前陣子刷 Twitter 的時候，突然看到 GitHub Security Lab 發了一個超級硬的梗圖——一隻機器人拿著「這次真的很安全」的牌子，底下連結到一個名為 Season 4: Hack the AI Agent 的專案。身為一個在資安圈打滾多年的老屁股，第一直覺告訴我：這東西不簡單。

點進去一看，果然不是玩票性質。GitHub 把整個遊戲設計成一個故意留有漏洞的 AI 代理系統 ProdBot，玩家要做的不是「保護」系統，而是「駭進去」——找出它在代理式工作流（Agentic Workflow）中的各種安全缺口。這種「以攻代防」的學習方式，恰恰是當前業界最欠缺的能力。

根據 Fortune Business Insights 的報告，2026 年代理科 AI 市場規模已突破 90 億美元，預計到 2034 年將飙升至 1,390 億美元。當所有企業都在搶著部署 AI 代理處理財務審批、客戶服務、程式碼部署時背後的安全風險卻被嚴重低估。GitHub 此時推出這個教育平台，某種程度上是在填補一個巨大的產業缺口。

簡單來說，這是一個由 GitHub Security Lab 發起的互動式資安學習平台。不同於傳統的影片教學或文件閱讀，它採用「做中學」的遊戲化模式，讓開發者在真實的程式碼環境中挖掘並修補安全漏洞。

第四季的主題是「Hack the AI Agent」，專注於代理式 AI 安全這個全新領域。遊戲的核心是一個名為 ProdBot 的終端機器人——這個 AI 助理的設計靈感來自 OpenClaw 和 GitHub Copilot CLI，但 GitHub 故意在裡面埋了各種漏洞，等著玩家來發現並 exploit。

根據官方說法，目前已經有超過 10,000 名開發者完成了前三季的挑戰。每季包含 5 個關卡，預計需要 2-9 小時完成。而最棒的是——完全免費、开源，而且不需要任何 AI 或程式設計的先備知識就能上手。

ProdBot 是整個遊戲的核心——它是一個故意不安全的 AI 代理系統，設計靈感來自真實世界的 AI 編碼助手。根據 Hermetic Systems 的深度分析，ProdBot 的架構參考了 Hermetic 的代理隔離憑證模型，但 GitHub 在其中加入了多個真實存在的安全漏洞，讓玩家能夠學習如何識別這類威脅。

這個代理機器人模擬了真實世界中 AI 代理的工作流程：接收自然語言指令、調用工具、執行命令、與其他代理協作。問題在於——當這些流程沒有被妥善保護時，攻擊者可以透過各种方式操控代理的行為，從竊取憑證到未授權的系統操作。

在 GitHub 的官方描述中提到，這個系統靈感來自 OpenClaw 和 GitHub Copilot CLI。這意味著玩家在遊戲中發現的漏洞類型，很可能會出現在真實的 AI 代理系統中。GitHub 希望通過這種「先發現、後修補」的方式，讓開發者在產品部署前就具備識別這類問題的能力。

Season 4 的五個關卡採漸進式難度設計，從基礎的提示詞注入攻擊一路到複雜的多代理協作漏洞。以下是各關卡的核心學習目標：

第一關：Prompt Injection 提示注入攻擊

玩家學習如何透過精心構造的輸入操控 AI 代理的行為。這是最基礎但也最常見的 AI 安全威脅——攻擊者透過在輸入中植入恶意指令，讓 AI 忽略原始任務而執行攻擊者指定的操作。這關的重點是理解輸入驗證和上下文隔離的重要性。

第二關：Goal Manipulation 目標操縱

進階攻擊手法——攻擊者不再只是注入指令，而是試圖改變 AI 代理的目標函數本身。根據 Arcanum Security 的研究，這種類型的攻擊在金融系統中最為危險：攻擊者可以讓 FinBot 批准欺詐性發票卻不觸發任何警報。這關讓玩家體會「目標完整性」在 AI 代理設計中的關鍵地位。

第三關：Multi-Agent Communication 多代理通訊漏洞

當多個 AI 代理需要協作時，它們之間的通訊協議本身就成為攻擊面。玩家學習如何攔截、篡改或偽造代理之間的訊息，進而控制整個工作流的走向。這關的難度在於需要理解代理間信任鏈的建立與驗證機制。

第四關：Credential Isolation 憑證隔離突破

基於 Hermetic 的代理隔離架構，玩家學習如何突破代理之間的憑證邊界。當一個代理被賦予過多權限時，攻擊者可以透過横向移動取得其他代理的敏感憑證。這關強調最小權限原則在 AI 代理設計中的應用。

第五關：CI/CD Pipeline 滲透

最終關卡整合前面所學，玩家需要利用多個漏洞組合，最終在 CI/CD 流程中站稳脚跟。這關的設計呼應了 GitHub 作為程式碼托管平台的DNA——讓玩家理解AI 安全與 DevOps 安全必須一體化考量。

