Guardrails 安全护栏

它解决的具体问题

Agent 在自主调用工具、读写文件或访问外部服务时，一旦缺少统一的安全约束，很容易执行越权命令、泄露敏感数据或绕过人工审查。Guardrails-main 针对的正是这类场景：当 Claude Code、Codex 等宿主 Agent 暴露出文件系统与命令执行能力后，如何用一套轻量级规则在关键路径上加一道“护栏”，让高风险操作在发生前就被拦截或记录。

技能如何工作

该技能集合包含 2 个子技能文件，核心思路是在 Agent 的工作流中注入可配置的检查点，而不是事后补救。

• 规则定义：维护一份清单，明确哪些操作属于敏感范围，例如 rm -rf、覆盖 ~/.ssh 路径、写入生产环境配置文件等。
• 中间拦截：在宿主 Agent 发出工具调用前后插入检查环节，捕获输入参数与返回结果，对命中规则的请求执行阻断、改写或告警。
• 审计日志：每次拦截或放行都留下可追溯的记录，方便回溯时区分是模型自行决策还是规则介入。

适用边界与注意点

需要明确它的定位：Guardrails-main 不是独立的安全系统，而是依赖宿主 Agent 提供的扩展点。在 Claude Code 中通过 hook 机制生效，在 Codex 等其他平台则需要确认其工具调用链路是否暴露了匹配的拦截接口。

规则本身需要持续维护。若清单长期不更新，新出现的工具或参数格式可能绕过检测。此外，拦截不等于绝对安全，它只能降低已知风险被放大的概率，无法替代完整的权限隔离与代码审查流程。