zero-trust

核心用法

zero-trust 是一个纯指南型安全策略 skill，旨在为 AI Agent 的所有外部操作建立强制安全审查机制。当检测到任何涉及外部资源、安装操作、凭证处理、URL 交互、邮件发送、社交媒体发布、金融交易或不可逆操作时，该 skill 会触发并强制执行 STOP → THINK → VERIFY → ASK → ACT → LOG 六步验证流程。

具体应用场景包括：安装软件包前验证来源与代码、处理 API 密钥时确保 600 权限存储且不泄露、点击任何链接前检查域名防钓鱼、识别混淆代码和紧急压力等社会工程攻击信号。该 skill 将操作分为两类：需要显式人工批准的"ASK FIRST"操作（未知 URL、邮件发送、金融交易等）和可自由执行的"DO FREELY"操作（本地文件、可信搜索、文档阅读等）。

显著优点

1. 零执行风险：纯 Markdown 文档，无任何可执行代码、网络调用或文件系统操作，本身绝对安全
2. 行业标准对齐：安全建议符合 NIST 零信任架构原则和 OWASP 安全指南，验证流程科学严谨
3. 全面覆盖：涵盖安装安全、凭证管理、URL 安全、社会工程识别等关键攻击面
4. 实用性强：提供明确的红旗清单（sudo 请求、混淆代码、"just trust me"话术等），便于快速决策
5. 教育价值：可作为安全培训材料，提升 Agent 和用户的整体安全意识

潜在缺点与局限性

1. 被动依赖：作为指南文档，实际防护效果取决于调用方是否严格执行，本身无强制拦截能力
2. 场景覆盖有限：主要针对通用外部操作，对特定领域（如智能合约、医疗数据合规）需补充专业规则
3. 误报可能：保守的"ASK FIRST"策略可能在某些场景下过度触发人工确认，影响效率
4. 更新滞后：安全威胁形势快速演变，静态文档需定期维护以保持时效性

适合的目标群体

• AI Agent 开发者：需要为自主代理系统嵌入安全决策框架
• 企业安全团队：希望标准化 AI 助手的外部操作行为规范
• 个人高安全需求用户：处理敏感数据或高价值账户时的操作指导
• 安全培训场景：作为零信任安全理念的教学材料

使用风险

该 skill 本身无技术风险，但需注意：若调用实现未严格遵循其指导原则，可能导致安全建议流于形式；过度依赖该 skill 而忽视其他安全层（如网络隔离、权限最小化）可能产生虚假安全感；在延迟敏感场景下，完整六步流程可能影响响应速度。

核心定位

zero-trust 是一款纯文档型安全指导 Skill，并非可执行工具，而是一套面向 AI Agent 的行为准则与决策框架。它强制要求在涉及外部资源、网络交互、凭证处理或不可逆操作时，执行「STOP → THINK → VERIFY → ASK → ACT → LOG」六步验证流程。

显著优点

1. 系统性风险覆盖

• 六大高危场景全覆盖：URL 点击、包安装、API 密钥、邮件发送、社交媒体、金融交易
• 明确的二元分类：「ASK FIRST」vs「DO FREELY」，决策边界清晰
• 内置 Red Flags 清单：sudo 请求、混淆代码、紧迫压力、拼写劫持等

2. 零执行风险设计

• 纯 Markdown 文档，无代码块、无可执行脚本、无动态加载
• 六维扫描全满分：静态/动态分析、依赖审计、网络分析、隐私合规、威胁情报均通过
• 符合 GDPR/CCPA 数据最小化原则

3. 来源可信

• GitHub clawdbot/skills 组织仓库维护
• T2 级可信来源（可信组织账号），非个人匿名提交

潜在局限

• 非自动化防护：依赖 Agent 主动调用与人工判断，无强制拦截机制
• 场景覆盖盲区：对内部威胁（如用户自身提供的恶意指令）无额外校验
• 更新依赖：安全威胁演进快，规则库需人工维护同步

适合人群

• 所有 AI Agent 开发者：作为系统级安全基线嵌入
• 高频处理外部数据的场景：爬虫、自动化运维、API 集成
• 合规敏感行业：金融、医疗、政务等需审计留痕的领域

常规风险

• 误报导致效率损耗：过度谨慎可能拖慢合法操作流程
• 人为绕过：Agent 或用户可能忽略 ASK 步骤直接执行
• 规则理解偏差：对「可信来源」的判断标准存在主观性

使用建议

建议在系统提示词（system prompt）中强制绑定此 Skill，尤其针对具备代码执行、网络访问或文件操作权限的 Agent 实例。