LM Studio Bionic AI 代理推出自動審查功能 加強 Shell 指令安全
本機 AI 模型工具 LM Studio 於近期為其 AI 代理應用 Bionic 加入 Auto Review（自動審查）功能，旨在降低使用者在執行 Shell 指令時必須逐一人工確認的負擔，同時提升指令執行的安全性。
兩階段審查機制
Auto Review 採用 兩階段 設計：
-
Shell Judge（指令安全分析器）
-
不使用大型語言模型，直接將 Shell 指令（支援 sh、bash、zsh 以及 PowerShell）解析成 抽象語法樹（AST）。
-
依據 AST 分析指令可能呼叫的程式、讀寫的檔案與傳入的參數，並與事先設定的安全規則比對。
-
只有在能完整判斷行為為安全的情況下，才會自動核准執行。根據 LM Studio 開發團隊的觀察，約 82% 的指令可由此階段直接核准。
-
-
Shell Reviewer（獨立審查代理）
-
對 Shell Judge 無法判定的指令交由此階段處理。
-
評估操作風險、使用者授權狀態，並檢查指令本身的明顯錯誤。高風險操作即使曾獲使用者允許，也必須有明確授權依據才會執行。
-
參考先前對話內容判斷使用者是否同意相關操作，但不會讀取執行後回傳的內容，以降低 提示注入（prompt injection）風險。
-
背景與影響
過去 AI 代理在執行 Shell 指令時，常依賴大型語言模型（LLM）進行安全判斷，導致 人工確認頻繁、使用體驗受阻。Shell Judge 的 語法層級分析 讓大多數日常開發指令（如檔案搬移、編譯、版本控制）可在不觸發 LLM 的情況下直接通過，顯著縮短執行流程。
然而，LM Studio 明確指出，Shell Judge 的判斷前提是系統環境與執行程式本身可信。若 Git、PowerShell 等執行檔已被惡意改寫，僅靠指令結構分析仍無法偵測。因而 Auto Review 與傳統的 沙箱（sandbox）隔離機制針對的是不同層面的風險：前者防止指令本身的誤用或惡意指示，後者則限制程式執行的資源與環境。
未來展望
- 規則持續優化：隨著開發者回饋，安全規則庫將加入更多參數組合與例外情況，提升自動核准率。
- 跨平台擴展：目前支援的指令環境已涵蓋主流 Unix 系統與 PowerShell，未來可能加入 Windows CMD 與雲端容器指令。
- 與沙箱結合：若將 Auto Review 的判斷結果與沙箱執行相結合，可在保留效率的同時，提供更完整的防護層級。
對於依賴本機 AI 代理進行程式開發、文件生成或自動化工作的使用者而言，Auto Review 為日常工作注入了更高的安全保障，同時減少了繁瑣的手動確認步驟。未來隨著規則與模型的持續迭代，AI 代理在執行系統指令時的自主性與可信度有望進一步提升。