在使用 Claude Code 等高级 AI 编程助手时，开发者往往面临着效率与安全的双重挑战。虽然 AGENTS.md 文件为自定义助手行为提供了强大的配置入口，但如果配置不当，极易导致代码库中的敏感信息（如 API 密钥、数据库凭证、内部 IP 地址等）被意外泄露给大模型后端。本文旨在通过问题导向的方式，深入解析如何在 AGENTS.md 中构建有效的敏感信息保护机制，确保在享受 AI 辅助开发便利的同时，严守数据安全底线。
理解敏感信息泄露的风险场景
许多开发者误以为只要不直接粘贴密码给 AI 就万事大吉，然而风险往往隐藏在不经意间。当你在终端中运行包含环境变量的命令，或者让 Claude Code 读取包含硬编码凭据的配置文件时，这些内容可能会作为上下文的一部分被发送给模型。此外，如果 AGENTS.md 中未明确禁止访问特定目录或文件类型，助手可能会尝试索引并处理含有敏感数据的日志文件或备份文件。
更隐蔽的风险在于“间接泄露”。例如，你要求助手重构一段涉及支付处理的代码，虽然你没有提供密钥，但助手生成的示例代码中可能包含了标准的密钥格式模板，或者通过分析你的项目结构推断出云服务商的身份，从而增加社会工程学攻击的风险。因此，识别哪些数据属于“敏感”范畴是第一步，这包括但不限于：
- 任何以
sk-、AKIA开头的 API 密钥或 Access Key。 - .env 文件中的环境变量定义。
- 私钥文件（如 .pem, .key）。
- 包含真实用户 PII（个人身份信息）的测试数据。
在 AGENTS.md 中实施严格的访问控制策略
解决上述问题的核心在于利用 AGENTS.md 的规则引擎进行主动防御。你需要在文件中明确声明助手的权限边界，采用“最小权限原则”限制其对敏感资源的访问能力。
首先，应使用通配符规则显式排除敏感目录。例如，在 AGENTS.md 中添加如下指令：
# Security Constraints
- NEVER read or modify files in the `.env`, `config/credentials/`, or `secrets/` directories.
- When generating code examples, ALWAYS use placeholder values (e.g., YOUR_API_KEY) instead of real credentials.
- Ignore binary files and logs larger than 1MB to prevent accidental ingestion of sensitive data.这种显式的否定指令比依赖默认设置更为可靠。它强制助手在每次操作前进行自我检查，确保不会触碰红线。同时，建议启用“只读模式”用于扫描敏感目录，即允许助手查看文件存在性但不读取其内容，这对于调试路径问题非常有用，同时避免了数据泄露。
建立安全的代码交互与审查流程
除了静态配置，动态的交互规范同样重要。在 AGENTS.md 中应规定助手在处理代码时的行为准则。例如，要求助手在输出包含潜在敏感信息的代码片段时，自动进行脱敏处理。如果助手检测到输入上下文中似乎包含疑似密钥的字符串，应立即停止生成并警告用户，而不是盲目地补全代码。
此外，定期审计 AGENTS.md 的配置变更也是关键一环。随着项目架构的变化，新的敏感服务可能被引入，原有的白名单或黑名单可能需要更新。建议将 AGENTS.md 视为基础设施代码（Infrastructure as Code）的一部分，纳入版本控制和同行评审流程。通过这种方式，团队可以共同维护一个既高效又安全的 AI 协作环境，从根本上杜绝因配置疏忽导致的敏感信息泄露事故。
综上所述，保护敏感信息并非单纯的技术问题，而是工程规范与文化的问题。通过在 AGENTS.md 中精细化配置访问规则和交互逻辑，开发者可以将 Claude Code 打造为一个既聪明又守规矩的智能伙伴，从而在数字化时代的安全竞争中占据优势。
本文链接：https://bf-jianli.com.cn/gpt/claude-code-agents-md-mgxxbhzn-rhaqpz-ai-zs/
