新闻详情

新闻详情

首页 / 资讯中心 / 详情

AI不能乱删你的文件:揭秘My-Brain-Is-Full-Crew的Hooks安全保护机制

发布时间:2026/11/12 8:29:31来源:尧图网络
AI不能乱删你的文件:揭秘My-Brain-Is-Full-Crew的Hooks安全保护机制
AI不能乱删你的文件揭秘My-Brain-Is-Full-Crew的Hooks安全保护机制【免费下载链接】My-Brain-Is-Full-CrewBuilt by a PhD whose memory was failing, whose diet was a mess, and whose anxiety had its own agenda. Most second brain tools ignore the fact that your brain doesnt work in isolation: your body and your mental health are part of the system too. This crew handles all three: knowledge, nutrition, and mental wellness.项目地址: https://gitcode.com/gh_mirrors/my/My-Brain-Is-Full-Crew占位说明本仓库未提供可用图片资源下文全部采用表格与路径链接呈现。My-Brain-Is-Full-Crew是一个运行在 Obsidian 库上的多智能体第二大脑系统你说它负责整理、归档、连接和检索笔记。但把写文件的权力交给 AI一个绕不开的问题是它会不会乱删、乱改你的文件这个项目的答案是一组内置的Hooks 安全保护机制——三道在文件操作前后自动生效的守门人核心原则就一句话AI 永不删除系统文件不可篡改。为什么AI第二大脑需要护栏大多数 AI Obsidian 工具把智能体当成全能助手但它毕竟是个概率模型可能写错路径、可能覆盖你辛苦维护的笔记结构。My-Brain-Is-Full-Crew 的设计哲学是conservative by default默认保守️永不删除只归档分拣笔记时只移动不碰内容大决定先问你归档、重命名前必须获得确认系统文件运行时不可改AI 想动自己的说明书会被直接拦截三道 Hooks 就是这套哲学的技术落地分别守在三个时机Hook触发时机职责protect-system-files编辑/写入之前拦截对系统文件的修改硬拒绝validate-frontmatter写入之后检查 Markdown 元数据是否合法仅告警notify需要用户关注时弹桌面通知长任务不失联第一道防线AI不能乱删你的系统文件protect-system-files.sh 挂在工具调用前AI 每次准备编辑或写入文件时它先审一眼目标路径。它保护什么调度器文件如CLAUDE.md/AGENTS.md——整支AI 小队的指挥中枢运行时禁止修改8 个核心智能体定义architect、scribe、sorter、seeker、connector、librarian、transcriber、postman 的.md文件全部技能skills文件——14 个多步工作流的定义核心参考文档——除了两个允许用户自行维护的注册表文件它放行什么你在平台智能体目录里创建的自定义智能体会原样通过——因为 Architect 智能体需要随时新建它们这正是8 个智能体只是起点自己也能造这一卖点的技术保障。拦截时的提示也很友好直接告诉用户正确姿势BLOCKED: architect.md is a core agent definition. Update it in the repo and run updateme.sh.也就是说想升级系统改仓库里的源文件然后跑一次 updateme.sh 更新器——更新器只同步有变化的文件你的笔记永远不会被碰。第二道防线写完笔记顺手查一遍病历validate-frontmatter.sh 是写完再查型的温柔派它不拦截只警告。Obsidian 的元数据、Dataview 查询、标签和搜索全都依赖 frontmatter一旦损坏是静默失败——笔记看起来正常其实搜索和查询全都坏了。它检查三件最常见的翻车点 开头有---却没有结尾---元数据解析直接失败⌨️ frontmatter 里混进了 Tab 缩进YAML 只认空格✍️ 值里有未加引号的冒号title: My Note: Part 2这类典型陷阱它还很聪明地跳过系统目录智能体、技能、参考文件和已删除的文件只对库里的普通.md笔记动脑筋。第三道防线长任务不再失联notify.sh 在智能体平台需要关注你时弹一条桌面通知——macOS 用内置的osascriptLinux 用notify-send。跑一条几分钟的智能体长链时你可以安心去倒杯水它一有动静就叫你。一个源码四个平台Hooks如何跨平台部署三道 Hook 的行为定义与平台实现是分离的。每个 Hook 由一个 声明式 YAML 描述name: protect-system-files description: Block edits to core crew files at runtime script: protect-system-files.sh triggers: - event: before-tool-use match-tool: [edit, write]安装脚本 launchme.sh 运行时adapters/ 下的各平台适配器会把这份中性描述翻译成本地原生配置Claude Code生成 settings.json 的PreToolUse/PostToolUse条目并为每个 Hook 套一层 JSON 转换包装器把平台原生字段统一成中性 schema 再喂给脚本Gemini CLI合并进平台配置 JSON附加 5 秒超时保护OpenCode生成一个内嵌 bash 执行器的 插件脚本按 bash-executor.js 逐条注册 Hook共享的解析逻辑集中在 adapters/lib.sh——所以 Hook 的规则只写一遍四个平台行为完全一致。新手上手指南你什么都不用做这是这套机制最讨喜的一点零配置。把仓库克隆进你的 Obsidian 库git clone https://gitcode.com/gh_mirrors/my/My-Brain-Is-Full-Crew运行bash scripts/launchme.sh并选择平台打开库说 Initialize my vaultHooks 随安装自动落到平台的hooks/目录并开始工作不需要任何额外设置。完整步骤见 docs/getting-started.md。结语AI负责干活规则负责兜底My-Brain-Is-Full-Crew 的 Hooks 设计值得所有把文件系统交给 AI的项目参考权限最小化、拦截在事前、校验在事后、通知在人侧。AI 依然可以大显身手但它删不掉系统、改不动规则你的笔记库始终是安全的。⚠️ 最后提醒任何 AI 工具都不是备份。请定期备份你的 vault——这也是项目 免责声明 里明确写下的第一条。延伸阅读DISPATCHER.md 调度器 · docs/examples.md 使用示例 · CONTRIBUTING.md 贡献指南【免费下载链接】My-Brain-Is-Full-CrewBuilt by a PhD whose memory was failing, whose diet was a mess, and whose anxiety had its own agenda. Most second brain tools ignore the fact that your brain doesnt work in isolation: your body and your mental health are part of the system too. This crew handles all three: knowledge, nutrition, and mental wellness.项目地址: https://gitcode.com/gh_mirrors/my/My-Brain-Is-Full-Crew创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/11 15:37:39

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