admin
c1b5e4d966
- 变更规模：新增 514 / 修改 62 / 重命名 155 / 删除 4（归档重组与文档轮次） - .gitignore 修：`归档/**/db-cwd归一-备份-*/` —— 原规则写绝对层级（归档/db-cwd归一-…）， 目录搬进 归档/配置与备份/ 后**静默失效**，43 MB 的 DB 备份又变成未跟踪 - .gitignore 补：嵌套 git 内部数据（归档/内嵌git-20261008/、归档/skills-git-旧线-20261007/dotgit-原样移出/） - .gitignore 补：运行态与部署副本（.workbuddy/collab/、.workbuddy/tools/、.workbuddy/.load-pending、.workbuddy/tmp-*） - .gitignore 补：备份件（*.bak-*） - 未跟踪文件从 2190 降到 890（其余为 归档/ 归档件与 .workbuddy/memory/ 知识文件，按口径入库）
357 lines
17 KiB
Python
357 lines
17 KiB
Python
#!/usr/bin/env python3
|
||
# -*- coding: utf-8 -*-
|
||
"""bash-output-guard —— `PreToolUse(Bash)`：在**命令执行前**拦下"会灌爆上下文"的读命令。
|
||
|
||
为什么需要（2026-09-15 实测）
|
||
────────────────────────────
|
||
对话历史是 **append-only**：一次工具调用在转录里落两条记录 —— `function_call`（命令）
|
||
+ `function_call_result`（**输出正文**）；**输出一旦生成就永久留在 messages 里，且每轮全量重发**。
|
||
实测某会话 **553 轮 × 平均 42 万 token = 2.33 亿 input**，而 output 仅占 **0.35%**。
|
||
⇒ 想真正"把大输出从上下文里去掉"，**唯一的时机就是它被生成之前**（模型无权删自己的历史）。
|
||
|
||
边界（重要）
|
||
──────────
|
||
* **只拦"读"类高风险命令**，且**必须给出等价限流写法**（教而非堵）。
|
||
* **判不准就放行**（fail-open）—— 本机不是沙箱，但这类命令本身不破坏数据，误拦的代价只是麻烦。
|
||
* 急停：env `DSH_OUTPUT_GUARD_OFF=1`，或新建 `<工作区>/.workbuddy/bash-guard.disabled`。
|
||
* 命中才写一行日志 `<工作区>/.workbuddy/bash-guard.log`（用于调误报，上限 300 行）。
|
||
|
||
安装（`settings.json` 的 hooks 段 · **新增一条**）
|
||
────────────────────────────────────────────────────────────────────
|
||
"PreToolUse": [ …,
|
||
{ "matcher": "Bash|Read",
|
||
"hooks": [{ "type": "command",
|
||
"command": "\"<python>\" \"<此脚本>\"", "timeout": 10 }] } ]
|
||
⚠️ matcher 必须含 **`Read`**：本脚本有两条规则 —— `cat` 大文件（>200 KB）走 **Bash**，
|
||
`Read` 大文件（>400 KB，见 `READ_BIG`）走 **Read 工具**；只挂 `Bash` ⇒ 后者整条规则静默失效。
|
||
⚠️ 旧注记"需完全重启才生效"**已不成立**（2026-09-30 实测：改完配置后下一次 Bash 调用即被本钩子
|
||
记录 `entry` 行，未重启宿主）。⇒ 但改完仍应**喂一次模拟载荷端到端自证**。
|
||
⛔ **别给本脚本加 `-E`**：`-E` 会屏蔽 `PYTHONUTF8`/`PYTHONIOENCODING` ⇒ stdin 回退 cp936 ⇒
|
||
含中文的 payload 解析失败且**静默 fail-open**（同目录 `stop-dialog-guard.py` 已因此"白排查一天"）。
|
||
"""
|
||
# [session-mechanism] roots.env 外置（由 install.py 生成；缺失则回落到按位置推导）
|
||
def _sm_load_roots():
|
||
import os as _os
|
||
_here = _os.path.dirname(_os.path.abspath(__file__))
|
||
for _up in range(4):
|
||
_p = _os.path.join(_here, *([".."] * _up), "roots.env")
|
||
_p = _os.path.normpath(_p)
|
||
if _os.path.isfile(_p):
|
