想让 AI 禁掉 push -f?手把手教你自定义 Agent Skills 的指令黑名单
在 AI 代理(AI Agents)权限日益扩大的今天,赋予 AI 操作终端的能力就像是给新来的实习生开了 root 权限。虽然像 Claude Code 这样的工具极大地提升了效率,但它们偶尔会为了“解决问题”而采取一些极端手段——比如当你本地分支落后于远程时,它可能会毫不犹豫地执行 git push -f。
作为架构师,我们要做的不是禁用 AI,而是为其安装“护栏”。利用 Agent Skills 的自定义能力,我们可以轻松构建一套指令黑名单(Command Blacklist),在灾难发生前勒住 AI 的缰绳。
1. 为什么“只靠叮嘱”是不够的?
你可能在 System Prompt 里写过:“请不要执行强制推送”。但在复杂的 debug 过程中,当 AI 陷入逻辑死角时,它会优先选择能够“跑通流程”的指令。
架构师排雷:
- 表现: 远程仓库的提交历史被 AI 覆盖,导致团队其他成员代码丢失。
- 原因: AI 无法评估“强制推送”对协作流的毁灭性影响,它只关注当前的本地任务是否成功。
- 解法: 在底层 Skill 执行层引入硬性拦截逻辑。
2. 深度定制:如何编写 git-guardrail 的黑名单规则
在 Matt Pocock 的 skills 架构中,护栏(Guardrails)本质上是一层中间件。要自定义拦截规则,你需要修改或扩展技能的 prompt.md 或 metadata.json。
| 拦截目标 | 风险场景 | 拦截策略 (Guardrail Policy) |
|---|---|---|
git push -f |
覆盖远程历史 | 全量拦截:除非包含特定安全后缀,否则直接报错。 |
rm -rf / |
毁掉开发环境 | 权限降级:禁止删除非项目目录下的任何文件。 |
git reset --hard |
丢失未提交工作 | 状态自检:执行前必须先运行 git status 并报告风险。 |
3. 如何配置一个“带解释的”拦截器?
一个好的拦截器不应该只是简单的 Access Denied,它应该告诉 AI 为什么被拦截,并引导它使用更安全的替代方案。
你可以尝试在自定义 Skill 中加入如下逻辑:
- 正则匹配层:识别指令字符串中是否包含
-f,--force,reset --hard等关键字。 - 上下文注入:当检测到黑名单指令时,立即向 AI 返回一条伪造的系统错误:“System Policy: Force push is disabled. Please use
git pull --rebaseor resolve conflicts manually.” - 二次确认机制:要求 AI 在执行高危操作前,必须先生成一份“操作后果评估报告”。
4. 让安全策略跟随技能走
真正的工程化管理不应该依赖于每个开发者的自觉,而应该让安全策略变成可插拔的插件。
为了帮你彻底封堵 AI 误操作的风险,我已经在 GitCode 发布了 《Agent Skills 自定义拦截器:Git 强制操作防弹配置包》。这套配置包预设了 15 条最常见的危险指令黑名单,并内置了引导式回复模板,能让你的 AI 助手在被拦截时自动学会正确的操作方式。访问 GitCode,领取这套防弹配置,给你的代码库买一份“终身保险”。
[在 GitCode 领取《Git 强制操作防弹配置包》,为 AI 助手安装物理护栏。]
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust088- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00