『写入窄、读取宽』落地翻车实录:company-brain 权限模型的安全边界到底在哪

原创2026-10-10 12:11:081,656 阅读

『写入窄、读取宽』落地翻车实录:company-brain 权限模型的安全边界到底在哪

企业级 AI 知识库有一个流传甚广的设计口号:写入窄、读取宽。写入落到最私密的那间屋子,读取则按提问者的人脉向外辐射,DM 里能问出全公司最宽的答案。company-brain 正是这套理念的教科书式实现——但理念越优雅,落地时越容易在细节上翻车。当权限图被塞进真实团队数据、跨容器读取被 LLM 反复调用、租约机制遇到过期与审计缺口时,安全边界到底划在哪里,又会被谁绕过?

这篇文章不打算复述"我们做得多安全"的营销叙事,而是直接翻开仓库源码,把权限图的三层防线逐一拆开:写入侧的容器标签、读取侧的扇出解析、工具侧的租约授权。每一层都附上真实代码路径与可复现的风险场景,最后给出一份可以直接抄作业的加固清单。

一、先理解这张"图":三个容器,不是两个

company-brain 没有"共享脑"与"私有脑"的二分法,它的权限模型是一张图。依据 docs/guide/permissions.md 的定义,所有记忆写入三种容器之一:

  • 员工记忆(Employee memory):每人一份,来自你与 bot 的 DM,仅本人可见;
  • 私密频道记忆(Private channel memory):每个私密频道一份,仅该房间成员可见;
  • 公开频道记忆(Public channel memory):整个组织一份,全员可读。

一条消息只会写入它发生的那个房间,容器标签在 src/brain/memory/writeback.ts 中被解析为 sm_org_shared(公开频道)、slack_channel_<id>(私密频道)与 user_<id>(个人)。写入路径没有"顺便多写一份"的逻辑,这正是"窄"的含义。

但"宽"发生在读取侧。看 src/brain/memory/read-scope.ts 的核心函数:

export function resolveBrainReadContainerTags(
	agent: CompanyBrainAgent,
	scope: SlackMemoryScope | undefined,
	override?: string[],
): string[] {
	if (override !== undefined) return [...new Set(override)]
	const tags = new Set<string>([SHARED_TEAM_BRAIN_CONTAINER_TAG])
	const scopeTag = slackMemoryContainerTag(scope)
	if (scopeTag) tags.add(scopeTag)
	if (scope?.kind === "dm" && scope.slackUserId) {
		for (const tag of readableSlackChannelContainerTagsForUser(
			agent,
			scope.slackUserId,
		)) {
			tags.add(tag)
		}
	}
	return [...tags]
}

读取集合永远是写入标签的超集:共享脑 + 当前作用域标签,外加 DM 场景下"提问者所属的全部私密频道"。注意代码注释里那句意味深长的话——"no cap",即 DM 读面不设上限,唯一约束是 searchBrain 的并发批处理。后面会看到,这句话在真实团队数据下会变成一把双刃剑。

二、权限图在真实团队数据下的压力测试

"宽"的第一个代价是规模。私密频道标签的来源在 src/brain/slack/channel-membership.ts:

export function readableSlackChannelContainerTagsForUser(
	agent: CompanyBrainAgent,
	slackUserId: string | undefined,
	limit = 1000,
): string[] {
	const rows = agent.sql<{ channel_id: string }>`
		SELECT channel_id FROM brain_channel_membership
		WHERE slack_user_id = ${slackUserId} AND is_private = 1
		ORDER BY updated_at DESC
		LIMIT ${limit}
	`
	return rows.map((row) => privateSlackChannelContainerTag(row.channel_id))
}

一个横跨 50 个私密频道的员工,在 DM 里向 bot 提问时,读面会被展开成"共享脑 + 个人脑 + 50 个频道标签"。然后 searchBrain(src/brain/memory/search-brain.ts)会对每一个容器单独发起一次向量检索,按 6 路并发分批执行:

const CONTAINER_SEARCH_CONCURRENCY = 6
for (let i = 0; i < containerTags.length; i += CONTAINER_SEARCH_CONCURRENCY) {
	const batch = containerTags.slice(i, i + CONTAINER_SEARCH_CONCURRENCY)
	searches.push(...(await Promise.all(batch.map(searchContainer))))
}

