AgentDetox：为 AI 编码代理的记忆与规则提供防篡改保护

chriswu727/agentdetox · Protection for what AI coding agents remember and obey: checks writes to memory, rules, skills and config, records where each change came from, and puts back what was tampered with.

GitHub原文发布未知首次收录 2026-11-02上架 2026-11-02 07:01

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

AgentDetox 面向 AI 编码代理的记忆、指令、规则、技能与配置文件提供写入检查、篡改检测和恢复。它在写入前检查内容，拦截植入指令；在 shell 工具执行前后对比文件变化，记录改动来源；在会话开始时报告代理之外发生的可疑修改，并支持用 review、restore、blame 等命令审阅、恢复与追溯。项目当前为预览状态，Claude Code 支持较完整，Codex 与 Cursor 的 hook 为实验性，OpenClaw 仅支持篡改检测；检测本身不构成安全边界。

# AI 安全 # Claude Code # 提示注入 # Agent 记忆 # 篡改检测

核心能力与快速开始

★ 0 · Python

能做什么: 检查 AI 编码代理对 CLAUDE.md、规则、技能、记忆和配置的写入，拦截疑似植入指令；记录每次改动的观察写入者与内容归因证据；在 shell 工具执行前后及会话开始时对比文件快照，发现并报告代理之外的修改；提供 review、restore、blame、log、doctor 等命令行审阅与恢复流程；可选多语言 NLI 模型进行矛盾记忆检测（实验性）。
适用场景: 在 Claude Code 等编码代理中防止依赖安装脚本或外部输入污染代理记忆与规则；审阅代理对配置、hook、MCP 服务器和权限的改动并决定是否接受；篡改发生后按记录恢复文件并追溯内容来源；在 CI 中用 agent verify 检查 hook 是否被删除。
项目形态: 可直接使用的工具
部署方式: 本地命令行工具，可通过 uv tool install 或 pipx/pip 安装；Claude Code 可通过插件市场安装或由 agentdetox install claude-code --apply 注册 hooks；开发环境为 macOS，Windows 仅在 CI 测试，未在真实机器使用。
主要依赖: Python 环境；Claude Code 集成需注册 hooks 并重启；可选矛盾检测需安装 agentdetox[nli] 并 fetch-models，模型约 560 MB，首次加载约需 1 GB 内存。
使用限制: 项目为预览状态；Claude Code 之外的 Codex、Cursor 写入检查为实验性，OpenClaw 仅支持篡改检测；检测不是安全边界，了解规则的攻击者可规避；模型改写后的植入文本、MCP 工具写入、shell 返回后的后台写入、子目录 CLAUDE.md 的外部修改等可能不被及时拦截；Windows shell 检查仅理解 Git Bash 语法。
许可证: Apache-2.0
最近推送: 2026-11-02 00:28

官方入门核对 README 依据 ↗

资料检查：2026-11-02 07:00 · 卡片整理：2026-11-02 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

职业应用

程序员

在 Claude Code 等 AI 编码代理中，对代理的记忆、CLAUDE.md、规则、技能与配置文件进行写入前检查、篡改检测和恢复，防止被植入的指令影响后续编码会话；可用 review、restore、blame 等命令审阅、恢复和追溯文件改动。

查看内容依据

AgentDetox 面向 AI 编码代理的记忆、指令、规则、技能与配置文件提供写入检查、篡改检测和恢复。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

Catpilot AI Guardrails：面向 AI 编程智能体与智能体框架的安全技能集

该项目以 Agent Skills 格式提供面向 AI 编程智能体、AI 辅助开发者以及团队自建智能体框架的安全指导技能，仓库中包含两个技能：面向非开发者 AI 辅助构建场景的 catpilot-safe-building（八个通俗检查点，覆盖提示中的数据、访问与身份、托管、共享、密钥与凭据、第三方服务、不可信输入以及何时求助人类）和面向真实代码库编码智能体的 catpilot-security-core（九个工程组件，涉及云 CLI、数据库、本地 shell、Docker、硬编码密钥、密钥生命周期、供应链、PII 与测试数据、安全编码模式）。此外还提供 Agent 框架相关的标准指导、shell 工具凭据门禁 hook（secret_gate.py）以及重试、定时运行、委派和自修改的参考规则，并附带一个只读参考 MCP 服务器用于查询检查点指导、构建计划检查、常见应用安全起点和已批准策略。项目声明其技能属于建议性指导，只有两个 Claude Code PreToolUse hook（Bash 凭据拦截与 Write/Edit 私钥块拦截）构成实际执行控制。

claude-remember：为 Claude Code 等编码 Agent 提供跨会话持久记忆

claude-remember 是一个面向编码 Agent 的插件，通过挂接会话生命周期钩子，自动保存会话内容，借助 Claude Haiku 将内容压缩为按日、近 7 天和归档等分层摘要，并在下一次会话启动时自动注入上下文，使 Agent 保留身份设定、历史工作内容和交接信息。它提供 /remember 交接命令和 /remember:doctor 诊断命令，支持 Claude Code、Codex 和 Antigravity CLI 等宿主，默认把记忆存于项目内 .remember/ 目录。

OSS Autopilot：Claude Code 开源贡献 PR 管理与自动跟进插件

OSS Autopilot 是一个 Claude Code 插件、MCP 服务器和独立 CLI 三合一的工具，用于跟踪自己在 GitHub 上的开源 PR。它从 GitHub 拉取并分类开放 PR（CI 失败、被要求修改、未回复维护者、冲突等），协助起草回复、诊断 CI 失败或准备 rebase 修复，每条推送与评论都需用户逐项批准。另提供 issue 搜索与筛选、本地仪表盘、无人值守夜间模式及贡献统计。

Ripple HUD：为 Claude Code 更低成本模型注入前沿模型工作方式的插件

Ripple HUD（前身 fable-mode）是一个 Claude Code 插件，通过约 1500 token 的行为层让 Haiku、Sonnet、Opus 等较便宜模型采用类似前沿模型的工作方式：自动分流任务强度（lite/full/deep）、先理解再执行、执行后验证、保持输出精简、控制 token 消耗。它还提供终端状态栏 HUD（显示上下文窗口与用量限额）、基于本地会话记录的习惯纠正闭环、用项目状态文件替代长对话历史，并可将 AGENTS.md 导出到 Cursor、Codex、Zed 等工具。仓库附带的 A/B 评测显示 Sonnet 加装插件后在 6 项评分任务上与对照模型持平，成本更低；插件本身是行为层，不能增加模型原生能力。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。