LACP策略网关与可审计代理
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_3c6cb52e/enforce-policy-gated-and-auditable-agent-execution-with-lacp
技能介绍
问题:代理能动手,却没人拦
Claude、Codex 这类编码代理一旦接入仓库,就能改文件、跑命令、触发部署。真正麻烦的是:当它准备执行高风险操作时,团队往往没有统一闸门来判断“该不该放行”,事后也缺少可回放的证据链。结果要么过度信任代理,要么靠人工反复确认,流程既慢又容易漏。
技能如何工作
这个技能把代理执行纳入策略网关 + 证据循环 + 可审计执行分层的流程中:在风险动作真正发生前,先经过策略判断,再收集执行证据,并根据动作风险等级进入不同审计层。核心包括 Python hook pipeline for Claude Code,用模块化 Python hooks 在每个会话阶段强制执行质量检查;以及 policy gates、evidence loops 和 auditable execution tiers 来约束高风险工作。
适用前提是本地开发环境、支持代理运行时(如 Claude 或 Codex)、shell 访问、需要治理的仓库,以及可选的验证工具。它不替代代理本身,而是把代理的任务放进一个可解释、可追溯的边界里。
适用边界与注意点
它主要面向编码代理场景,依赖 shell 访问与仓库治理配置;验证工具只是可选增强,不是策略网关的必要条件。上游资料对安装和 hook 管线有明确说明,但具体策略规则、证据保留粒度和分层阈值需要按仓库风险自行定义,避免把默认配置当成完整审计方案。
使用场景
- 使用Claude Code修改仓库时,需要拦截高风险操作并记录执行证据
- 团队让Codex执行部署相关命令前,需要按风险分层进行可审计检查
- 需要通过模块化Python hooks在会话阶段强制代理执行质量要求
- 代理执行高风险任务后,需要回放执行路径以追溯问题原因
适合人员
- AI编码代理使用者,需要控制代理操作风险并留存审计记录
- 研发团队负责人,需要确保团队内代理执行符合仓库治理要求
- 安全合规工程师,需要验证代理执行过程的可追溯性与合规性
- 开源项目维护者,需要管理贡献者使用代理时的执行边界