AgentGuard

这是我其中一个智能体尝试发起的一笔支付：

€300 → 白名单内的一个商户

每一项支出上限都没超

每条规则：绿灯 ✅

但它还是被拦截了。

这笔请求附带了一条备注——"礼品卡自用，不要记录"——而这个智能体声明的任务是"从已批准供应商处购买 API 额度，每天最多 €2000"。GPT-5.6 识别到了这种不匹配，于是把支付挂起来等待人工处理。

世界上没有任何支出上限能拦住这种情况。规则看不到意图，但模型可以。

正是这个空白，让我构建了 AgentGuard。

我经营着一个人的 AI 工作室。我的智能体收发邮件、触碰客户数据、通过 API 转账。让我夜不能寐的不是它们能不能工作，而是它们到底还是不是我的。一个藏在网页或 PDF 发票里的指令，就能让一个本该合规的智能体转而为别人效力，手里还攥着我所有的凭证。

所以 AgentGuard 就坐在智能体与现实世界之间：

🔒 一个确定性的策略底座——上限、白名单、整数分。刻意做得平平无奇。

🧠 一个 GPT-5.6 意图防火墙——智能体预先声明任务，GPT-5.6 对每一个动作对照任务进行裁决。

✋ 一个人工审批闸门——如果意图层宕机，动作会降级到人工复核，而不是悄悄放行。

⛓️ 一条哈希链账本——每一个决策都成为证据。

🔌 一个 MCP 服务器——把你自己的智能体接进来。

现在你就可以做两件事，无需注册，无需 API 密钥：

**按下 RUN LIVE GPT-5.6 CHECK。** 那是一次真实的推理推理过程，你看着它发生——模型、响应 ID、延迟和 UTC 时间戳都会显示在屏幕上，然后裁决结果才会被写入账本。在它给出结论之前，我自己也不知道它会说什么。这正是关键所在。

**按下 TAMPER TEST。** 它会真实地破坏一行数据库记录，校验器会精确指出哪一节序列被破坏，然后将其恢复。

别轻信我"防篡改"的说法——自己动手打破它。

👉 https://agentguard-dusky.vercel....

我一个人用 Codex、5 天时间、一个闸门一个闸门地搭出来——每一阶段必须先产出真实的 pytest 输出才能推进，220 个测试，全绿。Codex 在我动手之前就抓住了浮点金额陷阱，以及一次会让动作失去审计追溯的交易拆分。

GPT-5.6 在这里不是构建工具，它就是产品本身：它写出你看到的每一条裁决。而那个被劫持的演示智能体本身也运行在 GPT-5.6 上。GPT-5.6 监视着 GPT-5.6。

代码已开源：github.com/doctormizio777777/agentguard

我会全天守在这里——欢迎一起聊失败安全逻辑、MCP 接线方式，或者为什么我拒绝上线一个自由文本注入演练场（它会变成套着我自己密钥的开放代理）。欢迎拍砖 🔥