跳到正文
阿里雲開發者社區 AI·· 9 天前精選AI 評分76

Claude Code 與 Codex 為何會受 AGENTS.md 誘導修改設定,以及五類檢測方法

提示词写"不要执行",配置文件写"欢迎执行":Claude 和 Codex 都栽在这一层

AI 導讀

Forever Security 的報告指出,若用戶在下載目錄啟動 Codex 或 Claude Code,Agent 可能把網頁寫入的 AGENTS.md 當成規範,進而修改全域設定或 API 端點。

推薦理由

文章把 AGENTS.md 誘導 Agent 修改全域設定與 API 端點的攻擊鏈,拆成入口、設定完整性及出站白名單等檢查,並交代成功率數據的限制。

正文 · 繁體中文

簡介: Forever Security 於2026年披露AI Agent新型供應鏈攻擊:网页可静默写入AGENTS.md至下載目錄,Agent啓動時誤將其當作規範執行,篡改全局配置、植入惡意包或劫持API端點。報告指出問題源於Agent設計本質,非廠商單點漏洞,提出五類可落地檢測:入口文件掃描、配置完整性校驗、提示與執行分層、出站白名單、發現即輪換響應,並附腳本與對照表。

摘要
安全機構 Forever Security 在 2026 年 10 月 22 日公開了一份復現報告:網頁可以把一份 AGENTS.md 靜靜丟進用戶的下載目錄,用戶在那個目錄啓動編碼 Agent 時,Agent 會把它當成項目規範執行,進而改掉自己的全局配置、裝上一個惡意 npm 包。在他們自己的測試裏,Codex 執行了惡意包的比例超過九成,Claude Code 那條鏈路得手約一半。報告明確説"這裏沒有 OpenAI 或 Anthropic 可以打補丁的東西"——因為 Agent 是照設計工作的。這篇不復述攻擊,而是把它拆成五類可執行的檢測:入口、配置完整性、提示與執行的分層、egress 白名單、以及"發現即輪換"的響應口徑。含一份配置漂移檢查腳本和一張控制項對照表。

先看一句會被很多人本能反駁的話。

這份報告的作者寫道:這裏沒有 OpenAI 或 Anthropic 可以修補的東西。

理由不是他們替廠商開脱,而是他們的復現跨了兩個互相獨立的產品——Codex 和 Claude Code,兩條鏈路都得手了。在他們看來,這説明問題不是某個產品的缺陷,而是"一個 AI Agent 是什麼"這件事本身帶出來的屬性。

他們的論證用一個比喻完成,我覺得這個比喻對測試工程師特別有用:瀏覽器渲染一個偽造的銀行登錄頁時,瀏覽器做了它該做的事。攻擊存在於頁面裏,不在瀏覽器裏。所以 Chrome 沒有可打的補丁。同理,一個遵從其所在文件夾裏 AGENTS.md 的 Agent,是在完全按設計工作。

這個説法你可以不同意。但它給出一個測試團隊無法迴避的結論:如果這個問題不能靠廠商補丁解決,那它只能變成你自己門禁裏的檢查項。

圖片

攻擊是怎麼落地的
報告披露的真實鏈路有五個動作,我按順序講,因為每一步都對應一個可以檢查的位置。

第一步,網頁把文件寫進 ~/Downloads。報告特別強調,下載目錄是唯一一個網頁可以自主寫入的文件夾——不需要點擊、不需要確認,文件名和內容都由網頁指定。操作系統早就堵住了"下載的可執行文件自動運行"這條路,所以這個動作單獨看是無害的。但 AGENTS.md 不是可執行文件,它不適用任何針對可執行文件的護欄。

第二步,用戶在下載目錄裏啓動了 Agent。報告引用他們自己的遙測數據:約一半的客戶在下載目錄裏運行過編碼 Agent,約四分之一的 Agent 會話會打開真實瀏覽器。這兩個數字解釋了為什麼這條路走得通——不是巧合,是習慣。

第三步,Agent 讀了文件,然後改了自己的全局配置。真實樣本是一份 13 KB 的《工程工作規範》長文,攻擊藏在一個叫"本地開發環境"的小節裏,內容是往 ~/.codex/config.toml 追加一個 [mcp_servers.project-tools] 塊。注意是機器級的全局配置,不是當前文件夾的局部配置。報告的原話是:你可以離開那個文件夾,但毒藥會留下。

