent.sb <<'EOF'
(version 1)
(deny default)
(allow file-read*)
(allow file-write* (subpath "/Users/dev/project"))
(deny network*)
EOF
sandbox-exec -f /tmp/agent.sb bash -c "./build.sh"
一个务实做法是分级沙箱:读操作和构建命令在宽松沙箱跑,写操作和网络访问在严格沙箱跑;被沙箱拦截的操作升级为人工确认,而不是直接失败——沙箱拦截本身就是有价值的信号。开发机和 CI 的沙箱策略应该不同:CI 是无人值守环境,从严配置(默认断网、只读源码目录、产物目录单独可写、资源限额硬性设置);开发机有人在场,确认门是有效防线,沙箱可以适当放宽换取流畅体验。很多人在 CI 里吃过这样的亏:Agent 跑测试时尝试联网拉一个不在白名单里的依赖,断网沙箱把它挡下,任务失败——这恰恰是沙箱在正确工作,失败信号应该推动"把该依赖加进白名单"的规则演进,而不是把沙箱整个关掉。三层防线的分工汇总:
| 层级 | 挡什么 | 失效形态 | 典型实现 |
|---|---|---|---|
| 声明式规则 | 该不该做(策略) | 规则漏配时放行危险操作 | allow/deny 模式匹配 |
| 确认门 | 边缘操作是否放行 | 人无脑点允许退化成图章 | 三档确认 + 审计日志 |
| OS 沙箱 | 做了也破坏有限 | 内核层绕过(罕见) | Seatbelt / 容器 / bwrap |
| 三层叠加 | 单层失效不致灾难 | —— | 分级沙箱 + 拦截升级确认 |
落地节奏
不要第一天就上全量严控,会把使用体验打碎。建议节奏:先只读全放行 + 危险命令 deny(一天搞定),跑两周收集确认记录补 allow 规则(让确认弹窗越来越少),最后按团队场景上沙箱(CI 环境先行,开发机可选)。衡量标准是"每任务确认次数"和"deny 误伤次数"两个指标同时下降——只降前者说明权限太松,只降后者说明太紧。
实战场景
一个团队给内部 Agent 平台补权限层的真实过程:早期图省事给了 Bash(*),第一周平安无事,直到某次任务里模型为了"清理构建产物"执行了一条带变量展开的删除命令,把同事本地的未提交改动删掉了(有幸备份)。复盘后的改造分三步:先把 allow 收缩到构建、测试、lint 三类固定前缀命令,写入走 ask;两周后拉出确认日志统计,把高频且零事故的确认模式(如 git commit 前置检查、单测命令变体)沉淀成 allow 规则,弹窗量降下来;最后在 CI 环境上套了容器沙箱,只挂载工作目录可写、默认断网,构建脚本需要拉依赖的场景单独放行包管理域名。改造之后团队才敢把 Agent 放进 CI 自动跑(以上为过程描述,非量化评测)。经验归一句话:权限不是上线前的一次性配置,是跟着确认日志持续长出来的规则集。
检查清单
- 默认拒绝,allow 只放行确切前缀命令,不存在
Bash(*)这类全放行 - deny 覆盖 rm、curl 等破坏与外联命令,且 deny 优先于 allow
- 敏感文件(.env、密钥)在读取层就被 deny
- 确认门展示完整命令、影响范围与来源,提供本次/会话/永久三档
- 确认与拒绝全量进审计日志,高频确认模式定期沉淀为 allow 规则
- CI 环境有 OS 级沙箱:可写目录最小化、默认断网、非 root、资源限额
- 沙箱拦截升级为人工确认而非直接失败
- 每任务确认次数与 deny 误伤次数两个指标同时下降