PocketAgents：一种由清单驱动的自主防御代理库

将大语言模型连接至防御执行不仅需要检测攻击，更需决策哪些输出可改变系统状态、哪些应被拒绝及如何记录失败。本文提出 PocketAgents，一个由清单驱动的自主防御代理库。每个代理由清单、提示词和运行时上下文三个数据文件组成。共享运行时提供有限的遥测访问，仅接受清单中请求动作的类型化报告。我们在网络欺骗测试床 Perry 上实现了该系统，并在 18 次闭环试验中评估了两个代理对抗 DarkSide 风格攻击的效果。实验表明，类型化边界使大模型驱动的防御具备可测量性、可扩展性和可归因性。