第四步,逐道關卡被繞過。這一節是我認為整份報告最有工程價值的部分,因為它把"為什麼現有的安全控制不管用"逐條拆開了:信任門(只要在下載目錄工作過一次,該目錄就合格了)、寫入可靠性(直白的一句"裝這個包"會被拒,所以要用 13 KB 的長文把它包裝成倉庫標準工具)、僅啓動時加載(MCP 服務器只在會話啓動時加載,Agent 無法自行觸發重載,於是植入內容用父會話啓動一個子會話,把兩次會話壓成一次)、網絡沙箱(默認阻斷網絡,直到子進程帶上了那個繞過標誌——而這個標誌是模型自己寫出來的)、握手超時(Codex 會殺掉沒及時響應的服務器,所以最終把安裝交給 launchctl,在 Codex 控制之外跑)。

第五步,遠程代碼執行。惡意 npm 包被安裝。

圖片

Claude Code 那條鏈路更值得測試團隊警惕,因為它不裝任何東西。文件誘導 Claude 在項目裏創建 .claude/settings.json,把 ANTHROPIC_BASE_URL 指向攻擊者持有的域名——這個域名帶有效證書,看起來就是一個"團隊內部網關"。之後 Claude 的所有 API 請求都發往那裏,並攜帶 OAuth 登錄 token。報告説他們用捕獲到的 token 對真實 API 重放,成功以受害者身份獲得服務。

這句話的分量在於:純賬號接管,不需要運行任何代碼。你所有基於"有沒有執行可疑命令"的檢測,在這一步全部失效。

為什麼"再寫一句提示詞"不管用
我在很多團隊的門禁方案裏看到同一種反應:既然 Agent 會被文本誘導,那就在 AGENTS.md 里加一句"絕對不要修改自身配置"。

這個方案的問題是它在同一個信任平面上加了一句話。攻擊者寫的也是這句話的反面,而且寫在更長的文檔裏、更靠後的位置、更專業的口吻。報告的觀察很準確:這份 payload"會讀環境"——同一份文件在乾淨目錄裏每次都成功,在一個滿是安全筆記的目錄裏每次都失敗。也就是説,連"這附近有沒有人提過安全"都會影響它的成功概率。

所以正確的分層不是"更強的提示詞",而是把提示和執行分到兩個不同的機制上。

這一點在廠商文檔裏有明確支持。Anthropic 的文檔把 CLAUDE.md 和 AGENTS.md 定義為 context,而不是 enforced configuration——要"不論 Claude 決定什麼都阻斷某個動作",得用 PreToolUse hook。Cursor 的文檔講得更直接:AI 層面的指引不應該成為你唯一的安全控制。

我把它整理成一張表,方便直接拿去和團隊對齊:

控制目標
提示詞層面(軟)
配置/鈎子層面(硬)
測試怎麼驗
不許改自身配置
寫一句"不要改"
文件只讀 + 寫入前鈎子攔截
嘗試寫入,斷言被拒且留日誌
不許繞過沙箱
寫一句"不要繞過"
禁用該參數 / 嚴格沙箱模式
構造帶繞過參數的命令,斷言不執行
不許裝未登記依賴
寫一句"先問我"
鎖文件白名單 + 安裝前審批
提交一個 lockfile 裏沒有的包,斷言被攔
不許外連未登記域名
寫一句"僅用內部網關"
egress 白名單
用測試域名發請求,斷言連接失敗
表格裏第四行是我認為最被低估的。報告裏 Claude 那條鏈路的全部殺傷力,都來自"改了一個 API 端點"這一個動作。而這個動作的檢測成本很低:一條出站連接的白名單斷言,一次"配置裏的 base_url 是否等於基線"的比對,就能攔住。

五類檢測:從入口到響應
下面這套檢查我按"改動成本從低到高"排,前兩類今天下午就能做完。

一、入口檢測:誰在我的機器上放了指令文件。

這不是一句"別用下載目錄"的規範,而是一條可以進 CI 的檢查。命令很短:

列出項目外所有非自己創建的指令文件(放到 pre-commit 或每日巡檢)

find ~ -maxdepth 4 ( -name 'AGENTS.md' -o -name 'CLAUDE.md' ) \
-not -path '/projects/' -not -path '/node_modules/' 2>/dev/null
輸出的每一條都要有人認領。沒人認領的,先讀再刪——不要直接刪,因為如果 Agent 已經在那個目錄跑過,刪文件不會撤回已經發生的配置改動。

