大模型智能体，为什么需要“安全带”？

现在的大语言模型（LLM）已经不只是聊天机器人了，它们开始被赋予“动手”的能力——调用工具、读写文件、执行代码、访问网络，甚至操作整个操作系统。这种 Agent（智能体）模式让 AI 从“建议者”变成了“执行者”，但问题也随之而来：

• 权限失控：模型可能被提示词注入攻击，诱导执行危险命令。
• 越权访问：智能体可能无意中读取了不该看的敏感文件。
• 不可追溯：一旦出了安全事故，很难定位是哪一步操作导致的。

传统的做法是给智能体一个“最小权限”的 API 或容器环境，但容器本身还是太重，而且很多场景下智能体需要直接操作宿主机的资源。这时候，一个更轻量、更细粒度的安全方案就显得尤为重要。

Aegis 是什么？

Aegis 是一个面向 LLM 代理的内联安全侧车（Inline Security Sidecar），同时结合了 eBPF 沙箱技术。简单理解，它就像是你给智能体请的一个“贴身保镖”，站在智能体和系统资源之间，每一道指令都要经过它的检查才能放行。

它的核心设计思路是：

1. 内联拦截：不改变智能体的代码逻辑，而是通过 hook 系统调用层，在指令真正执行前进行干预。
2. eBPF 沙箱：利用 Linux 内核的 eBPF 机制，实现高性能、低开销的权限过滤，比传统用户态沙箱更安全、更透明。
3. 策略驱动：你可以用声明式的规则定义“什么能做什么不能做”，例如：只能读 /workspace 目录下的文件，只能访问白名单内的域名，禁止执行 rm -rf 等危险命令。

Aegis 如何工作？三步走

第一步：定义安全策略

Aegis 使用 YAML 或 JSON 配置策略文件。例如：

```yaml

version: 1

rules:

- action: allow

syscall: [read, write, openat]

path_prefix: "/workspace"

- action: deny

syscall: [execve]

argv_contains: ["rm", "-rf"]

- action: allow

network:

domains: ["api.example.com"]

```