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。