llm-trading-agent-security

llm-trading-agent-security 技能概览

llm-trading-agent-security 是一项面向自主交易代理的实用安全技能，适用于那些可以签名、兑换、授权或转移资金的系统。它能帮助你判断：由 LLM 驱动的交易系统会在哪些环节失效、应该叠加哪些控制，以及如何降低一条坏提示、一个被污染的数据源，或一次不安全的工具调用最终演变成真实财务损失的概率。

这个 llm-trading-agent-security 技能适合谁

如果你正在构建或审查一个拥有钱包权限、下单权限、资金库访问权限或链上执行能力的代理，就应该使用 llm-trading-agent-security。它尤其适合正在对交易机器人、执行助手或 agentic DeFi 工作流做 Security Audit 的团队。

它解决的是什么问题

它的核心任务不是“让代理更聪明”，而是“让代理更安全地被允许行动”。这个技能重点关注 prompt injection、支出上限、发送前模拟、熔断机制、MEV 感知执行和密钥隔离，帮助你把推理能力和权限控制分开。

它为什么不同

这不是一份通用的 LLM 安全提示词。llm-trading-agent-security 把 prompt injection 视为一种金融攻击路径，并强调分层控制，而不是依赖单一防护手段。也正因为如此，当普通 prompt engineering 已经不够用、你又需要在上线前建立明确护栏时，它会非常有用。

如何使用 llm-trading-agent-security 技能

安装并打开源文件

使用以下命令安装 llm-trading-agent-security 技能：

npx skills add affaan-m/everything-claude-code --skill llm-trading-agent-security

然后先阅读 SKILL.md。这个仓库里没有 rules/、resources/ 或 scripts/ 这些配套目录，所以技能正文就是最主要的事实来源。第一次阅读尤其重要：它会告诉你预期的威胁模型，以及这个技能希望你应用哪些控制措施。

把模糊目标变成可用提示词

llm-trading-agent-security 的使用效果，最好建立在具体运行场景之上，而不是一句笼统的“帮我把代理做安全一点”。高质量输入通常应包含：

• 链或交易场所，例如 EVM swaps、Solana routing 或跨链执行
• 代理能做什么，例如 approve、swap、bridge 或 withdraw
• 单笔或单日允许的最大损失
• 代理读取哪些数据，例如社交信息流、代币元数据或行情 API
• 你的目标是设计评审、prompt 加固，还是生产环境护栏搭建

示例提示词结构：
“使用 llm-trading-agent-security 审查一个代理：它读取社交帖子、提出交易建议，并且可以提交 EVM swaps。请识别 prompt injection 路径，增加支出限制，定义模拟检查，并建议钱包隔离和熔断规则。”

按分层工作流来应用

这个技能最有价值的用法，是把控制措施当作彼此独立的层来处理：

1. 在未受信文本到达代理之前，对其进行清洗或约束
2. 限制支出、授权范围和时间窗口
3. 在发送交易前进行模拟或预览
4. 为异常损失或异常行为增加熔断机制
5. 将密钥和执行权限与推理模型隔离

对于 llm-trading-agent-security 的安装和使用来说，这种分层方式比任何单个代码片段都更重要。即使某一层失效，其他层仍然能缩小爆炸半径。

看决策点，不要只看装饰性内容

审查仓库内容时，要把注意力放在会改变实现决策的部分：

• When to Use：判断适配场景和边界
• How It Works：了解控制栈
• Examples：查看实际的反注入和支出控制模式

如果你当前的代理设计无法支持模拟、支出上限或密钥分离，这通常说明在集成这个技能之前就需要先重构。

llm-trading-agent-security 技能 FAQ

这个技能只适合 DeFi 机器人吗？

不是。llm-trading-agent-security 也适用于任何可以下单、转移资产或触发财务动作的代理。只要 LLM 能改变余额、开仓或批准支出，这个威胁模型就成立。

它比普通安全提示词更好吗？

如果系统真的拥有执行权限，答案是肯定的。普通提示词最多只是提醒模型谨慎一点，而这个技能是围绕具体控制措施设计的：注入处理、限制、模拟和执行边界。对于 Security Audit 来说，它比通用检查清单更有用。

初学者可以用吗？

可以，只要你能清楚描述代理会做什么。初学者通常从一个窄场景开始效果最好，比如“只给出交易建议”或“在固定预算下执行 swap”，等第一次审查完成后再逐步扩展。

什么时候不该用它？

不要把 llm-trading-agent-security 当作通用应用安全、交易所合规或特定链审计工作的替代品。如果代理根本没有移动价值的权限，这个技能可能超出所需；但如果它拥有较大的权限，你就需要这种以控制为中心的指导。

如何改进 llm-trading-agent-security 技能

把真实信任边界告诉技能

llm-trading-agent-security 最好的结果，来自你明确指出代理能做什么、不能做什么。请写清楚允许动作、禁止动作、审批流程、密钥托管模型，以及高风险交易是否必须有人确认。没有这些边界，输出就容易停留在过于抽象的层面。

提供失败案例，而不只是目标

如果你想得到真正有用的安全审查，请加入可能的滥用路径：恶意代币元数据、社交帖子 prompt injection、被污染的 API 响应、过期行情数据，或过大的授权额度。这样技能才能把重点放在真正关键的控制措施上，而不是重复那些显而易见的最佳实践。

要求给出实现取舍

想提升 llm-trading-agent-security 的输出质量，就要让它比较安全性和自动化之间的取舍。比如，要求它对“严格的发送前模拟”和“更快的执行速度”做对比，或者比较“钱包隔离”和“操作便利性”。这样你更容易决定先上线什么。

在第一轮之后继续迭代

拿到第一版答案后，用你的真实约束去收紧提示词：最大下单规模、延迟容忍度、支持的链，以及是否可以直接拒绝可疑输入。然后让技能按风险降低效果重新排序控制项。这样通常比一次性给出宽泛请求，更容易得到可执行的 Security Audit 方案。