Little Steve Agent Guard 是一个专为代理技能（Agent Skills）设计的自演进安全系统，旨在为所有技能命令的执行提供全方位的风险防护。该系统通过静态代码分析、动态行为监控和持续学习机制，自动评估每条技能脚本的潜在风险等级，并根据历史执行数据不断优化安全策略。其核心设计理念是‘最小权限’与‘能力一致性’，确保每个技能只能访问被明确授权的数据和资源，从而有效防止越权操作和数据泄露。 该工具采用分级审批机制，将技能操作划分为四个风险层级：L1（低/中风险）可自动执行并记录审计日志；L2（预览模式）允许用户在不实际执行的情况下查看命令影响；L3（高风险）会阻断执行并提示用户确认；而BLOCK级则完全拒绝任何形式的执行。这种精细化的控制既保障了系统的灵活性，又大幅提升了安全性。所有技能脚本的执行都必须通过 guard-exec.sh 进行封装，禁止直接调用原始脚本，从而杜绝绕过安全检查的可能。 Little Steve Agent Guard 不仅具备强大的实时监控能力，还支持规则的自我进化。它会自动收集失败的执行样本，用于训练和优化新的安全规则，并将经过验证的规则从候选池晋升到活跃规则库中。同时，系统内置了完整的审计追踪功能，所有操作都会被记录在 reports/audit-events.jsonl 文件中，便于事后追溯与分析。此外，还提供 capability-diff.sh 工具用于检测技能的实际行为是否与其 SKILL.md 声明一致，进一步强化了能力边界的管理。
核心功能特点
- 自演进安全系统，持续学习和优化技能命令的风险评估规则
- 分级审批机制支持 L1-L3 风险级别及 BLOCK 级完全阻断
- 强制通过 guard-exec.sh 执行所有技能脚本，禁止直接调用
- 静态风险分析与动态行为监控双重保障
- 完整审计日志记录与失败样本收集机制
- 支持能力一致性检查，确保实际行为匹配 SKILL.md 声明
适用场景
Little Steve Agent Guard 特别适用于需要严格管控多代理技能协同工作的复杂环境，例如企业级智能助手平台或自动化工作流系统中。当多个技能模块共享同一运行环境时，该系统能够有效防止某个高权限技能误操作或恶意调用其他技能资源，保障整体架构的安全隔离性。其自动化的风险评估和审批流程特别适合高频次、低风险的常规操作场景，如批量查询、状态更新等，既能提升效率又不牺牲安全性。 在高风险操作场景下，如文件删除、网络请求或涉及敏感凭证的操作，该工具会主动拦截并等待人工确认，避免因自动化错误导致的数据丢失或服务中断。这对于金融、医疗等对数据完整性要求极高的行业尤为关键。同时，其自学习能力使得系统能够快速适应新引入的技能类型，无需频繁手动配置规则，显著降低了运维成本。 对于开发者和运维团队而言，Little Steve Agent Guard 提供了透明的审计追踪和报告生成功能，帮助快速定位异常行为、分析安全事件趋势，并支持合规性审查。无论是日常技能测试、生产环境部署还是事故复盘，该系统都能成为可靠的守护者，确保代理技能在安全可控的前提下高效运行。