标签：security

Agent Skills 是以 SKILL.md 为核心、打包了指令、脚本和资源的文件夹。智能体启动时只加载各技能的名称和描述，需要时再读正文和附属文件（渐进式披露），还可以直接运行技能里的脚本，从而把通用智能体变成某个领域的专家。

• agent-skills
• progressive-disclosure
• context-engineering
• code-execution
• security

连接的 MCP 工具一多，预先加载的工具定义和中间结果都会耗掉大量 token。把 MCP 服务器呈现为文件系统里的代码 API，让智能体写代码调用，就能按需发现工具、在执行环境里过滤数据、用代码表达控制流、保护隐私并保存可复用技能；代价是需要安全的代码执行环境。

• mcp
• code-execution
• token-efficiency
• progressive-disclosure
• agent-skills
• sandbox
• security

harness 编码了对模型能力的假设，这些假设会随模型升级过时。Managed Agents 借鉴操作系统虚拟化硬件的思路，把智能体拆成会话（只追加的事件日志）、harness（大脑）、沙箱（双手）三个稳定接口。解耦后各部分可替换，凭证不进沙箱，p50 首 token 延迟降约 60%、p95 降超过 90%。

• harness
• long-running-agents
• sandbox
• security
• infrastructure

频繁点“同意”会造成审批疲劳，反而不安全。Claude Code 用操作系统原语做沙箱：文件系统隔离（只写当前工作目录）加网络隔离（只经代理连获批域名），缺一不可。在此基础上推出开源的沙箱化 bash 工具和云端运行、git 凭证不进沙箱的 Claude Code on the web。内部权限弹窗减少 84%。

• claude-code
• sandbox
• security
• prompt-injection
• permissions
• human-in-the-loop

auto 模式把权限审批交给模型分类器，介于人工审批和完全跳过权限之间。两层防御：输入层用提示注入探针扫描工具输出；输出层的转录分类器在执行前判定每个动作，先单 token 快速过滤，被标记再用思维链复核。另有子智能体交接检查和“拒绝后继续”。真实流量误报率 0.4%，对真实越权行为漏报率 17%。

• claude-code
• permissions
• human-in-the-loop
• prompt-injection
• security
• failure-modes

部署风险 = 失败概率 × 破坏范围；能力和权限扩大会让后者上升，工程问题就是给破坏范围设上限。人工审批并不可靠（用户同意约 93% 的请求），重点应放在环境层约束。文章对比 claude.ai 临时容器、Claude Code 沙箱、Cowork 本地虚拟机三种模式，并复盘了几次真实漏洞。

• security
• sandbox
• prompt-injection
• claude-code

Simon Willison 是独立开发者，几乎每天写博客，长期跟踪 LLM、编码智能体和提示注入。博客内容很多，本页只推荐 4 个入口：编码智能体实践指南、提示注入的“致命三要素”、他对“智能体”的定义，以及两个适合长期订阅的标签页。前沿阶段用它来保持对行业的感知。