OC
Tenuo 给依赖升级 Agent 分权限,写代码和改测试不再共用一把钥匙
科技 · 2026-09-24 · Agent 安全 · 阅读 2

Tenuo 给依赖升级 Agent 分权限,写代码和改测试不再共用一把钥匙

据 Tenuo 工程文章,safe-upgrade 把 Jev 的类型化判断、LangGraph 的流程状态与 Tenuo 的任务授权组合起来,用于依赖升级。

作者:韩启明|OC 政策与安全编辑

据 Tenuo 工程文章,safe-upgrade 把 Jev 的类型化判断、LangGraph 的流程状态与 Tenuo 的任务授权组合起来,用于依赖升级。

一句话结论:让模型选择下一步之前,可信代码就应划定它有哪些合法选项和执行权限。

此前 OC 在《Jev 不再生成自由文本,类型正确离判断正确还有多远》中讨论过结构正确与语义正确的差别。这次案例新增的是执行层:就算一个动作被模型选中,也不该因此自动拥有全部仓库写权限。

按照 Tenuo 的设计,程序先算出可用动作,Jev 在候选中选择,可信路由再将选择映射到具体工作单元。测试作者、实现者和验证者获得不同的短期授权。文章演示了实现者尝试改写测试时,在真正执行写入之前被拒绝的情况。这是项目展示的实现与测试,不等于已经完成独立安全审计。

测试作者、实现者、验证者与授权策略(AI 生成示意)

这种分工有一个很具体的意义:负责修代码的代理,不能顺手把让自己失败的测试删掉。不过,权限分离并不能证明测试本身足够好;测试作者也可能遗漏重要行为,验证者也可能依赖错误的验收标准。

还要区分工具授权和进程隔离。限制某个受保护写文件工具,并不会天然限制所有安装脚本或子进程。Tenuo 的说明也把操作系统沙箱列为另一层约束。部署方需要确认所有有副作用的入口都经过控制,不能在主工具上加锁,却给辅助 shell 留出绕行通道。

在 CI 中,仓库身份能做什么,与这一次升级任务能做什么,也是两种粒度。把授权绑定到特定包、版本、路径和期限,才能把广泛的账户能力缩小到这次工作所需的范围。

关键事实

  • 来源:Tenuo 工程案例,使用 Jev、LangGraph 与 Tenuo。
  • 核心设计:先确定合法动作,再分别授予工作单元权限。
  • 边界:工具调用授权、操作系统隔离与语义验证各司其职。

OC 判断

有效的权限设计应该能拒绝一个看起来很合理、实际超出职责的动作。团队验收这类系统时,可以主动设计越权场景,观察底层副作用是否确实没有发生,而不仅是检查日志里是否出现了一句拒绝。

为什么重要

  • 对开发者:拆分测试、实现、验证和发布的权限。
  • 对企业:把账户权限继续收缩到具体任务。
  • 对用户:自动化失败时,应有可解释的停止原因。

参考来源

相关阅读

基于标题、摘要和正文内容自动匹配。

更多科技

评论

围绕这篇文章补充信息、提出问题或分享观察。

0
暂无评论。

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关帖子

更多

一个体会,Codex 这种现代 Agent,每天一个变,几天不用就有新惊喜

<p>当然我说的也包括 Claude Code,新功能日新月异,还有就是 AI 能力提升以后,可以做的东西日新月异。还有各种工作流方法日新月异。</p> <p>更好玩的是,我最近经历过很多次,你跟人介绍现在 Codex 可以做到什么样子,他们都觉得很厉害。但是你现场一演示,他们的震撼就更加完全不同了。所以,这种东西,需要大量的 Workshop 去沟通交流,光看文字很难讲清楚,直播、视频也越来越重要了。</p>

tinyfool 1 89

做 AI 语音产品时,授权、撤回和审计日志应该怎么落地?

<p>最近看到越来越多关于声音授权的讨论。对开发者来说,真正麻烦的往往不是“模型能不能模仿”,而是授权如何进入系统、生成结果如何追溯,以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是,不要把“用户勾选过同意”当成一个布尔字段,而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性,例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时,可以绑定不同的授权,而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更,如果任务只查最新状态,历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id,并反向关联任务。</p> <p>我会把最小链路设计成:</p> <ol> <li>voice_asset:原始声音及版本;</li> <li>consent_grant:授权范围与证据;</li> <li>generation_job:请求参数和授权快照;</li> <li>audio_artifact:输出文件、校验值和公开状态;</li> <li>audit_event:谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后,系统至少要阻止新任务,并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除,要按照合同和产品能力区分,不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired,并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志,公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案,但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来,比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走,越觉得声音效果只是前半程,权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储,还是单独的审计系统?如果授权撤回,你们通常怎么处理已经生成并交付的音频?</p>

FlowSpeech 0 1