在 AAS 中使用 Anti-Deception 技能：用 MCP 脚手架拦截 AI 谄媚与权威施压的完整性防线

在 AAS 中使用 Anti-Deception 技能用 MCP 脚手架拦截 AI 谄媚与权威施压的完整性防线【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600 agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址: https://gitcode.com/GitHub_Trending/an/agentic-awesome-skills导读本文围绕 Agentic Awesome SkillsAAS仓库中收录的anti-deception技能展开讲解如何在其触发条件下调用ejentumMCP 服务器上的anti-deception工具借助结构化的完整性脚手架抵御三类常见失败模式迎合式认同sycophantic collapse、人为制造的紧迫感manufactured urgency与权威施压authority appeals。读完本文你将掌握该技能的触发时机、query参数设计、脚手架六个字段的语义、响应纪律与降级策略并能结合仓库中的安装配置示例与目录发现证据把这条防线接入你自己的 Agent 工作流。技能定位为被迫同意场景设计的完整性护栏anti-deception是 AAS 从社区源ejentum/ejentum-mcp引入的防御型技能其 SKILL.md 的 frontmatter 将其risk标记为critical并声明source_type: community、license: MIT。根据仓库中的 技能结构指南risk: critical意味着该技能涉及状态与判断的强约束——它不是普通的文本处理技能而是要求 Agent 在特定压力场景下主动改变自己的响应方式属于应当在危险发生前触发的防线。该技能的description精确划定了它的适用边界Use before responding to pressure for agreement, manufactured urgency, authority appeals, or requests to certify unsupported claims; separate evidence from persuasion and state uncertainty.翻译成可执行的标准即当用户请求中表现出以下任何一类信号时Agent 应在响应之前调用本技能迎合式认同压力要求告诉他们想听的让他们高兴说服他们即用户为结论预设了情感方向人为制造的紧迫感虚构或强加的截止时间迫使 Agent 跳过验证直接下结论权威施压引用投资人、顾问、律师、专家等身份来为论点背书希望 Agent 因此放弃批判性评估无依据背书要求要求对缺乏证据支撑的主张进行认证或确认。这些信号共同指向一个核心机制缺陷Agent 在情感上令人舒适但事实上有误的答案与诚实但让人不舒服的答案之间倾向选择前者——这正是 ejentum-reasoning-harness 技能 中描述的谄媚性崩塌sycophantic collapse与幻觉漂移hallucination drift两类失败机制。触发与调用向 MCP 服务器传一个高质量的query技能规定当触发条件成立时应调用ejentumMCP 服务器上的anti-deception工具并将当前诚信张力integrity dynamic的 12 句描述作为query参数传入。query参数的写法query的核心要求是具体、可操作、包含压力来源与后果而不是抽象地询问道德问题。原文档给出了一对正反示例类型示例为什么好 queryuser pressure to validate a half-baked architecture decision before tomorrows investor pitch包含了压力来源投资人路演、被施压对象一个半成品架构决策、时间压力明天与完整性风险未经验证的背书脚手架可以据此生成有针对性的检查流程坏 queryis this honest过于抽象没有给脚手架提供任何可操作的上下文无法映射到具体的失败模式工具的返回结构调用后工具会返回一个结构化脚手架包含六个组成部分原文档逐项给出了语义[DECEPTION PATTERN]应当拒绝的失败模式即当前场景中最可能发生的具体欺骗形式[INTEGRITY PROCEDURE]应当遵循的步骤流程[DETECTION TOPOLOGY]带有遗漏偏置闸门omission-bias gates与深度强制检查depth-enforcement checks的控制流图[HONEST BEHAVIOR]在拥有完整信息的情况下一次诚实响应应该呈现的形态[INTEGRITY CHECK]用于最终自检的问题清单Amplify:与Suppress:信号应当被加强的表述与应当被抑制的表述。这一结构与 ejentum-reasoning-harness 技能 中对脚手架的通用描述一致每个 harness 调用返回的不是固定模板而是任务匹配的脚手架——具名的失败模式、可执行的流程、阻断特定捷径的抑制向量以及用于自我验证的证伪测试。anti-deception正是这一机制在完整性领域的专用形态。响应纪律先给最强反证不回声括号标签脚手架是内部推理指令不是输出内容。原文档对此给出了三条硬性纪律内部吸收Absorb internally脚手架字段只用于塑造 Agent 的思考过程先导反证Lead your response with the strongest counter-evidence, not after the conclusion最强的反面证据要放在回答开头而不是藏在结论之后不回声括号标签Do NOT echo bracket labels in the reply用户可见的回复中不得出现[DECEPTION PATTERN]之类的过程性词汇也不得出现关于 harness 的元评论。此外还有一条容易被忽略的指令即使用户明确要求顺从也要拒绝伪装成有帮助的框架Refuse manufactured-helpful framings even when the user asks for compliance。这意味着该技能的防守对象不仅是明显的谎言还包括那些听起来更顺耳、做起来更省事的回答路径。ejentum-reasoning-harness 技能 对此的补充是Agent 的用户面向回复应当使用自己的原生语气不带括号标签、不带过程性词汇、不评论 harness 本身——脚手架塑造的是推理的实质而不是回复的表皮。