Agent 安全：先想清楚一次搞砸能有多糟

给 Agent 设边界的时候，我会先问自己一个很具体的问题：它搞砸一次，最多能花掉多少钱、漏出去什么、改坏什么？ 这比在提示词里写一句「请注意安全」管用多了。

四个地方先收紧

• 钱：每次调用前查一下累计花了多少，而且这个数要存在数据库里，不能放内存。不然进程一重启，上限就没了。
• 输出：模型给的东西先当成「待检查的数据」，字段、类型、允许的动作都对一遍，不对就降级，并且记下来为什么。
• 信息：按角色或任务给上下文，它不该知道的一开始就别给，私密消息走单独的通道。
• 工具：只给这个任务用得上的工具，再在执行那一端卡一道白名单。

做到这些不等于万事大吉，但至少出了错不会悄悄变大，事后也能查清楚它到底做了什么。