Apollo Immu

SKILL.md

---
name: apollo-immu
description: >
  像免疫系统一样拦截危险操作，守护你的数据和系统安全。自动识别危险操作，信任积累减少确认噪音。
---
marketplace_description: |
  像免疫系统一样工作——自动识别危险操作，信任积累减少确认噪音。
  
  核心功能：
  • 危险操作拦截：删除文件、对外发消息、执行命令、变更权限前自动确认
  • 三级收件人风险：🔴高风险（群聊/外部）始终拦截 / 🟡中风险记录信任 / 🟢低风险（亲密同事）3次确认后自动放行
  • 智能信任积累：同一操作+同一收件人，第3次确认后自动放行
  • 7天自然衰减：超过7天无操作，信任归零重新计数
  • 亲密信号检测：自动识别「好的」「哈哈」「ok」等，降低打扰
  • 降级信号检测：识别「等等」「确认」，自动提高风险等级
  • 动态收件人判断：算法判断而非硬编码，智能适应不同场景
  
  适用场景：AI助手执行敏感操作时自动保护，让常用操作更顺畅

# Apollo Immu

实时拦截危险操作的零信任防御系统。核心理念：事前拦截优于事后验证，通过信任积累自动学习减少确认噪音。

## 核心概念

### 拦截公式

```
拦截判断 = 操作类型风险 × 收件人风险等级 × 信任积累
```

### 收件人风险等级

| 风险等级 | 典型对象 | 拦截策略 |
|---------|---------|---------|
| 🔴 高 | 老板、群聊、所有成员 | **始终拦截**，不学习 |
| 🟡 中 | 普通同事、外部联系人 | 始终拦截，但记录信任 |
| 🟢 低 | 亲密同事（自动识别） | 3次确认后自动放行 |

### 信任积累机制

- 同一操作 + 同一收件人 → 第1次确认 → 记1次
- 第3次确认后 → 该组合自动放行
- 超过7天无重复 → 信任衰减，重新计数

### 自动学习（精髓）

当对话中出现以下信号时，AI应主动更新信任数据库：

**识别亲密同事的信号（满足任一即可）：**
- 对话风格轻松随意，使用表情、语气词（哈、哈哈、嗯嗯、ok）
- 从未要求AI"确认"或"请先问我"
- 回复短快（<30字），无正式套话
- 主动发起闲聊或生活话题

**信任更新触发（每满足一次就 update）：**
```bash
python3 scripts/trust_tracker.py update <收件人> <操作类型>
```

**降级信号（亲密同事可能变成需确认）：**
- 用户说"等等"、"先别"、"确认一下"
- 用户明确拒绝操作建议
- 出现2次以上"等等"

## 强制执行流程

**在任何危险操作执行前，必须先运行拦截判断：**

```bash
python3 scripts/interceptor.py <操作类型> <收件人> [文件路径]
```

- 返回 `intercept: false` → 继续执行
- 返回 `intercept: true` → 暂停，向用户确认后再执行
- 确认后调用 `trust_tracker.py update` 记录信任

## 拦截决策流程

```
检测到操作
    ↓
判断操作类型风险
    ↓
获取收件人风险等级
    ↓
检查trust_db.json中的信任分数
    ↓
┌─────────────────────────────────┐
│ 风险等级高（老板/群聊）  → 拦截 │
│ 风险等级中            → 拦截    │
│ 风险等级低+信任<3     → 拦截    │
│ 风险等级低+信任≥3     → 放行    │
└─────────────────────────────────┘
```

## 使用场景

### 场景A：删除文件前拦截
用户要求删除文件时 → 判断是否在临时目录 /tmp → 如不是则拦截

### 场景B：对外发消息前拦截
AI准备发送飞书/微信/邮件消息时 → 根据收件人判断 → 高风险始终拦截

### 场景C：权限变更前拦截
分享文档、改权限等操作 → 高风险收件人始终拦截

## 脚本使用

### interceptor.py — 判断是否拦截

```bash
python3 scripts/interceptor.py <操作类型> <收件人> [其他参数]
```

返回：是否拦截 + 拦截原因

### trust_tracker.py — 更新信任分数

```bash
python3 scripts/trust_tracker.py update <操作类型> <收件人>
python3 scripts/trust_tracker.py get <收件人>
python3 scripts/trust_tracker.py reset <收件人>
```

## 参考文档

- **risk_levels.md**：操作风险分级标准 + 收件人风险分类详细规则
- **auto_learn.md**：自动识别亲密同事的算法和规则

## 信任数据库

信任分数存储在 `assets/trust_db.json`，结构：

```json
{
  "contacts": {
    "收件人A": { "操作类型": { "count": 3, "lastConfirm": "时间戳" } }
  }
}
```