对抗审查门 dingchenhui0618-arch/dsh-warden

dsh-warden

给 DeepSeek Harness 的对抗式审查门：危险的工具调用在执行前由一个独立的小模型复核，并在 Web GUI 里实时显示每一次判定。

为什么要有它

DSH 自带的工具审批只有一种粒度——弹窗问人。要么每次都问（打断心流），要么整个关掉（危险操作彻底没人把关）。warden 给第三种：平时零打扰，只在真正危险的那一类调用上花一次便宜的模型调用。

它挂在 DSH 留给插件的唯一前置钩子上：

tools/pre-execute -> { kind: 'allow' } | { kind: 'deny', reason } | { kind: 'ask' }

它拦什么

两层，第二层只对第一层的命中者触发：

第一层（零延迟，本地正则）
- 破坏性命令：rm -rf（任意旗标顺序）、Remove-Item -Recurse、rmdir /s、format、mkfs、dd if=、DROP TABLE/DROP DATABASE、git push --force、git reset --hard、git clean -f、shutdown、Clear-Disk …
- 敏感路径写入：.env、credential、id_rsa、.ssh、.git/、settings.、cordis.yml、AGENTS.md、$DSH_HOME 下任何文件

第二层（一次模型调用） 把「工具名 + 风险类别 + 完整参数 + 当前会话目标」交给审查模型，按自然语言规则判该不该拦。

普通读写（read/grep/glob）完全不进这套逻辑；普通命令和普通文件写入只计数、不送审。日常工作的额外延迟是 0。

安装

已发布到 npm，装到的是预构建版本（lib/ 是入库的构建产物，不是装的时候现编），不需要授权任何构建脚本：

dsh plugin --profile <你的 profile> add dsh-warden

也可以直接从 GitHub 装：

dsh plugin --profile <你的 profile> add github:dingchenhui0618-arch/dsh-warden

装好后重启 DSH，对话视图里出现「审查」Tab。（桌面端在应用里安装插件，profile 由应用自己管理，不用手敲上面的命令。）

规则

内置一份默认规则（默认放行，只拦不可逆破坏与明显跑偏）。要改就写 $DSH_HOME/adversary.md——文件存在时完全覆盖内置规则，且按 mtime 自动重载，改完点面板上的「重载规则」即可，不用重启。

面板

对话视图 →「审查」Tab：

- 计数：工具调用 / 有风险类别 / 送审 / 放行 / 拦截 / 异常降级
- 最近 60 条判定：时间、工具名、风险类别、耗时、实际使用的模型、拦截理由
- 当前规则来自内置还是文件、文件路径、规则预览

审查面板：一次真实会话里的计数与判定列表

审计

每一次送审的调用追加一行 JSON 到 $DSH_HOME/warden-audit.jsonl（时间、工具、类别、决定、理由、模型、耗时）。未送审的普通调用只进内存环形缓冲，不落盘——否则审计会被普通命令淹掉。

运行时卸载

dsh 0.1.6 起，插件依赖在运行时解析，并且支持在会话中途卸载插件。所以这个插件的每一处注册都有对应的拆除：

- tools/pre-execute 监听器随 fiber 回收
- /dsh-warden 路由与注入的 各自持有 disposer
- client 的共享轮询计时器有一条独立的清理路径——它活在模块作用域，卸载时不能只指望 React 卸载

面板是可丢弃的那一半：如果路由注册失败（webServer 契约变动、宿主没有 web server），插件会吞掉这个失败继续跑。闸门必须活着，面板没有就没有。

test/host.test.mjs 里有一组测试专门钉这件事：跑完全部 disposer 之后路由和监听器都必须消失；webServer.register 抛异常时闸门仍要能拦截；一次跨过卸载点的审查既不能抛异常也不能把自己重新注册回去。

它不做什么（重要）

- 不阻塞正常工作。 任何异常路径一律放行：模型不可用、上游报错、流被取消、输出无法解析、参数无法序列化、目标查询抛异常……全部 allow。这个插件最坏的表现是「什么都不做」。
- 永远不返回 ask。 审批弹窗关闭时 ask 会退化成拒绝，一个犹豫不决的审查员会静默掐死用户的正常工作。
- 分类基于工具名 + 参数模式，不是工具自报的类型。这是刻意的：插件作用域里读不到 agent 作用域的工具注册表。未知工具靠参数里的破坏性特征兜底。
- 不是安全边界。 它降低误操作概率，不防恶意代码——同一进程内的插件本来就能绕过它。

开发

node scripts/build.mjs # 零依赖构建（不需要打包器），产出 lib/
node --test # 30 个测试

测试分两组：classify 是纯函数覆盖；host 用 stub ctx 驱动真实的 apply()，把四个结局都钉住——拦截、放行、五种失败降级、以及「惰性调用一次模型都不调」。

lib/ 是构建产物，改 src/ 后必须重新 build。

License

MIT