菜单
AI Agent治理框架：为AI Agent系统建立安全策略、信任评分、行为审计和威胁检测机制。当用户说'Agent安全'、'AI治理'、'Agent监控'、'AI策略'、'Agent审计'、'信任评分'、'AI威胁检测'、'Agent行为规范'时触发。核心特点：策略执行、信任评分、审计追踪、威胁检测。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
基于 SOC 职业分类
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/gaoqiongxie/skills-ai --skill agent-governance命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
网络安全分析师技能库：754个结构化安全技能，覆盖威胁狩猎、数字取证、事件响应、渗透测试、代码安全审计、威胁情报、恶意软件分析等26个安全领域。映射MITRE ATT&CK v19.1、NIST CSF 2.0等五大框架。当用户说'安全分析'、'威胁狩猎'、'威胁情报'、'渗透测试'、'事件响应'、'MITRE'、'数字取证'、'恶意软件分析'、'红队'、'蓝队'、'SOC'、'网络攻防'时触发。与security-audit互补：security-audit聚焦代码层静态扫描，本Skill覆盖全栈安全分析工作流。
企业级全栈迭代工作流Agent：当用户说'开始开发这个需求'、'处理本次迭代'、'全栈开发闭环'、'跑一个迭代'、'enterprise iteration'、'迭代开发'、'需求交付'、'开发闭环'时触发。自动按需求→设计→开发→测试→Review→部署→记忆7阶段推进，维护迭代状态机，路径感知（自动读取需求目录与代码目录），协调多个子Skill协作完成企业级CRM全栈需求交付。支持状态回退、并行分支、上下文继承。
截图转可交互原型统一入口：根据UI设计稿、手绘草图或竞品截图自动生成HTML高保真原型，并自动联动screenshot-to-prd输出PRD、prd-to-demo完善交互。当用户说'根据截图生成原型'、'设计稿转Demo'、'草图转HTML'、'图片转可交互页面'、'复刻这个界面'、'仿照这个APP做原型'、'截图生成网页'时触发。核心特点：视觉分析自动还原布局、组件识别与映射、多截图串联页面流、与screenshot-to-prd/prd-to-demo形成设计驱动闭环。
| name | agent-governance |
| description | AI Agent治理框架：为AI Agent系统建立安全策略、信任评分、行为审计和威胁检测机制。当用户说'Agent安全'、'AI治理'、'Agent监控'、'AI策略'、'Agent审计'、'信任评分'、'AI威胁检测'、'Agent行为规范'时触发。核心特点：策略执行、信任评分、审计追踪、威胁检测。 |
来源: Anthropic Skills Issue #412
发布时间: 2026-05
理念: "没有治理的 Agent，就像没有刹车的跑车——快，但危险。"
为 AI Agent 系统建立安全边界和行为规范。
AI Agent 的治理需求：
Agent Governance 的解决方案：
agent_policies:
file_access:
allow: ["src/", "docs/", "tests/"]
deny: [".env", "secrets/", "*.key"]
max_file_size: "10MB"
network_access:
allow: ["api.github.com", "registry.npmjs.org"]
deny: ["*"] # 默认拒绝
code_execution:
allow_commands: ["npm test", "git status"]
deny_commands: ["rm -rf /", "curl | bash"]
require_approval: ["git push", "npm publish"]
data_handling:
mask_pii: true
log_level: "audit"
retention_days: 30
Agent: code-builder-001
当前信任评分: 85/100
评分维度:
✅ 历史成功率 95/100 （过去100次任务，95次成功）
✅ 策略遵守率 98/100 （仅2次触碰边界）
⚠️ 异常行为频率 70/100 （本周有3次重试次数异常）
✅ 人工干预率 92/100 （仅8%的任务需要人工介入）
趋势: ↗️ 上升（上周 78 → 本周 85）
{
"timestamp": "2026-05-11T10:30:00Z",
"agent_id": "code-builder-001",
"session_id": "sess-abc123",
"action": "file_write",
"target": "src/auth/login.ts",
"size_delta": +45,
"policy_check": "pass",
"trust_delta": 0,
"user_approval": "auto"
}
| 威胁类型 | 检测规则 | 响应动作 |
|---|---|---|
| 权限提升 | 请求超出授权范围的操作 | 拒绝 + 告警 |
| 数据泄露 | 输出包含敏感信息 | 拦截 + 脱敏 |
| 循环调用 | 同一操作重复失败 > 3 次 | 暂停 + 人工审查 |
| 异常时间 | 非工作时间的敏感操作 | 需要二次确认 |
| 资源耗尽 | CPU/内存使用超过阈值 | 限流 + 告警 |
为我们的多Agent系统制定治理策略
Agent角色: Planner, Builder, Reviewer, Deployer
评估当前Agent配置的安全风险
设计Agent操作审计日志方案
需要记录哪些字段？保留多久？
| agent-governance | security-audit | |
|---|---|---|
| 对象 | AI Agent 自身行为 | 代码安全漏洞 |
| 时机 | 运行时持续监控 | 开发阶段静态扫描 |
| 重点 | 行为边界、权限控制 | 注入、密钥泄露等漏洞 |
| 最佳组合 | agent-governance 运行时防护 + security-audit 代码层防护 |
"治理不是限制 Agent 的能力，而是让它的能力在安全边界内最大化。"