একবার এজেন্ট কাজ করতে পারে — ফাইল মুছুন, shell কমান্ড চালান, বাহ্যিক API কল করুন, অর্থ ব্যয় করুন — এর ভুলগুলি (বা একটি ক্ষতিকারক প্রম্পট) বাস্তব-বিশ্বের পরিণতি হয়ে ওঠে। প্রতিরক্ষা হল সর্বনিম্ন সুবিধা এবং অনুমোদন গেটস এবং বিচ্ছিন্নতা: এটিকে শুধুমাত্র যা প্রয়োজন তা দিন, যে কোনও অপ্রতিবর্তী জিনিসের জন্য নিশ্চিতকরণের প্রয়োজন করুন, এবং এটি চালান যেখানে এটি স্থায়ী ক্ষতি করতে পারে না।
- DESTRUCTIVE actions → rm -rf, DROP TABLE, force-push → irreversible data loss
- ARBITRARY shell → run anything → privilege escalation, exfiltration
- EXTERNAL APIs/$$ → send emails, place orders, spend on cloud/LLM tokens
- SECRET exposure → leak API keys / .env / tokens into logs or outbound calls
- PROMPT INJECTION → untrusted input (a web page, an issue) hijacks the agent
প্রম্পট ইনজেকশন সবচেয়ে তীক্ষ্ণ প্রান্ত: এজেন্ট পড়ে এমন সামগ্রী নির্দেশাবলী ধারণ করতে পারে, তাই যে কোনও সরঞ্জাম এজেন্ট কল করতে পারে তা সেই সামগ্রী নিয়ন্ত্রণ করে এমন আক্রমণকারীর দ্বারা পৌঁছানো যায়।
- LEAST PRIVILEGE / ALLOWLIST → only pre-approved commands & paths; deny by default
- APPROVAL FOR DESTRUCTIVE → human confirms deletes, payments, prod writes
- SANDBOX / DRY-RUN → preview the action; isolated container, no prod creds
- ISOLATED ENVIRONMENT → ephemeral VM/branch; blast radius = throwaway box
- AUDIT LOGS → record every tool call + args for review
- NO SECRETS IN CONTEXT → inject via env at runtime; never paste keys into prompts
- NETWORK LIMITS → egress allowlist; block arbitrary outbound requests
# Conceptual permission policy
tools:
read_file: { allow: true } # safe, reversible
run_shell: { allow: ["npm test", "git status"] } # allowlist only
delete_file: { allow: "ask" } # human approval required
send_email: { allow: "ask", sandbox: true } # dry-run first, then confirm
network:
egress: ["api.github.com"] # everything else blocked
প্যাটার্নটি হল ক্রমবর্ধমান বিশ্বাস: পড়া বিনামূল্যে, প্রত্যাবর্তনযোগ্য লেখা সস্তা, অপ্রতিবর্তী বা বাহ্যিক ক্রিয়া নিশ্চিতকরণের দাবি করে, এবং অর্থ বা উৎপাদন বিচ্ছিন্নতা এবং একটি মানুষের লুপে দাবি করে।
এজেন্টদের মূল্য তাদের কাজ করতে দেওয়া থেকে আসে, তবে পদক্ষেপ ঠিক সেখানে একটি আত্মবিশ্বাসী ভুল বা একটি অপহৃত প্রম্পট মুছে ফেলা ডেটা, একটি ফাঁসি কী বা একটি বাস্তব চার্জে পরিণত হয়। অনুমতিগুলিকে সর্বনিম্ন-সুবিধা allowlist হিসাবে ডিজাইন করা, যে কোনও অপ্রতিবর্তী পদক্ষেপগুলিকে মানব অনুমোদনের পিছনে রেখে যাওয়া, স্যান্ডবক্সগুলিতে চলা যাতে অডিট লগ থাকে, এবং রহস্য এবং নেটওয়ার্ক ইগ্রেস কঠোরভাবে স্কোপ করা আপনাকে প্রতিটি সময় সঠিক মডেল হওয়ার উপর বাজি ছাড়াই স্বায়ত্তশাসনের সুবিধা পেতে দেয়।