問題與邊界
團隊希望自動整理服務發布前的檢查項。Agent 可以讀取設定和測試結果,但不能執行發布、修改權限或暴露密鑰。
方案
把讀取、分析和建議分成三個階段。建議輸出包含證據連結、風險等級和待確認項,提交後進入審批記錄,而不是呼叫部署 API。
最小實作
def release_advice(checks: list[dict]) -> dict:
missing = [item['name'] for item in checks if not item.get('passed')]
return {
'status': 'needs_review' if missing else 'ready_for_review',
'missing': missing,
'action': 'human_approval_required',
}
assert release_advice([{'name': 'rollback', 'passed': False}])['status'] == 'needs_review'
重現步驟
- 將建置、型別檢查、依賴掃描和回滾證據作為唯讀輸入。
- 產生包含證據 id 的建議,不把環境變數值送入模型。
- 將建議寫入審批記錄,使用一次性審批 token。
- 審批後仍由既有發布系統執行,Agent 不直接持有部署憑證。
驗證清單
驗證缺少回滾證據、建議重複提交、審批過期、權限不足和模型回傳未知欄位的情況。
常見問題
審批通過後能自動部署嗎? 可以由既有發布系統按權限執行,但本案例不讓 Agent 直接呼叫。
模型看到日誌安全嗎? 只提供脫敏摘要和連結,敏感值在服務端過濾。
官方參考
OpenAI Production best practices;OpenAI Safety best practices。
最後核對日期:2026-11-16。介面和安全邊界以連結中的官方資料為準;本文不虛構效能或費用結論。