||
try:
|
||
with open(_p, encoding="utf-8") as _f:
|
||
for _ln in _f:
|
||
_ln = _ln.strip()
|
||
if _ln and not _ln.startswith("#") and "=" in _ln:
|
||
_k, _v = _ln.split("=", 1)
|
||
_os.environ.setdefault(_k.strip(), _v.strip())
|
||
except Exception:
|
||
pass
|
||
return
|
||
_sm_load_roots()
|
||
|
||
import io
|
||
import json
|
||
import os
|
||
import re
|
||
import sys
|
||
import time
|
||
|
||
# 🔴 2026-10-02：环境定位/体检收敛到 `_env`（同目录优先）——⛔ 不再用 `~` 直拼
|
||
sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))
|
||
try:
|
||
import _env
|
||
except Exception:
|
||
sys.stderr.write('[env] 无法导入 _env.py ⇒ 环境定位不可信\n')
|
||
raise
|
||
|
||
LOG_REL = os.path.join('.workbuddy', 'bash-guard.log')
|
||
# 🔴 2026-09-24：本钩子**没有作用域门禁**，一向全机生效。
|
||
# 原 `SCOPE = 'ai1net-dsh-server'` 只喂给日志字段，却会被误读成"作用域外 ⇒ 没生效"（实测误判过一次）⇒ 删除。
|
||
# 兜底工作区：脚本位于 <工作区>/dsh-server-docs/07-scripts/ ⇒ 上溯三级
|
||
WS_FALLBACK = os.environ.get("DSH_WS_ROOT") or os.path.dirname(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
|
||
|
||
# (是否 core, 正则, 名称, 更省的写法)
|
||
# ⚠️ 设计原则：**不能全拦** —— 误拦挡住正事 ⇒ 我会来回试/绕路 ⇒ 反而更贵；漏拦只是多花点 token。
|
||
# core=True = 几乎必然巨大、误拦率≈0 ⇒ **默认就拦**
|
||
# core=False = 经常确实需要全量 ⇒ **仅 hard 模式拦**（默认放行）
|
||
RULES = [
|
||
# cat：**按目标文件大小判定**（小文件不拦）—— 这是防日常误伤的关键，见 cat_bigfile()
|
||
(True, '__CAT_BIGFILE__',
|
||
'`cat` 大文件', '改用 `head -30 文件` / `sed -n \'1,30p\' 文件` / `wc -l 文件`'),
|
||
# ⚠️ 2026-09-15 **回放今日 12 个会话的 4049 条真实命令**：本规则命中 62 次，抽样 **29/29 全是窄范围**
|
||
# （单文件 / 具体目录），**0 条从根**；连 `grep -c` 这种本来只有几行的也被误伤。
|
||
# 旧正则 `\bgrep\b[^|;]*-[a-zA-Z]*[rR]` 还有 bug：`[^|;]*` 会匹配到**路径里的 `-server`**
|
||
# （`-s`+`erve`+`r`）⇒ 凡路径含 `ai1net-dsh-server` 就必命中。
|
||
# ⇒ **误伤 >> 收益** ⇒ 降为 loose（仅 `hard` 模式拦），并把正则收紧到「选项紧跟 grep」。
|
||
(False, r'\bgrep\s+-[a-zA-Z]*[rR]\b',
|
||
'递归 grep', '改用 `grep -rn … | head -30`，或 `grep -rc …`（只要计数）'),
|
||
# ⚠️ 只拦 `-R`（递归全树）；**不拦 `ls -la`**（含 l 会误伤日常）；选项必须紧跟 ls（同样防路径误匹配）
|
||
(True, r'\bls\s+-[a-zA-Z]*R\b',
|
||
'`ls -R` 递归全树', '改用 `ls -la 目录 | head -20`，或 `ls 目录 | wc -l`'),
|
||
(True, r'\bfind\s+(/[A-Za-z]|[A-Za-z]:)',
|
||
'`find` 从盘符/根起全树扫', '改用 `find 具体目录 -maxdepth 3 … | head -20`'),
|
||
(True, r'\bjournalctl\b(?!.*(-n\s*\d|head|--since))',
|
||
'`journalctl` 无行数/时间限制', '改用 `journalctl -u X -n 50 --no-pager`（`--since` 也算限流，放行）'),
|
||
