dsh-warden:DeepSeek Harness 的對抗式審查門
`dsh-warden` 是 DeepSeek Harness 的一個安全插件,旨在提供“平時零打擾,關鍵時刻才審查”的工具調用防護。它採用雙層防禦機制:第一層通過本地正則匹配破壞性命令和敏感路徑以實現零延遲攔截;第二層僅在第一層未攔截時觸發,調用獨立模型對剩餘調用進行風險評估。所有判定結果實時展示於 Web GUI 並記錄審計日誌。用戶可自定義規則以適應不同場景。該插件默認放行普通操作,僅攔截不可逆破壞,不依賴彈窗詢問,具備異常容錯能力,能有效降低智能體誤用工具的風險。
閱讀全文