Destructive command guard
Chặn rm -rf, force-push, pipe-to-shell, drop table trước khi lệnh chạy — không phải cảnh báo sau khi đã chạy.
rm -rf → block
git push -f → block
curl | bash → blockSAFETY / GUARDRAILS
Chặn trước khi hỏi,
không phải xin lỗi sau.
Từ chặn lệnh phá huỷ đơn giản tới một supervisor chạy ngoài phiên AI có quyền dừng toàn bộ dự án — đây là các lớp chặn thật đang hoạt động, không phải danh sách ý tưởng an toàn.
CÁC LỚP CHẶN
Từ lệnh đơn tới toàn phiên.
Blast radius policy
Hành động chạm nhiều file hoặc vùng nhạy cảm cần approval rõ ràng trước khi thực thi, không âm thầm chạy hết.
> 50 file trong 1 lệnh
→ cần xác nhận rõCircuit breaker
Một tool lỗi lặp lại tự động bị khoá tạm thời (60s → 300s → 1800s), tránh vòng lặp retry vô tận đốt token.
CLOSED → OPEN → HALF_OPEN → CLOSEDGIÁM THỊ
Một supervisor chạy ngoài phiên AI,
không phải một hook có thể tắt cùng session.
Hook trong phiên chat chỉ enforce trạng thái an toàn dùng chung — bản thân hook không có quyền HALT. Quyền đó chỉ thuộc về Giám Thị, một tiến trình chạy độc lập ở tầng hệ điều hành, kiểm tra định kỳ và có thể khoá toàn bộ dự án khi phát hiện thay đổi chưa được duyệt ở vùng nhạy cảm.
Tick định kỳCPU, RAM, disk, session, receipt chain
Phát hiện bất thườngtạo lock file dùng chung
Mọi phiên AItôn trọng lock ngay lập tức
Mở khoácần actor + lý do, ghi lại trước
TOÀN VẸN HẠ TẦNG
Rule và hook cũng bị khoá bằng hash.
Các file trong core/rules/, core/hooks/, core/gates/ được pin bằng SHA-256 trong một manifest riêng. Sửa một file trong vùng này mà không cập nhật manifest — đúng như đã xảy ra thật trong phiên phát triển này — sẽ khiến Giám Thị HALT ngay ở lần kiểm tra tiếp theo.
YANA PRINCIPLE
An toàn là kiến trúc,
không phải một lời hứa.
Giám Thị không hỏi ý kiến agent trước khi HALT — đó chính là lý do nó có tác dụng.