(True, r'\bdmesg\b(?!.*head)',
|
||
'`dmesg` 无行数限制', '改用 `dmesg | tail -30`'),
|
||
(False, r'(^|[|;&]\s*)rg\b(?!.*\|)',
|
||
'递归 rg 无管道限流', '改用 `rg … | head -30`，或 `rg -c …`'),
|
||
(False, r'\bgit\s+(log|diff)\b(?!.*(-n\s*\d|--max-count|head))',
|
||
'`git log/diff` 无行数限制', '改用 `git log --oneline -5` / `git diff --stat`'),
|
||
(False, r'\b(du|tree)\b[^|;]*\s(/|[A-Za-z]:)',
|
||
'`du/tree` 从根起', '改用 `du -sh 具体目录` / `tree -L 2 目录 | head -40`'),
|
||
]
|
||
# 命令里已有限流 ⇒ 放行（只按"最外层"有就好了）
|
||
SAFE = re.compile(r'\|\s*(head|tail|wc|grep\s+-c|cut|sed\s+-n|awk|uniq|sort\s+-u)\b')
|
||
|
||
|
||
def _read_stdin():
|
||
"""⚠️ 必须走 buffer 显式 UTF-8（`-E` 下 sys.stdin 是 cp936）。"""
|
||
try:
|
||
return sys.stdin.buffer.read().decode('utf-8', 'replace')
|
||
except Exception:
|
||
try:
|
||
return sys.stdin.read()
|
||
except Exception:
|
||
return ''
|
||
|
||
|
||
def _emit(obj):
|
||
data = json.dumps(obj, ensure_ascii=False).encode('utf-8')
|
||
try:
|
||
sys.stdout.buffer.write(data)
|
||
sys.stdout.buffer.flush()
|
||
except Exception:
|
||
try:
|
||
sys.stdout.write(data.decode('utf-8', 'replace'))
|
||
sys.stdout.flush()
|
||
except Exception:
|
||
pass
|
||
|
||
|
||
def log(root, detail):
|
||
try:
|
||
p = os.path.join(root, LOG_REL)
|
||
os.makedirs(os.path.dirname(p), exist_ok=True)
|
||
with io.open(p, 'a', encoding='utf-8', newline='\n') as f:
|
||
f.write('%s\t%s\n' % (time.strftime('%Y-%m-%d %H:%M:%S'), detail))
|
||
lines = io.open(p, encoding='utf-8').read().split('\n')
|
||
if len(lines) > 300:
|
||
io.open(p, 'w', encoding='utf-8', newline='\n').write('\n'.join(lines[-150:]))
|
||
except Exception:
|
||
pass
|
||
|
||
|
||
CAT_BIG = 200 * 1024 # `cat` 目标文件 > 200 KB 才值得拦（小文件放行 ⇒ 防日常误伤）
|
||
READ_BIG = 400 * 1024 # `Read` 目标文件 > 400 KB ⇒ 至少几万 token ⇒ 拦（2026-09-15 实测补）
|
||
# ↑ 为什么补 Read：本钩子最初只管 Bash，但实测 `Read` 是**第二大输出源** ——
|
||
# 某会话 44 次 / 累计 238 K 字符、单条最大 33 K 字符（≈13 K token）；另一会话 136 次 / 217 K 字符，
|
||
# 且**完全没有被任何机制覆盖**。⇒ "想把大输出从上下文里去掉"，就必须覆盖所有会灌大输出的工具。
|
||
|
||
|
||
def read_too_big(payload):
|
||
"""`Read` 一个大文件 ⇒ True。取不到大小（文件不存在/相对路径）⇒ False（放行）。"""
|
||
ti = payload.get('tool_input') or {}
|
||
p = ti.get('file_path') or ti.get('path') or ''
|
||
if not isinstance(p, str) or not p:
|
||
return False
|
||
try:
|
||
return os.path.getsize(p) > READ_BIG
|
||
