随着消费者使用 AI 智能体进行产品推荐和购买，电商平台对代理式 AI 安全性的需求日益增加，以保护企业和客户。
代理式商务正在快速增长：2026年第二季度，Shopify 商店由 AI 驱动的交通量同比增长了三倍。数据显示，与传统的自然搜索相比，AI 搜索在产品页面上的转化率高出近 80%。随着电子商务中 AI 应用的显著增长，企业主需要为代理式商务独特的安全风险做好准备。
本指南定义了代理式 AI 安全性，探讨了整合 AI 智能体时需应对的安全风险，并解释了店主可实施的、用于负责任管理 AI 智能体的安全控制措施。
什么是代理式 AI 安全性？
代理式 AI 安全性是指保护系统与 AI 智能体交互免受风险的能力。这些风险可能源于外部浏览产品的 AI 智能体，也可能来自处理实时定价、采购、库存管理或客户服务等内部代理系统。
代理式 AI 安全性旨在缓解上述风险。以下是 Shopify 的数据和 AI 管理设置确保交易安全的几种方式：
- 私有商业数据保持私密：第三方 AI 渠道无法访问您的完整订单历史、其他销售渠道的订单或常规客户数据库。对于通过直接结账从 AI 渠道发起的订单，订单数据（如姓名、地址、订单详情）将与 AI 渠道共享。
- 与第三方 AI 供应商的合同保护：Shopify 与第三方 AI 供应商的关系受合同约束，限制提供商将 Shopify 或商家数据用于除提供服务之外的任何目的（例如利用数据训练自身或第三方模型）。
- 对代理合作伙伴数据访问的控制：Shopify Admin 中的店主拥有针对每个合作伙伴的控制权限，决定哪些代理合作伙伴可以接收产品数据。例如，您可以允许代理通过 Shopify Catalog 访问数据但引导至商店结账；允许在其渠道内完成全流程；或完全禁止访问。
- 竞争对手无法看到非公开数据：您的非公开商店数据不会向其他 Shopify 店主暴露。
代理 AI 安全的关键原则
- 实施最小权限访问
- 设定人工监督阈值
- 保护操作层安全
- 持续监控代理行为
- 在代理之间建立零信任机制
- 验证代理的输入和输出
*免责声明：这些原则是部署代理到业务中的一般最佳实践，反映了 Shopify 对其自身代理开发方法的部分做法。有关 Shopify AI 产品和经过审计的保证计划的更多详细信息，请参阅帮助中心。
设计时应假设代理会犯错、基于不准确数据行动，并可能被操纵产生不安全行为。这种 AI 安全系统有助于保护业务。降低风险依赖于多层防护体系，以确保任何单一故障都不会导致灾难性损害。
以下是增强代理 AI 安全的六项基础原则。
1. 实施最小权限访问
为智能体分配执行特定任务所需的最小权限，不多也不少。例如，客户服务智能体可能需要读取订单历史记录，但不应访问定价系统或供应商记录；定价智能体可能需要读取竞争对手数据并更新价格，但不需要访问支付记录或客户个人身份信息（PII）。
实施最小权限访问涉及在部署前为每个智能体建立严格的权限级别，并在添加新工具和集成时定期审计其可访问的系统。
2. 设定人工监督阈值
限制 AI 智能体在未经人类批准的情况下可采取的行动。明确定义审批阈值有助于确保高风险决策获得额外审查。
例如，客户服务智能体可能被授权发放高达 50 美元的退款，采购智能体可重新订购标准库存商品，但批准更大金额退款或添加新供应商则需人工干预签字确认。企业还可要求客户确认超过指定金额的智能体驱动购买行为。
3. 保护操作层
如果智能体连接的系统未受保护，仅对 AI 智能体设定明确限制是不够的。操作层——包括 API、自动化工作流及第三方集成——若控制不当可能成为安全风险。
常见保护措施包括速率限制（防止智能体发出过多 API 调用）以及使用临时身份验证令牌（降低恶意智能体重用被盗凭证的风险）。企业还可对智能体可执行的操作施加限制，例如无论收到何种指令，定价智能体都绝不应能将价格设置为零。
4. 持续监控智能体行为
今天运行正常的智能体，明天可能会受到损害或被操纵。请使用监控工具将智能体活动与已建立的行为基线进行比较，并在偏离预期模式时接收警报。
例如，若客户服务智能体突然开始访问定价 API，或采购智能体以异常频率批准新供应商订单，应立即触发人工审核。
5. 在智能体之间建立零信任机制
零信任方法要求 AI 智能体在执行操作前验证请求的身份、权限和授权，即使请求来自另一个 AI 智能体。
这在多智能体系统中尤为重要，因为智能体间可能相互传递指令。当智能体自动信任另一智能体信息时可能出现风险：低级智能体可能被用来操纵拥有更高特权的 AI 系统（即特权提升攻击）。
例如，被授权批准 50 美元以下退款的客户服务智能体，可能被操纵向财务智能体发送 500 美元退款请求。若财务智能体自动信任该请求，较大金额退款可能在未经适当审核下被批准。
6. 验证智能体的输入和输出
智能体接收的每条客户消息、产品列表、供应商文档或第三方数据源都可能构成潜在风险。同样，智能体执行的每个操作都可能导致敏感数据泄露或引发意外后果。企业可通过在处理前筛查所有输入，并在执行前根据已知安全边界验证输出来降低风险。
例如，自动化筛查系统可扫描客户消息中试图调用系统命令的内容（这可能表明存在提示注入攻击，即欺骗 AI 遵循恶意或非预期指令）。定价智能体可被限制为无法批准超出最低或最高阈值的新产品价格。
定期对验证系统进行压力测试，有助于确保其继续按预期工作。