在使用 Codex 等 AI 编码代理时，开发者往往关注功能实现，却容易忽视潜在的数据泄露风险。AGENTS.md 文件作为代理的行为准则配置文件，其安全性直接决定了项目数据的边界。许多团队在集成 AI 辅助编程工具后，遭遇过 API 密钥硬编码或内部架构细节意外生成的问题。本文将提供一套严谨的步骤清单，帮助你在项目中建立稳固的敏感信息保护机制，确保 AI 生成代码的安全性与合规性。
第一步：隔离与加密敏感凭证
首要任务是切断 AI 代理直接接触核心凭证的途径。不要将数据库密码、AWS Access Key 或 JWT Secret 直接写入 AGENTS.md 或任何代码文件中。正确的做法是使用环境变量管理这些敏感数据。在 AGENTS.md 中，应明确指示 Codex “严禁”生成包含明文密码的代码片段，并强制要求使用占位符（如 ${DB_PASSWORD}）代替实际值。同时，建议对存储凭证的 .env 文件进行版本控制忽略处理，并在 CI/CD 流水线中引入自动化扫描工具，检测是否有硬编码密钥被提交到仓库中。这种物理层面的隔离是防止信息泄露的第一道防线。
第二步：制定严格的上下文过滤规则
Codex 需要理解业务逻辑，但不应知晓全部底层细节。你需要在 AGENTS.md 中定义清晰的数据脱敏规则。例如，当涉及用户数据模型时，明确要求代理使用虚构的测试数据（Mock Data），而非生产环境的真实样本结构。此外，对于内部微服务的接口定义，仅暴露必要的 API 签名，隐藏具体的内部路由和鉴权中间件逻辑。通过限制输入给 AI 的上下文范围，可以有效减少因上下文溢出导致的敏感架构信息泄露。定期审查 AGENTS.md 中的指令，确保没有 inadvertently（无意中）授权代理访问过于宽泛的系统权限描述。
第三步：实施生成内容的自动化审计
即使有了预设规则，人工审核仍是不可或缺的一环。建立基于静态应用安全测试（SAST）的预提交钩子（Pre-commit Hook）。当 Codex 生成新文件或修改现有文件时，自动触发扫描脚本，检查代码中是否出现了新的敏感字符串模式。如果发现异常，立即阻断提交并通知开发者。同时，保留所有由 AI 生成的代码变更记录，以便在发生安全事件时进行溯源分析。这种“机器初审+人工复核”的双重机制，能够最大程度地降低人为疏忽带来的安全风险，确保每一次代码迭代都符合企业的安全标准。
综上所述，保护敏感信息并非一蹴而就，而是需要从凭证管理、上下文控制和自动化审计三个维度构建纵深防御体系。遵循上述步骤，你可以更安全地利用 Codex 提升开发效率，同时守住数据安全底线。