except OSError:
|
||
return False
|
||
|
||
|
||
def cat_bigfile(cmd):
|
||
"""`cat <文件>` 且目标文件 > CAT_BIG ⇒ True。取不到大小（相对路径/不存在/管道源）⇒ False（放行）。"""
|
||
m = re.search(r'(?:^|[|;&]\s*)cat\s+(?:-[A-Za-z]+\s+)*([^\s|>;&]+)', cmd)
|
||
if not m:
|
||
return False
|
||
p = m.group(1).strip('"\'')
|
||
if p in ('-', '/dev/null', '/dev/stdin'):
|
||
return False
|
||
try:
|
||
return os.path.getsize(p) > CAT_BIG
|
||
except OSError:
|
||
return False
|
||
|
||
|
||
def segments(cmd):
|
||
"""按 shell 分隔符切段（`;` `&&` `||` `|` 换行）—— 只对**每段的开头**做匹配。
|
||
|
||
⚠️ 为什么不匹配整条命令文本（2026-09-15 实测教训）：那样**引号里的字符串也会被拦** ——
|
||
例如 `printf '...ls -laR...'`、测试脚本、把命令写进文档，全都会误拦（阻塞面过大）。
|
||
按段匹配既保住真拦（`cd x && ls -laR` 的第二段以 `ls` 开头 ⇒ 照样拦），又不误伤"只是提到"。
|
||
"""
|
||
return [s.strip() for s in re.split(r'(?:&&|\|\||;|\n|\|)', cmd) if s.strip()]
|
||
|
||
|
||
# ── 批量活检测（2026-09-15 用户选 A）─────────────────────────────
|
||
# 要打断的是：**"一句话需求 → 上百次工具调用"** —— 每次调用都把「命令 + 结果」永久留在上下文里。
|
||
# 实测（会话 7057685c）：逐处改注释 ⇒ Edit 142 次、痕迹 13.4 万字符；若改用一个脚本 ⇒ 约 8 千字符（省 94%）。
|
||
# 实现：`PreToolUse` 里给 Edit/Write/Bash 记账；到档位且**同质** ⇒ deny 一刀并给出替代做法（我改路子）。
|
||
BATCH_N = 20
|
||
BATCH_TOOLS = ('Edit', 'Write', 'Bash')
|
||
|
||
|
||
def _batch_state(root):
|
||
p = os.path.join(root, '.workbuddy', 'batch-guard.json')
|
||
try:
|
||
d = json.load(io.open(p, encoding='utf-8'))
|
||
except Exception:
|
||
d = {}
|
||
return p, d
|
||
|
||
|
||
def _homogeneous(tool, st):
|
||
"""同质性：Edit ⇒ 最近 20 次里同一文件出现 ≥3 次（= 同一文件反复改）；Bash ⇒ 命令都很短。"""
|
||
if tool == 'Edit':
|
||
paths = st.get('paths') or []
|
||
if not paths:
|
||
return False
|
||
c = {}
|
||
for x in paths[-20:]:
|
||
c[x] = c.get(x, 0) + 1
|
||
return max(c.values()) >= 3
|
||
if tool == 'Bash':
|
||
lens = st.get('lens') or []
|
||
return bool(lens) and (sum(lens[-20:]) / max(len(lens[-20:]), 1)) < 300
|
||
return True
|
||
|
||
|
||
def batch_check(root, payload, log_fn):
|
||
"""到档位 + 同质 ⇒ 返回提示串（并记账，每档只提示一次）；否则 ''。"""
|
||
sid = str(payload.get('session_id') or '')
|
||
tool = payload.get('tool_name') or ''
|
||
if not sid or tool not in BATCH_TOOLS:
|
||
return ''
|
||
p, d = _batch_state(root)
|
||
st = d.setdefault(sid, {})
|
||
st[tool] = int(st.get(tool, 0)) + 1
|
||
n = st[tool]
|
||
ti = payload.get('tool_input') or {}
|
||
if tool == 'Edit':
|
||
