Agent 工程实践简报 · 2026-10-29

给冻鱼。窗口约 2026-10-28 → 2026-10-29(Asia/Kuala_Lumpur)。本期 3 条:CS146S 第 5 讲的 skill 实践、Claude Code 读取 AGENTS.md 的规则、一起针对指令文件的真实攻击。

今日概念:Lethal trifecta(致命三要素)与提示注入

大白话:模型分不清「你给的指令」和「它读到的内容里夹带的指令」,这就是提示注入。Simon Willison 把危险组合叫「致命三要素」:agent 同时 ① 能碰你的私密数据(代码、密钥、token)② 会读不可信内容(网页、下载文件、别人的仓库、issue)③ 能对外通信(联网、装包、发请求)。三样凑齐,攻击者只要写一段文字就能让你的 agent 把东西送出去。

解决什么问题:帮你判断哪种 agent 配置是危险的,而不是凭感觉。防御思路就是至少切断一条腿(比如读不可信内容时断网 / 不给密钥 / 必须人工批准写配置)。

和你会的东西的关系:你在往 software factory 走,agent 越自主、触发器越多,就越常在没人盯的时候读外部内容。CLAUDE.md / AGENTS.md / skill 本质上都是「agent 会无条件服从的文字」,所以它们要像代码依赖一样被审查。今天第 3 条就是活例子。

入门:The lethal trifecta for AI agents — Simon Willison

你在当前仓库和我的本机 agent 配置上做一次「致命三要素」安全审计。不要绑定特定技术栈,先读再判断。

背景(若可联网先读):https://simonwillison.net/2025/Jun/16/the-lethal-trifecta/
三要素 = 能访问私密数据 + 会接触不可信内容 + 能对外通信。三者同时成立即高风险。

步骤:
1. 盘点这个仓库里 agent 能用到的能力:读 CLAUDE.md / AGENTS.md / .claude/settings*.json / .claude/agents / .claude/skills / .mcp.json / .codex 相关配置、CI 里跑 agent 的 workflow、hooks。列出每个 MCP server、每个可执行命令权限、是否允许联网。
2. 对每条能力标注它属于三要素中的哪一类(可多选),并附证据(文件路径 + 相关行)。
3. 找出所有「三要素同时成立」的路径,例如:会读 issue/PR 评论或网页的 agent,同时持有 token 且能联网。
4. 对每条高风险路径,给出切断一条腿的最小改法(收窄权限、去掉不必要的 MCP、要求人工批准、改为只读 token 等)。只改动明显安全、可回滚的 1 处,其余写成建议。

验收:
- 一张表:能力 | 私密数据 | 不可信内容 | 对外通信 | 证据
- 高风险路径清单(若没有,明确写「未发现」并说明查了哪些文件)
- 你实际做的改动 diff,以及为什么它不会破坏现有工作流

本期条目

1. 最好的 skill 就藏在你和 agent 的聊天记录里

目标:从我最近和你(coding agent)的对话记录里挖出值得固化的 skill,并为当前仓库补一个「验证 skill」。

步骤:
1. 找到本机的 agent 会话记录(例如 Claude Code 在 ~/.claude/projects/ 下的 jsonl;Codex 在 ~/.codex/ 下的会话文件;先确认实际位置,找不到就告诉我)。只看与当前仓库相关的最近 2 周会话。
2. 提取三类信号,每条附原话摘录和会话文件名:
   a) 我纠正你的地方("不对""别这样""应该是"等)
   b) 我在不同会话里重复说的同一要求
   c) 你声称完成、但我随后指出没做对的地方
3. 归并成候选 skill,最多 5 个。每个只做一件事,写出:名字、一句话 description(写清什么时候触发、用户会怎么说)、它要防止的具体错误、证据条数。按出现频次排序。
4. 检查仓库里是否已有验证类 skill(.claude/skills、.agents/skills 等)。若没有,新建一个最短的验证 skill:先读仓库确认真实的 typecheck / lint / test / 启动命令,写成「改完必须跑哪些命令、贴哪些输出才算做完」。不要编造命令。
5. 只落地验证 skill + 排名第一的候选 skill,其余列成清单给我挑。