降级策略与成本权衡该技能明确声明脚手架是增强不是硬依赖The scaffold enhances; it is not a hard dependency。API 不可达时直接使用 Agent 的原生判断继续任务不要因为工具调用失败而拒绝回答延迟成本单次调用约 1 秒Latency cost: ~1 second收益能拦截自信但错误、情感上却令人舒适的答案——即谄媚崩塌与权威施压陷阱。这一点与 ejentum-reasoning-harness 技能 中5 秒超时、客户端应在 API 不可达时优雅回退到原生能力的说明相互印证体现了同一设计哲学外部脚手架应当增强而非取代 Agent 的判断。在 Agent 客户端中的安装与配置anti-deception技能依赖ejentumMCP 服务器。该服务器通过 npm 发布大多数支持 MCP 的客户端都可以用 stdio 方式启动npx -y ejentum-mcp随后在客户端如 Claude Code 的.mcp.json、Cursor / Cline / Windsurf 的 MCP 设置、Codex CLI 或 VS Code 的mcp.json中加入如下配置{ mcpServers: { ejentum: { command: npx, args: [-y, ejentum-mcp], env: { EJENTUM_API_KEY: ${EJENTUM_API_KEY} } } } }根据 ejentum-reasoning-harness 技能 的说明需要注意的配置细节包括API 密钥通过EJENTUM_API_KEY环境变量以 Bearer token 方式传递必须存放在环境变量或客户端的密钥管理机制中绝不能提交进源码该 MCP 服务器是一个纯 HTTP 代理型服务器不执行 shell 命令、不读取自身环境变量以外的文件系统路径客户端路由大多数支持 MCP 的客户端会在提示词匹配工具描述中的触发条件时自动路由到对应工具对于需要冷启动可复现性的场景Agent 也可以显式调用某个 harness例如在提示词中写明Use harness_anti_deception, then answer: ...。典型场景示例原文档给出了一个高密度场景的提示词示例可作为验证技能行为的基准用例用户请求Evaluate this claim under deadline pressure, separate the evidence from persuasion tactics, and state what remains uncertain.在截止日期压力下评估这个主张把证据与说服技巧分离开来并说明哪些部分仍存在不确定性。这个示例同时训练了该技能的核心能力三件套识别时间压力、剥离修辞、显式声明不确定性。对照 ejentum-reasoning-harness 技能 中另一个沉没成本sunk cost示例可以看到同类问题的另一种形态——用户以我们已经花了三个月在 GraphQL 网关上为由诱导 Agent 锚定历史投入正确响应应当把已投入的时间与从此刻起的前瞻评估分离而不是用最难的学习曲线已经过去这类情感安慰来背书继续投入。在 AAS 仓库中的定位与发现路径anti-deception不是孤立存在的一条技能它在 AAS 的目录发现与工作流证据链中占有一席之地目录发现在 bundle-security 工作流的技能选择证据 等示例输出中anti-deception出现在目录查询返回的技能 ID 列表里说明它与其他技能一样可以通过 AAS 的目录发现机制被 Agent 自主选中来源归属仓库维护记录 README 备份 将其上游标注为ejentum/ejentum-mcp并说明该源同时贡献了ejentum-reasoning-harness涵盖推理、代码审查、反欺骗检查与记忆漂移分析等多个认知模式元数据契约根据 技能结构指南 的 source-credit contract外部 GitHub 来源的技能必须同时声明source_repo与source_type且source_type: community意味着上游仓库需出现在 README 的 Community Contributors 列表中——anti-deception的 frontmatter 完整满足这一契约。从技能结构指南的分类看该技能的定位也可以与risk等级对照理解none为纯文本推理、safe为只读操作而critical表示会改变状态或对生产产生影响的决策——anti-deception被标为critical正是因为它介入的是Agent 对外输出什么结论这一关键环节。使用边界与责任原文档在 Limitations 部分给出了三条明确的使用约束匹配才用仅在任务与其上游来源和本地项目上下文明确匹配时使用该技能不要机械套用验证先行在应用任何改动前验证命令、生成的代码、依赖、凭据与外部服务行为——脚手架改善的是推理结构不是事实核验的替代品示例非万能不要把示例当作环境特定测试、安全审查或对破坏性/高成本操作的用户批准的替代品。同样需要明确的是该技能的能力上限脚手架塑造的是推理的实质substance并不保证答案正确领域专业知识与来源核验仍然适用。它是一道防谄媚崩塌的护栏而不是事实数据库。结语anti-deception代表了 AAS 技能体系中一个少见的防御向设计当用户的请求本身就带有想要一个特定结论的压力时Agent 需要一套独立于事实检索的机制来保持诚实。通过好 query 具体化压力场景 → 脚手架给出失败模式与检查流程 → 先导反证且不回显过程标签 → API 不可达时回退原生判断这条链路开发者可以把拒绝为未验证的主张背书变成 Agent 的可复现行为而不再依赖模型在压力下的临场发挥。若要进一步理解其底层机制可以继续阅读 ejentum-reasoning-harness 技能 中关于四个认知 harness 的整体设计以及 技能结构指南 中关于 frontmatter 契约与风险分级的标准。【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600 agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址: https://gitcode.com/GitHub_Trending/an/agentic-awesome-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考