fp = str(ti.get('file_path') or '')
|
||
if fp:
|
||
st['paths'] = (st.get('paths') or [])[-40:] + [fp]
|
||
elif tool == 'Bash':
|
||
st['lens'] = (st.get('lens') or [])[-40:] + [len(str(ti.get('command') or ''))]
|
||
fired = st.setdefault('fired', [])
|
||
hit = ''
|
||
if n in (BATCH_N, BATCH_N * 2, BATCH_N * 4) and ('%s@%d' % (tool, n)) not in fired and _homogeneous(tool, st):
|
||
fired.append('%s@%d' % (tool, n))
|
||
files = len(set(st.get('paths') or []))
|
||
hit = (
|
||
'🛠【批量活提示】本会话 `%s` 已调用 **%d 次**%s ⇒ 这更像**批量活**。\n'
|
||
'✅ 改用**一个脚本一次做完**，只回「改了 N 处 / 失败 M 处」—— **别逐处调用**：'
|
||
'逐次调用会把 N 份「命令 + 结果」**永久留在会话上下文里、之后每轮全量重发**。\n'
|
||
'ℹ️ 实测参照：某会话逐处改 142 次 ⇒ 痕迹 **13.4 万字符**；改用一个脚本 ⇒ 约 **8 千字符（省 94%%）**。'
|
||
'改完**统一验一次**即可，不必改一处验一处。'
|
||
% (tool, n, ('（改到的文件只有 %d 个）' % files) if (tool == 'Edit' and files) else ''))
|
||
log_fn(str(root), 'DENY｜批量活提示 %s@%d' % (tool, n))
|
||
try:
|
||
if len(d) > 30:
|
||
for k in list(d)[:-30]:
|
||
d.pop(k, None)
|
||
io.open(p, 'w', encoding='utf-8', newline='\n').write(json.dumps(d, ensure_ascii=False))
|
||
except Exception:
|
||
pass
|
||
return hit
|
||
|
||
|
||
def reason_for(cmd, hard=False):
|
||
segs = segments(cmd)
|
||
for core, pat, why, fix in RULES:
|
||
if not core and not hard: # loose 条只在 hard 模式生效
|
||
continue
|
||
for s in segs:
|
||
if pat == '__CAT_BIGFILE__':
|
||
if cat_bigfile(s):
|
||
return why, fix
|
||
continue
|
||
if re.match(pat, s): # ← match（段首），不是 search（全串）
|
||
return why, fix
|
||
return None, None
|
||
|
||
|
||
def main():
|
||
raw = _read_stdin()
|
||
payload = None
|
||
if raw.strip():
|
||
try:
|
||
payload = json.loads(raw)
|
||
except ValueError:
|
||
payload = None
|
||
root = (os.environ.get('CODEBUDDY_PROJECT_DIR') or os.environ.get('DSH_WORKSPACE')
|
||
or (isinstance(payload, dict) and payload.get('cwd')) or WS_FALLBACK)
|
||
tp = str((payload or {}).get('transcript_path') or '') if isinstance(payload, dict) else ''
|
||
if isinstance(payload, dict):
|
||
# 入口即留痕（只记 event，低频；便于判"有没有被调用"）
|
||
log(str(root), 'entry｜event=%s｜in_scope=all(无门禁)' % (payload.get('hook_event_name') or '(parse-fail)'))
|
||
if not isinstance(payload, dict):
|
||
return
|
||
if (payload.get('hook_event_name') or '') != 'PreToolUse':
|
||
return
|
||
tool = payload.get('tool_name') or ''
|
||
