每一次rm -rf都被記下來：CC-Monitor攤開的，是AI代理的信任成本帳

一個數字先看這個工具在解決什麼：CC-Monitor首頁同時統計進行中的終端會話數、Claude Code會話總數、審計事件總數、攔截與疑似繞過次數，以及檔案讀、寫、編輯、刪除各自的計數。開發者0xroot在V2EX分享創造區發布這款工具，一天內累積約922次瀏覽。工具要回答的問題很具體：當Agent修改了你的配置文件，你不知道它什麼時候動的、動了什麼、有沒有動過不該動的東西。

這個問題在AI編碼工具普及後不再是少數人的困擾。我們先前分析過AI代理的回滾成本由誰承擔，一名開發者午睡醒來發現介面被Agent改得面目全非。CC-Monitor把同一條成本鏈往前推了一段：與其事後回滾，先把每一次操作記錄在案，讓回滾有據可查，讓高危操作根本進不了執行階段。

雙層架構：一套規則，一道兜底

CC-Monitor的技術選擇值得拆開看，因為它對應兩種不同數量級的監測成本。

應用層走Claude Code官方的Hooks機制，註冊PreToolUse與PostToolUse兩類鉤子，每次工具調用時拿到工具名稱、命令、檔案路徑等語義資訊，按規則判定放行、攔截或需要人工確認。命中規則的Bash、Write、Edit操作可以直接拒絕，例如rm -rf /或寫入~/.ssh/目錄；中風險操作則在終端彈出確認提示並發送桌面通知。這一層成本低、覆蓋面廣，是主力。

系統層是Linux專用的CC-Monitor-probe，用bpftrace寫eBPF探針，在核心層獨立於Claude Code之外，追蹤claude進程派生出的整棵子孫進程樹的execve與connect呼叫。它的用途是交叉驗證：如果Hooks配置被破壞或繞過，核心層的探針仍能發現異常。換言之，開發者明確假設了應用層監測本身可能是被監測對象的攻擊目標，這在Agent工具的治理設計裡是相對少見的防禦縱深。

Claude Tap：對話原文而非工具摘要

多數審計工具只記錄「調用了哪個工具」。CC-Monitor的Claude Tap功能讀取Claude Code寫在本地的transcript JSONL檔案，也就是hook payload裡的transcript_path欄位，完整呈現發給模型與收到的對話內容：文本、思考過程、工具調用、工具結果、Token用量，按欄位分色渲染。資料來源是本地檔案，不是抓包或中間人解析，這個選擇避開了網路層的合規灰色地帶。

額度監測部分同樣複雜用既有資料源：讀取Claude Code的OAuth憑證，查詢api.anthropic.com的usage接口，呈現單次5小時窗口額度、週額度、分模型週額度與重置時間，與ccstatusline用同一份數據。這與我們先前拆解的AI工具訂閱制定價權帳指向同一個痛點：額度是稀缺資源，吞吐速率由transcript估算出tok/s後，開發者第一次能把自己訂閱費的消耗速度可視化到單會話粒度。

誰在付這本帳

把鏡頭從工具拉到市場，AI代理審計的成本目前由三類角色分攤。

第一類是個人開發者，CC-Monitor的目標用戶。他們付出的不是授權費（工具開源），而是學習與維護成本：理解Hooks配置、在Linux上跑eBPF探針需要相應權限、接受本地多一層常駐服務。換到的回報是把「不知道Agent做了什麼」的認知成本，轉換成可查詢的結構化日誌。

第二類是企業採購方。當AI編碼工具進入企業流程，審計日誌從可選品變成採購條件。CC-Monitor呈現的會話下鑽、事件類型明細、被攔截操作清單，形同一份企業安全團隊能讀的取證接口。這類需求的定價空間，取決於事件量：一個活躍開發團隊每天產生的審計事件可能是數千到數萬條，人工翻閱不可行，風險等級分佈與高危標紅才有一讀價值。

第三類是模型與工具廠商。Hooks機制是Anthropic官方提供的擴展點，第三方在其上建審計層，等於把信任驗證的外部成本內建到工作流。廠商受惠於生態黏性，也承擔壓力：一旦審計工具揭露高頻率的誤操作或繞過案例，會直接反饋到產品的權限預設值設計。

對照與判斷

跨週期看，這不是新問題的第一輪解法。傳統CI/CD pipeline的審計、雲端的CloudTrail日誌、資料庫的slow query log，都走過同一條路：先有規模化的自動操作，再有操作級的記錄與回放工具。AI代理的差異在操作頻率與不可預測性，一個Agent在一次會話裡可能執行數十條Shell命令、修改數十個檔案，人工抽查在數量上已經失效，這解釋了為什麼風險分級與自動攔截是CC-Monitor的核心功能而非附加功能。

收束判斷：CC-Monitor本身是一個社羣作品，其市場意義大於商業意義。它示範了AI代理治理的最小可行架構，應用層規則攔截加系統層獨立驗證加完整對話留痕。當Agent的自動化程度繼續上升，這三件事會從開源工具的功能清單，逐漸變成企業採購AI編碼工具時的標準驗收欄位。屆時定價權會從模型能力本身，部分轉移到「誰能證明模型做了什麼」這一欄。