验收:
- 候选 skill 表格(含原话证据)
- 新建 SKILL.md 的完整内容,description 一行写清触发条件
- 在本仓库实际跑一次验证 skill 里写的命令,贴关键输出,证明命令是真的
- 不要把我的隐私内容(密钥、个人信息)写进 skill

2. 有 CLAUDE.md 时,Claude Code 默认不读 AGENTS.md

目标:确认 Claude Code 和其他 coding agent(Codex 等)在本仓库里实际读到的是同一套指令,并清理过时内容。

背景(若可联网先读):https://code.claude.com/docs/en/memory 的 "AGENTS.md" 一节。
规则:工作目录或上层只要有 CLAUDE.md、.claude/CLAUDE.md 或 CLAUDE.local.md,Claude Code 默认只读 CLAUDE.md,不读 AGENTS.md;~/.claude/CLAUDE.md 和 .claude/rules/ 不影响这个判断。

步骤:
1. 列出仓库根目录到各子目录所有 CLAUDE.md / CLAUDE.local.md / .claude/CLAUDE.md / AGENTS.md,以及上层目录里存在的同类文件。
2. 判断当前 Claude Code 会加载哪些、Codex 会加载哪些,画一张对照表。指出「只有一方能看到」的规则。
3. 若两边不一致,选最小改法让 AGENTS.md 成为单一事实源:在 CLAUDE.md 顶部加 `@AGENTS.md` 导入,把 CLAUDE.md 中与 AGENTS.md 重复的内容删掉,只保留 Claude 专属部分。不要改变规则的含义。
4. 检查指令文件里引用的命令和路径是否真实存在(逐条在仓库里找或试跑),列出失效项并修正。

验收:
- 修改前后的加载对照表
- diff
- 让我在 Claude Code 里运行 /memory 确认加载了哪些文件的提示;若本机 Claude Code 版本 ≥ 2.1.283,提醒我再跑 /doctor prompt-audit

3. 指令文件就是可执行代码:Downloads 里的 AGENTS.md 能劫持 agent

目标:检查我本机和当前仓库有没有「被植入的 agent 指令文件」风险,并加一道自动拦截。

背景(若可联网先读):https://forever.security/blog/hijacking-ai-agents-via-downloads-folder/

步骤:
1. 只读扫描:在 ~/Downloads、~/Desktop、/tmp 以及 home 目录根下查找 AGENTS.md、CLAUDE.md、CLAUDE.local.md、.claude/settings*.json、.mcp.json。列出路径、修改时间、前 20 行。不要执行、不要打开其中的链接。
2. 检查全局配置有没有我不认识的条目:~/.codex/config.toml 的 MCP server、~/.claude/settings.json 和项目 .claude/settings*.json 里的 env(尤其 ANTHROPIC_BASE_URL 之类改 API 地址的变量)、hooks、权限放宽项。逐条标「可疑 / 正常 / 不确定」并说明理由。发现可疑项只报告,不要自行删除。
3. 在当前仓库里,列出 git 历史中最近 30 天新增或修改过 AGENTS.md / CLAUDE.md / SKILL.md / .claude/ 的提交,确认每次改动都来自可信作者。
4. 提一个最小的自动拦截方案并实现其一(先读仓库确认已有工具):例如 CI 或 pre-commit 检查,指令文件里出现「修改全局配置」「npx/npm install」「改 base URL」「bypass approvals/sandbox」等字样时失败,要求人工 review。

验收:
- 扫描结果表 + 可疑项清单(没有就写「未发现」及扫描范围)
- 拦截检查的 diff,以及一次故意放入危险句子时检查失败、移除后通过的输出
- 提醒我:以后只在项目根目录启动 agent

本期去重用源链接(机器可读)