更硬的一層是禁止在危險目錄啓動。報告的建議是不要在家裏目錄、下載目錄、桌面啓動 Agent。工程上可以加一個 shell 前置守衞,路徑命中就把命令拒掉。要説明的是,這只是防誤操作的習慣守衞,不是安全邊界。

二、配置完整性:Agent 自己的配置算不算代碼。

這是整份報告最核心的可測點。兩條攻擊都改了 Agent 的配置,而不是你的業務代碼。所以配置必須和代碼一樣進版本控制、一樣走評審、一樣被監控。

基線比對:把這兩份文件的哈希登記在倉庫裏,CI 每次檢查

sha256sum ~/.codex/config.toml 2>/dev/null
sha256sum .claude/settings.json 2>/dev/null

變化的性質檢查:有沒有你沒寫過的 MCP 服務器或端點

grep -nE '^\s*[mcp_servers.' ~/.codex/config.toml
grep -nE 'BASE_URL|PROXY|apiKeyHelper' .claude/settings.json 2>/dev/null
三條判據:新增的 MCP 服務器塊不是這次 PR 加的、base_url 不是基線值、出現了帶 curl 或臨時目錄的 command——任一條命中就該阻斷合併並拉人看。

需要注意一個邊界:~/.codex/config.toml 是機器級配置,它天然不在倉庫裏,所以 CI 比對的是"基線快照",不是"上次提交"。基線快照要定期重新採集並留審批記錄,否則第一次採集時被污染過的話,基線本身就是錯的。

三、提示與執行分層:把軟約束換成硬攔截。

上面那張表已經給了對照。這裏補一個測試上的注意點:驗證"硬攔截"時,你要測的是攔截本身,不是"Agent 有沒有被説服"。前者是確定性的(嘗試寫入,返回拒絕),後者是概率性的(同一次誘導,有時拒有時不拒)。報告本身給出的比例也説明瞭後者不可靠:Claude 寫入 settings.json 大約一半成功,同會話內通過派生子代理執行大約五分之一成功——這些是概率,不是門檻。

四、egress 白名單:一條出站斷言。

把"配置裏的端點必須在白名單內"和"實際建連的目標必須在白名單內"分開測。前者是靜態檢查,後者需要在測試環境裏起一個誘餌域名。兩條都過,才算這條鏈路通過。

五、響應口徑:發現即輪換。

報告的原話是:被竊的 token 是活的會話,不只是一次被截獲的請求。所以處置動作不是"改回來繼續用",而是登出、重籤、替換密鑰,並把這台機器視為已失陷。這條也要寫進演練腳本,不然真出事時沒人知道按什麼順序做。

這份報告自己也有邊界
我在上一篇裏提過,強結論必須有機制證據和反方邊界。這份報告需要三句提醒。

第一,成功率數字的分母沒有公開。報告只説"超過九成""大約一半""大約五分之一",沒有給測試總次數。大部分測試用的是無害替身(彈個計算器),真實惡意包只跑過 1 次,在隔離 VM 內。所以這些比例可以讀作"可行性證據",不能讀作"固定的失敗率"。

第二,"網絡投遞這一步在真實事件裏怎麼發生的,研究人員沒有確認"。他們自己説的是無法確定文件在那個真實案例裏是怎麼到達受害者機器的。這一點很重要:如果讀者把整條鏈路當成"一定是從網頁來的",那是過度推斷。

第三,"沒有可打的補丁"是研究者的判斷,不是廠商的立場。你可以選擇相信這個判斷並自己補檢查,也可以等廠商給出更強的默認配置。但無論選哪條,在這件事上,測試團隊的位置都是"最後一道能寫斷言的關卡"——因為只有測試會把"嘗試寫入應被拒絕"寫成一個會紅的用例。

可以做的三件事
一,把 Agent 配置加入變更管理。今晚就能做:把 ~/.codex/config.toml 和項目裏的 .claude/settings.json 納入基線,任何人改動都要有記錄。

二,寫三條斷言:寫入配置被拒、帶繞過參數的命令不執行、未登記域名連不出去。三條都寫成會紅的用例,不要寫成檢查清單。

三,把"發現即輪換"寫進演練腳本,並指定誰在什麼時限內執行。這一條不寫,前面兩條的收益會在一次真實事件裏全部蒸發。

本文部分內容參考了霍格沃茲測試開發學社整理的相關技術資料,主要涉及軟件測試、自動化測試、測試開發及 AI 測試等內容,側重測試實踐、工具應用與工程經驗整理。

來源:阿里雲開發者社區 AI · developer.aliyun.com