用 AST 解析与 Subagent 结合构建 Shell 命令自动化审查体系

在终端直接敲入 Shell 命令往往潜藏着意料之外的风险，一种更严谨的思路是通过 AST（抽象语法树）解析来实现自动化审查。这种方法不再依赖简单的正则表达式匹配，而是将 Shell 命令拆解为树状结构，从而精准区分“执行了简单的 ls”与“调用带有危险参数的复杂逻辑”。

整个工作流包含一个专门负责审计的 Subagent，其核心实现逻辑分为三个步骤。首先是语法树解析，当你在终端输入或通过脚本生成命令时，系统通过解析器将字符串转换为 AST。这种处理方式比单纯的字符串搜索更可靠，例如 rm -rf /tmp/test 和 echo "rm -rf /tmp/test" 在正则眼中都可能包含危险字符，但在 AST 视角下，前者是执行指令，后者仅是字符串常量。

其次是 Subagent 风险评估，解析出的结构化数据会被发送至专门的审查 Agent。该 Agent 的核心职责并非编写代码，而是根据预设的安全策略对命令树进行“找茬”，分析其中是否存在逻辑漏洞。最后是反馈循环，若 Agent 发现风险——比如在没有 sudo 权限的情况下尝试修改系统配置，或命令组合可能导致数据丢失——它会直接拦截操作并给出具体的修改建议。

这种机制实质上是给 Shell 环境套上了一层“逻辑护栏”。对于需要频繁操作生产环境或编写自动化运维脚本的人员而言，这种基于 AST 的方案远比只会提示“检测到危险字符”的工具更为智能。若想自行实现类似的校验逻辑，可参考以下利用 bashlex 库获取 AST 的 Python 伪代码：

import bashlex

def review_command(cmd_str):
    try:
        # 将命令解析为 AST
        parts = bashlex.parse(cmd_str)
        
        # 这里可以根据 parts 的结构进行深度遍历
        # 比如检查是否存在特定的 Node 类型或者参数组合
        for node in parts:
            if node.kind == 'command':
                # 模拟 Subagent 的逻辑判断
                if 'rm' in [arg.word for arg in node.parts if hasattr(arg, 'word')]:
                    print(f"⚠️ 警告：检测到删除操作，请务必确认路径安全！")
                    return False
        return True
    except Exception as e:
        print(f"解析失败: {e}")
        return False

# 测试一下
review_command("rm -rf /var/log/old_logs")

这种结合了确定性解析（AST）与概率性推理（LLM Agent）的工作流，展现了未来 AI 辅助工具应有的形态。