if tool not in ('Bash', 'Read', 'Edit', 'Write'): # Bash/Read=拦大输出；Edit/Write=批量活记账
|
||
return
|
||
if os.environ.get('DSH_OUTPUT_GUARD_OFF'):
|
||
return
|
||
try:
|
||
if os.path.exists(os.path.join(root, '.workbuddy', 'bash-guard.disabled')):
|
||
return
|
||
except Exception:
|
||
pass
|
||
if tool in ('Edit', 'Write'): # 批量活检测：deny 一刀，换掉"上百次逐处调用"
|
||
chk = batch_check(str(root), payload, log)
|
||
if chk:
|
||
_emit({'hookSpecificOutput': {'hookEventName': 'PreToolUse',
|
||
'permissionDecision': 'deny',
|
||
'permissionDecisionReason': chk}})
|
||
return
|
||
if tool == 'Read':
|
||
if read_too_big(payload):
|
||
fp = str(((payload.get('tool_input') or {}).get('file_path')) or '')
|
||
log(str(root), 'DENY｜Read 大文件｜%s' % fp[:110])
|
||
_emit({'hookSpecificOutput': {
|
||
'hookEventName': 'PreToolUse', 'permissionDecision': 'deny',
|
||
'permissionDecisionReason': (
|
||
'💰 拦下：**Read 大文件**（`%s`）—— 它的**全文会写进会话历史、之后每轮全量重发**。\n'
|
||
'✅ 分段读：`Read` 加 `offset` / `limit`（例 `limit: 120`）只取你要的那段；'
|
||
'或先 `grep -n "关键词" 文件 | head -20` 定位行号，再读那几行。\n'
|
||
'ℹ️ 确实要通读 ⇒ 用 Bash 分批 `sed -n \'1,200p\' 文件`；急停 env `DSH_OUTPUT_GUARD_OFF=1` '
|
||
'或 `.workbuddy/bash-guard.disabled`。' % fp[:80])}})
|
||
return
|
||
cmd = ((payload.get('tool_input') or {}).get('command')) or ''
|
||
if not cmd or SAFE.search(cmd):
|
||
return
|
||
try:
|
||
md = io.open(os.path.join(root, '.workbuddy', 'bash-guard-mode'),
|
||
encoding='utf-8').read().lower()
|
||
except OSError:
|
||
md = ''
|
||
if 'off' in md:
|
||
return
|
||
why, fix = reason_for(cmd, hard=('hard' in md))
|
||
if not why:
|
||
return
|
||
log(str(root), 'DENY｜%s｜%s' % (why, cmd.replace('\n', ' ')[:110]))
|
||
_emit({'hookSpecificOutput': {
|
||
'hookEventName': 'PreToolUse',
|
||
'permissionDecision': 'deny',
|
||
'permissionDecisionReason': (
|
||
'💰 拦下：**%s** —— 这类命令的输出会**永久留在会话上下文里、每轮全量重发**'
|
||
'（实测某会话 553 轮 × 平均 42 万 token = 2.33 亿 input，'
|
||
'output 仅占 0.35%%）。\n'
|
||
'✅ 换成限流写法再发：%s\n'
|
||
'ℹ️ 若确实需要全量：**先落盘再只读关键行**（`… > /tmp/x.txt 2>&1` 然后 `sed -n \'1,40p\' /tmp/x.txt`）；'
|
||
'急停用 env `DSH_OUTPUT_GUARD_OFF=1` 或新建 `<工作区>/.workbuddy/bash-guard.disabled`。'
|
||
% (why, fix))}})
|
||
|
||
|
||
if __name__ == '__main__':
|
||
try:
|
||
main()
|
||
except Exception:
|
||
pass # fail-open：本钩子只为省积分，绝不因自身异常阻断正常工作
|
||
sys.exit(0)
|