背景：AI 工具普及之后，管理面是空白的
企业内网推广 AI 编码工具（我们用的是 DeepSeek Harness，下称 DSH）之后，很快会遇到几个问题：
- · 谁在用？哪台机器装的？离职了 key 收了吗？
- · 每天烧多少 token？哪个部门用得多？该给谁开哪个模型？
- · 机器上的配置有没有被人改过？怎么证明"这台机器还在管"？
这些问题 DSH 本身不回答——它是给员工用的，不是给管理员用的。所以我们在 DSH 之外做了一个集中管理平台：服务端 + 浏览器控制台 + 员工机上的一个轻量受管插件。整个项目由 AI Agent 在 DSH 里推进完成，本文只讲其中的控制台部分。
控制台长什么样
六个页签：概览、用量、人员、设备、注册码、模型与配额（审计员还能看到第七个：审计）。技术上刻意"朴素"：零第三方依赖的原生 JS（HTML 681 行 / JS 2630 行 / CSS 1549 行），原因是它是管理面——一旦被 XSS 就等于管理员会话被拿走，依赖越少、攻击面越小。
概览：一屏回答"现在什么情况"
人员数、设备数、待审批、24 小时活跃、合规异常、近 1 小时心跳。设备列表直接给出每台机器的合规徽章：合规 / 已漂移 / 版本落后 / 未知——不用点进去逐台查。
设备：注册不用管理员发码
这是整个平台我最满意的一个设计转变。最初版本是"管理员给每个工号签发注册码"——安全，但管理成本随人数线性增长：几百人就是几百次点击加几百次沟通。
现在默认走 SSO 自注册：员工在自己机器上跑一条命令，浏览器点一次确认，机器就挂到他的工号下。管理员只在异常时出现——超过每人工号设备上限的注册会进入待审批队列，在设备页批准或拒绝，注册码降级为例外路径（外包、共享机这类走不了 SSO 的场景）。
设备列表能看到：来源（SSO 自注册 / 注册码）、合规状态、DSH 版本、patch 指纹、最后心跳。合规判定完全在服务端：插件只上报"我是什么版本、我的 patch 指纹是什么"，平台拿它与基线比对——手动改坏一台机器的配置，控制台立刻显示"已漂移"。这条是 M2 的验收点，有自动化测试守着。
用量：四个维度 + 一条底线
按日 / 人 / 部门 / 模型聚合，token 口径是输入 + 输出 + 缓存读 + 缓存写，按会话去重（重放、补发不会让数字翻倍）。有一条容易被忽略的底线：映射不上机器的用量单独统计，绝不混进人均——如果静默丢弃，"未映射机器数为 0"这个验收就永远做不实。
角色：平台管理员没有审计查询权
五档角色：员工（只看自己）、部门负责人（本部门汇总）、模型管理员、平台管理员、审计员。其中一条是刻意的职责分离，不是遗漏：平台管理员没有审计查询权——不然"自己改、自己查"，审计就失效了。
审计：只追加，查询也留痕
审计是只追加的 JSONL：注册、审批、登录失败、越权尝试，连"谁查了审计"本身也记一条。字段自动脱敏，密钥类字段进不了日志。
存储改造：从 11 GB/天 到 13 MB/天
控制台背后还有一次值得记录的优化。最初实现里，每次设备心跳都会重写整个 `people.json`（人员配置和设备状态混在一个文件里）。500 台设备、15 分钟一跳，推算下来是每天 11.3 GB 的磁盘写入——数据还小的时候感觉不到，到一两百台就会先被写放大卡死。
Phase 0 改造（不换存储介质，仍是 JSON/JSONL，零第三方依赖）：
| 指标 | 改造前 | 改造后 |
|---|---|---|
| 心跳写入（500 台） | 11,344 MB/天 | 13.2 MB/天 |
| 心跳审计条数 | 48,000 条/天 | 约 40 条/天 |
| 用量启动（10 万行） | 113 ms 全量进内存 | 0.4 ms（只读索引） |
| 用量聚合（近 7 天） | 98 ms 全表扫描 | 3.8 ms |
心跳从"每次重写全表"改成"内存缓冲 + 只追加变化的记录到增量日志"；常规心跳不再进审计（审计只留合规跳变、吊销、审批这类需要人看的事件），心跳本身进分钟级聚合指标。这两刀下去，审计从"心跳流水"变回"能被人读完的证据"。
验证：329 项自动化检查
控制台这类东西最容易"看起来能跑，一测就漏"。项目的验证体系分 14 组、329 项，61 秒跑完，其中 E 组是用 headless Chrome 驱动真实浏览器的 52 项 UI 检查（登录、七个页签、四种角色的可见性收敛、点一遍待审批、无外链、无 JS 异常）。
独立代码审查又挖出过一批"只有真跑才暴露"的缺陷——比如批量刷盘因为一个无 await 的 async 函数只生效一次、关停钩子误用 .catch() 导致崩溃退出、用量查询在 UTC 午夜附近会莫名少一天。这些现在都有回归断言守着。
一点方法论
这个项目做完，有三条感受值得记下：
- 1. "客户端不是判定方"是底线。合规判定、模型授权、角色收敛全在服务端；插件和浏览器只展示结果。任何把判定逻辑放到客户端的方案，最终都会变成"改个前端就能绕过"。
- 2. 压测数字要早做。"数据还小不用优化"和"到 200 台就卡死"之间隔着的，就是一次写放大压测的功夫。
- 3. 验证组是真跑，不是看代码。329 项里最值钱的都是端到端的：真起服务、真发 HTTP、真开浏览器。看代码永远觉得是对的。
受管插件（dsh-managed-agent）已开源：<https://github.com/tableau-China/dsh-managed-agent>（MIT，v0.2.1）。
*本文由 AI Agent（DeepSeek Harness）辅助整理，项目的设计、实现与验证过程均在其上完成。*
No comments yet