每容器取前 40 条候选,随后按 similarity 去重、排序、截断到 40 条。这意味着一个真实团队的检索行为是串行化的扇出风暴:频道越多,延迟越高,向量服务的连接池压力越大。源码对此的定位是"病态护栏"(pathological guardrail),limit=1000 只是兜底,不是产品上限——真到了上千个频道,光一轮提问就要打上千次向量查询。

更隐蔽的风险在成员表的时效性。brain_channel_membership 的权威修正依赖两件事:成员事件流,以及低频 cron 的全量 reconcile(src/brain/slack/channel-membership.ts 中的 reconcileChannelMembership)。reconcile 会调用 conversations.members 重刷每个私密频道的成员并删除已离开者——这是防"离开频道后仍能在 DM 里读到该频道记忆"的关键安全网。但它在事件丢失窗口内、以及 bot 宕机期间是失效的。一旦某个"成员离开事件"被 Slack 速率限制吞掉,而 reconcile 尚未跑到该频道,这个人的 DM 读面里就还会挂着那个频道的标签。权限图的安全,最终押在一条 cron 的执行纪律上。

三、跨容器读取的越权风险场景

"读取宽"的设计哲学是:DM 是全场最私密的位置,所以 bot 在 DM 里回答你时,可以把你原本可见的一切缝在一起。但这里存在三个可被利用的越权窗口:

窗口一:私密频道记忆的"二手泄露"。 文档明确写道:"如果你不在某个私密频道里,它的记忆对你而言不存在,即使是在 DM 里通过推理也不行。"但推理护栏在 recall_tagged_memories 这类工具面前是软的——它按 knownSlackIds 过滤提及者,却把标签匹配(person/project/customer/topic)的判定完全交给模型。当提问者用模糊语义("Acme 那个客户最近怎样")而非显式频道名提问时,模型是否会把 person_<id> 标签联想成"应检索某频道",取决于 prompt 纪律,而非硬性 ACL。

窗口二:memoryContainerTags 覆写面。 src/brain/turn/context-tools.ts 中所有记忆工具(recall_tagged_memories、list_memory_tags、outline_memory_tree、read_memory_node)都接受一个来自管理后台的 memoryContainerTags 参数,语义是"显式读面,整体替换派生集合"。设计本意是让管理员收窄或放开读面,但它同时意味着:只要有一个入口能注入这个参数,容器隔离就被整体绕过。它是把权限图从"推导式"变成"声明式"的开关,而声明式的错误配置是静默的——没有任何校验会告诉你"这个显式读面把隔壁部门的私密频道放进了 DM"。

窗口三:跨容器去重的信息拼合。 searchBrain 的去重逻辑按记忆 ID 合并、保留最高相似度。这在多容器命中同一事实时是特性,但也是侧信道:如果两个容器各存了同一事件的互补片段(A 频道存"合同已签",B 频道存"客户已付款"),DM 提问会把两段拼成一个完整答案,而单看任一频道都不完整。权限模型管的是"你能检索到哪个容器",管不住"检索到的内容在语义层完成了跨容器拼图"。

四、租约过期与审计断链的隐患

工具访问的防线是租约(Lease)机制:当提问者与组织都没连接某个工具、但队友个人连接了它时,bot 会在 Slack 里发卡片请对方授权一次性的、有时效的借用。参数定义在 src/brain/lease/types.ts:

export const LEASE_TTL_MS = 10 * 60 * 1000
export const LEASE_REQUEST_EXPIRY_MS = 15 * 60 * 1000
export const MAX_LEASE_OWNER_FANOUT = 5

授权激活在 src/brain/lease/decision.ts:租约激活后,会以 personalConnectionsOnly: true 的 actor 重新计算一轮 turn,把"你现在临时拥有 xxx 的读+写权限,已由连接所有者批准且限定在本线程"作为 framed 问题喂给模型。租约的有效期是墙钟上的 10 分钟,但模型的推理轮次可能远超这个窗口——代码用 turnDeadlineSignal 在租约到期时中止计算并提示"暂时拿不到访问权限,回个话我接着干"。注意:中止不等于撤销数据。租约到期只影响后续工具调用,已拉取进上下文窗口的敏感数据不会被抹除,它会作为 thread 历史继续存在,甚至可能在后续恢复轮次里被重新引用。

