Cycode把供应链防御装进开发者工作站,智能体工具正在扩散
Cycode于9月30日发布面向开发者的Workstation Protection。据Radical Data Science转载的公司公告,包安装过滤器运行在本机,能在恶意版本安装前将其拦截。
Cycode于9月30日发布面向开发者的Workstation Protection。据Radical Data Science转载的公司公告,包安装过滤器运行在本机,能在恶意版本安装前将其拦截。
这套说法的范围很窄,也很具体。Cycode ADLC Protection会拦截每一次包安装,对照持续更新的威胁情报源检查。它还会拒绝发布时间过近、尚未来得及被审查的版本。两项控制都在设备上运行。所以,不管开发者或智能体用的是哪个版本的包管理器,也不管本地有没有应用过配置,发布时长这道门槛都照样生效。
最后这个细节比功能列表看上去更重要。多数策略工具都假设笔记本由MDM配置管理、包管理器处于锁定状态。编码智能体每天都在打破这个假设。它们在安全团队从来看不到的终端里拉取依赖,用的还是工具从用户那里继承来的凭据。
工作站为何成为目标
公告列出三起事件,用来说明发布这款产品的理由。2026年8月的Keyv事件中,一个被劫持的维护者账号在800多个包、1300多个版本中植入preinstall蠕虫,覆盖每月超过二十亿次安装。它还窃取了云和CI凭据。2026年3月的LiteLLM事件中,有人在一个月下载量达9500万的库里发布了两个恶意包。这引发了凭据窃取、Kubernetes横向移动和一个持久后门。2025年11月的Shai-Hulud 2.0是一个自我复制的npm蠕虫,波及约350名维护者。它把机密外泄到攻击者创建的25000多个GitHub仓库。
这些数字来自Cycode自己的报告。应当把它们看作厂商对威胁的叙述,而不是独立审计。它们描述的模式本身没有争议。维护者账号被接管,加上可信的包名,再加一个安装钩子,就是一套成本很低、可以大规模奏效的攻击。
"对我们的客户来说,风险在生成第一行代码之前就已经进入智能体开发生命周期(ADLC)。开发者接入没人批准的AI工具,智能体安装没人审查的包,机密泄露进没人看见的提示词和文件读取中,"Cycode总裁Seth Robbins说。
厂商论证里缺的是一个数字。Cycode没有说明工作站智能体的价格,也没有说明有多少客户在运行它。它同样没有说明在大型monorepo上误报率是什么样子,那里的冷却策略可能挡住一个合法的紧急修复。平台团队在给每台工程笔记本安装贴近内核的软件之前,问的正是这些问题。
同一个思路,做成小工具发布
认为智能体的shell是执行规则之地的不止Cycode一家。9月30日发布的一个GitHub项目Paldron走了类似路线,只是没有商业包装。它挡在智能体调用的命令前面,决定这些命令能否运行,并在Linux上通过Landlock和seccomp执行它们。
它的README对局限写得很坦白。策略门和输出扫描在Linux x86_64和arm64、macOS以及Windows上都能用。但内核隔离只在Linux上存在。在macOS上,这个工具覆盖网络和凭据保险库,文件方面则依靠策略和扫描。在Windows上,如果要求隔离,它会直接拒绝运行。作者还指出,文件扫描永远看不到stdout。所以,一次把环境变量里的机密打印出来的运行会悄悄通过,除非打开可选的语义检查。
这个提醒本身就是整个问题的缩影。一个能运行cat .env的智能体,不写任何文件也能泄露机密。只检查写入的沙箱会漏掉它。
并行会话,以及交接问题
9月30日发表的两篇开发者文章描述了如今用这些工具工作的日常。在adri0.com上,一位开发者说自己同时开着最多五个Claude会话。每个会话跑在自己的git worktree里,各自被分配一个GitHub issue,并被要求开一个pull request。为了限制影响范围,这些会话运行在单独的非管理员用户账号下,因此读不到主用户的文件。
同一篇文章也直说了摩擦之处。智能体用的是以开发者身份登录的GitHub CLI,所以它的回复显示在开发者自己名下,"看起来像我在自言自语"。
比利时工作室Spatie的Mac应用Bloom把同样的模式做成了产品。每个工作区有自己的git worktree和分支,智能体可以在同一个worktree里启动子智能体。一个工作区最多可容纳十个智能体。它运行机器上已经装好的Claude Code或Codex CLI,并使用现有登录。Cursor和OpenCode尚不支持。
更难的问题是智能体之间会发生什么。9月30日codeaholicguy.com上的一篇文章描述了用TypeSafe的模型Jev把一个长会话压缩成带类型的决策,再交给下一个智能体。作者引用TypeSafe的说法,端到端70到500毫秒,并说置信度越高准确率越高。随后他直说:"我没有仔细测过这些数字,所以请把它们当作TypeSafe的说法。"
厂商没有测量的东西
工具虽多,关于可靠性的证据依然稀薄,而且大多是自己报的。一位Rails开发者在Rails World之后写于caio.ca,详细讲了DHH主题演讲里的说法。他提到,在较早、较简单的Rails智能体测试中成功率接近95%。一张更难的feature工单幻灯片在所示投入下最高只有35%。在20张工单的集合上以最大投入运行,最好的模型通过了53%的运行,代价是更多时间和成本。
同一篇文章还讲了DHH的Basecamp 5故事。智能体生成的pull request单看都还合理。但合在一起看,架构变得像"瑞士奶酪"。
在别处,自动化的论证跑在了保障措施前面。RNZ在9月30日报道,一份提交给Post Primary Teachers' Association会议的文件称,Qualifications Authority正在用AI批改NCEA co-requisite考试。文件说,与人工评分者的一致率高于80%,人工复核评分者从2024年的100人降至今年的34人。它警告说,在复杂工作上,AI与人的一致率明显低于人与人之间的一致率。它主张采用混合模式,由教师保留控制权。
那是另一个领域,但论证的形状与如今在工程笔记本上上演的一模一样。工具是真的,省下的成本是真的,问责问题还没有定论。
再一个数据点,来自市场的另一端。sublimecoding.com的一位博主出售一套用于内容分发的智能体技能,并公开说明自己从中获利。他在2026-09-20做了自己的审计,发现在145篇已发布文章中,有4篇带有推广条目。是智能体发现了这个缺口。决定怎么处理,仍然是他的事。
资料来源
9- 01Cycode Extends its ADLC Security Capabilities to Developers' WorkstationsEN
- 02Paldron: policy gate and sandboxed exec for agent commandsEN
- 03Notes on Working with Coding AgentsEN
- 04Bloom: Run coding agents in parallel on your MacEN
- 05AI coding agent session compaction with JevEN
- 06Pencils Down, Eyes Open: A Rails Developer After Rails WorldEN
- 07'AI should assist teachers, not replace them': Union warns of risks of AI markingEN
- 08I Built the Distribution Tools My Blog NeededEN
- 09Gemini fully replaces Google Assistant on AndroidEN
本文所有数字与引语均来自下列来源,未添加来源之外的内容。
本内容由编辑部在人工智能辅助下制作完成。
评论
0- 还没有评论——来说两句吧。