一、账号密码与数据安全（最致命）
- 严禁向大模型发送任何明文密码、密钥、Token、数据库连接串。 包括：服务器密码、MySQL 密码、Redis 密码、AK/SK、VPN 账号。
- 内网敏感日志、业务日志，必须先脱敏再丢给 AI。 隐藏：真实 IP、手机号、账号、订单号、密钥片段。
- 不要把完整配置文件（nginx.conf、docker-compose、.env）直接发给 AI。 只发需要修改的片段，手动删敏感字段。
- Web 版 AI 绝对不能碰内网、生产数据库、核心服务器。 只能做公网任务、文案、报表、非敏感脚本生成。
- 桌面版 / 本地运行：密码只在本地内存出现，不要写进脚本历史、不要保存会话。
二、权限控制（最小权限原则，重中之重）
- AI 执行脚本，一律用普通用户，禁止 root / 管理员。
- 给 AI 的服务器权限：只给必要权限（如查看日志、重启非核心服务），禁止 chmod 777、禁止改系统配置。
- 数据库：只给只读权限，严禁 AI 直接写 / 删数据。
- 云资源：给 AI 的子账号只能看监控、告警，不能删实例、改安全组。
- 任何自动化操作（重启、扩容、删文件）都要：权限最小 + 可回滚 + 有审计。
三、脚本 / 命令安全（AI 生成代码最容易踩坑）
- AI 生成的 Shell/Python 脚本，必须「人工逐行审核」后再执行。 重点看：
rm -rf、curl | bash、chmod、dd、mkfs、drop database。 - 绝对禁止直接执行 AI 给的「一键脚本」，尤其是含
curl | bash、wget | sh的。 - 先在测试机 / 沙箱跑一遍，确认无破坏性再上生产。
- AI 脚本里如果出现「挖矿、下载不明脚本、替换系统文件」，直接拉黑该会话。
- 所有 AI 生成的命令，禁止带
--force、-f、-y自动确认，必须人工确认。
四、执行环境与隔离（防止 AI 失控）
- 内网运维只用「本地桌面版 + SSH 密钥」，不要用 Web 版。
- 给 AI 单独的执行账号 / 环境，和生产账号隔离。
- 定时任务、自动化流程，全部放在「独立服务器 / 容器」执行，不要在核心业务机跑。
- 云端执行只能做：报表、公网监控、文档、非敏感数据处理。
- 任何 AI 自动化任务，都要配置：失败告警、超时终止、执行日志留存 90 天。
五、业务风险与稳定性（别让 AI 搞挂生产）
- 高风险操作（重启核心服务、改配置、删数据、扩容 / 缩容）必须「人工确认」，禁止全自动。
- 任何变更都要：先灰度、再观察、再全量；必须有回滚脚本。
- AI 做监控 / 自愈时，要设置「执行次数上限」（比如 1 小时内最多重启 2 次），防止死循环。
- 禁止 AI 自动处理 P0/P1 级故障，只能辅助分析，决策必须人来做。
- AI 给出的故障结论，只能当参考，不能直接信（大模型会编造不存在的日志 / 错误）。
六、模型本身风险（大模型的通病）
- 大模型会「幻觉」：编造命令、编造日志、编造错误信息。 必须交叉验证，不能直接照做。
- 提示词注入风险：如果日志里有恶意构造的提示词，可能诱导 AI 执行危险命令。 日志要先过滤 / 脱敏再给 AI。
- 模型更新后行为会变：以前安全的脚本，下次生成可能带坑。 每次都要重新审核。
- 不要把长期机密（如核心架构、漏洞细节）反复发给 AI，减少泄露面。
七、流程、审计、合规（出事能追溯）
- 所有 AI 运维操作，必须留全链路日志：提问内容、生成脚本、执行时间、执行人、结果。
- 禁止匿名操作：谁用 AI 做了什么，必须实名可追溯。
- 定期复盘：每周看 AI 执行记录，检查有没有越权、危险操作。
- 合规：涉及用户数据、支付数据，必须符合数据安全法，AI 不能处理未脱敏的个人敏感信息。
八、极简总结（日常照这 10 条做就够）
- 密码不上云、不上 Web AI。
- 脚本必审、必沙箱测试。
- 权限最小化，禁止 root。
- 内网只用桌面版 + SSH 密钥。
- 高风险操作人工确认，不自动。
- 日志先脱敏，再给 AI。
- 自动化要有次数限制、超时终止。
- AI 结论只参考，不盲从。
- 全链路留日志，可追溯。
- 先测试、再灰度、再生产，必带回滚。