审计断链的第二处隐患在审批卡的异步失效。租约请求的卡片投递在 src/brain/lease/routing.ts:一张线程卡片同时投给最多 5 个候选 owner,每人可独立批准/拒绝,先到先得,其余 pending 投递被 invalidated。leaseApprovedMessage 会在线程里公开广播"<@某人> 批准了,本线程正在使用 TA 的 xxx 连接"。这条广播是审计痕迹的核心,但它只存在于 Slack 消息流里;租约数据表 brain_lease 的 approved_by_slack、decided_at、revoked_at 字段记录的是批准动作本身,并不记录租约期间模型实际调用了哪些工具、把哪些数据塞进了哪些回复。要还原"这次借用到底看到了什么",你得同时翻 Slack 消息、模型输出日志和租约表,三处对不上号就是断链。

更值得警惕的是成员退出后的租约回收。revalidateLease 会检查 isOrgMember、连接是否仍 active、owner 是否仍 eligible,但这一校验只发生在下一次工具调用前。而 src/brain/lease/decision.ts 里的 runLeaseRevoke 明确限定:"只有当初授予访问的连接 owner 本人可以撤销。"如果该 owner 离职、Slack 账号被禁用,租约就只能靠 TTL 自然过期——在过期的 10 分钟窗口内,租约依然处于 active 状态,依然可以被 listActiveLeasesForActor 检索到并继续使用。组织级回收手段(revokeLeasesForConnection)只在连接被删除/禁用时触发,不覆盖"人走但连接还在"的场景。

五、给团队的安全加固清单

基于以上源码级复盘,以下清单按"投入产出比"排序:

  1. 给 DM 读面设硬上限,而不是靠并发护栏。 将 readableSlackChannelContainerTagsForUser 的 limit 从病态护栏(1000)改为产品语义上限(如 50~100),并在 searchBrain 里对超限的标签集做最近活跃优先截断——比"全量查询但限并发"更能同时控延迟与向量服务负载。

  2. 把 reconcile 从 cron 升级为事件+周期双轨,并监控缺口。 对 member_left_channel 事件做幂等补偿,reconcile 周期缩短到分钟级;为 brain_channel_membership 增加"最近一次 reconcile 时间"指标,超过阈值告警,避免"事件被吞、cron 未跑"的静默越权窗口。

  3. 显式读面必须过校验。 管理后台传入 memoryContainerTags 时,逐标签校验其是否属于该用户可见集合(或至少校验 sm_org_shared 与 user_<id> 的归属),拒绝"任意标签注入";在审计日志中记录每次覆写的来源账号。

  4. 租约到期时做上下文净化。 10 分钟 TTL 触发中止时,除了停掉后续工具调用,还应把租约期间拉取的敏感工具结果从可复用的上下文(thread checkpoint、turn state)中标记为过期,防止恢复轮次二次引用。

  5. 补全租约的"行为审计"。 在 brain_lease 之外增加租约期间的调用流水(工具名、输入摘要、输出 digest),与 approved_by_slack、revoked_at 对齐,让"借用看到了什么"可回溯;同时对离职 owner 的租约做即时批量撤销,别等 TTL。

  6. 对跨容器拼图加一道输出侧护栏。 在最终回复前做来源标注校验:当答案内容同时引用多个私密频道容器时,强制逐条标注来源容器,让"拼接"对提问者可见、对审计可查,而不是藏在模型的流畅叙述里。


权限模型从来不是画一张好看的图,而是回答"在真实数据、真实延迟、真实人事变动下,这条边界是否仍然成立"。company-brain 的价值在于它把这张图真正落地成了可读的源码——写入窄、读取宽的口号背后,每一层都有具体的代码、常量与可被审计的字段。边界是否够用,最终取决于你的团队是否愿意为上述清单里的第六条、第五条付出工程代价。毕竟,安全边界不是设计出来的,是被一次次压测与补丁焊出来的。

登录后查看全文
company-brain