說到代理式 AI 的市場潛力，數據簡直瘋狂。根據多個權威機構的預測：

• Mordor Intelligence：2026 年代理科 AI 市場規模達 98.9 億美元，CAGR 42.14%
• Precedence Research：2034 年市場規模將突破 1,990 億美元
• Coherent Market Insights：2033 年市場規模達 1,148.9 億美元

但這些數字背後隱藏著一個嚴峻的問題：市場爆炸式成長的同時，安全人才嚴重短缺。根據筆者的觀察，目前大多數 AI 代理系統的開發團隊專注於功能實現，安全審計往往被視為「之後再說」的事項。這種心態在傳統軟體開發中已經造成無數災難，在 AI 代理領域更是如此——因為 AI 代理具有自動化決策能力，一旦被攻陷，影響範圍遠比一般應用程式更大。

GitHub 推出 Secure Code Game Season 4 的時機可說是恰到好處。當企業開始在關鍵業務流程中部署 AI 代理時，開發者社群需要具備辨識這類系統安全問題的能力。這個遊戲提供了一個零門檻的學習路徑——不需要昂貴的培訓課程，不需要企業內部的專業導師，只要有 GitHub 帳號和一台能上網的電腦就能開始。

更具戰略意義的是，這個遊戲的开源性質允許企業將其整合到內部培訓流程中。人力資源部門可以追蹤員工的遊戲進度，作為評估 AI 安全能力的參考指標之一。這種「遊戲化評估」模式在矽谷已經開始流行，GitHub 此時推出這個平台，無疑是在引領趨勢。

GitHub 在設計 Season 4 時特別強調了與 CI/CD 流程的整合。遊戲中的挑戰可以直接在 GitHub Codespaces 中運行，這意味著玩家學習的環境與企業實際的部署環境高度一致。完成遊戲後，開發者可以輕鬆地將所學應用到日常工作流程中。

具體來說，可以考慮以下整合策略：

1. 自動化安全掃描：在 CI/CD pipeline 中加入專門針對 AI 代理配置的 LLM 安全掃描工具
2. 提示詞注入測試：建立標準化的提示注入測試用例庫，作為每次部署前的必經關卡
3. 代理權限審計：自動化檢查 AI 代理的權限配置，確保符合最小權限原則
4. 多代理通訊監控：在生產環境中部署代理間通訊的監控機制，及時發現異常行為

根據 LetsDataScience 的分析，Season 4 的設計目標之一是「為安全工具開發提供新型工具學習平台」。這意味著 GitHub 希望不僅培養會使用 AI 代理的開發者，更要培養能夠開發和審計 AI 安全工具的人才。這種「工具建構者」視角，是這個遊戲區別於一般資安培訓的核心價值。

GitHub Secure Code Game 第四季需要多少時間才能完成？

根據官方資訊，每個季節包含 5 個關卡，通常需要 2-9 小時完成，具體時間取決於你的程式設計經驗和對資安概念的熟悉程度。即使是完全的新手，也可以借助遊戲內建的提示系統逐步完成挑戰。

我需要先具備 AI 或資安的背景知識嗎？

完全不需要。GitHub 明確表示 Season 4「requires zero prior AI or coding experience」（不需要任何 AI 或程式設計的先備知識）。遊戲的設計理念是「從做中學」，玩家會在實作過程中自然掌握所需的知識點。

如何將 Secure Code Game 的學習成果應用到實際工作中？

遊戲中學到的概念可以直接應用於：審計公司內部 AI 代理系統的安全性、在 CI/CD pipeline 中加入 AI 安全測試環節、開發客製化的 AI 安全審計工具。你也可以將遊戲作為團隊培訓教材，提升整個團隊的 AI 安全意識。

立即開始你的 AI 安全之旅

代理式 AI 的時代已經來臨，市場規模正在以 42% 的年複合成長率狂飆。但在這波熱潮中，安全問題往往被遺忘在角落。GitHub Secure Code Game Season 4 提供了一個免費、开源、零門檻的學習路徑，讓任何開發者都能快速掌握 AI 代理安全的核心概念。

不要等到系統被攻陷才後悔——現在就武裝自己，在代理式 AI 的萬億美元市場中站穩腳跟。

開始挑戰 Season 4 →

• GitHub Blog: Hack the AI agent – Build agentic AI security skills with the GitHub Secure Code Game
• GitHub Skills: Secure Code Game (Official Repository)
• Season 4 README – Secure Code Game
• Hermetic Systems: I Played GitHub’s AI Agent Security Game – Complete Level Analysis
• Fortune Business Insights: Agentic AI Market Size, Share & Forecast Report [2026-2034]
• Mordor Intelligence: Agentic AI Market Share, Size & Growth Outlook to 2031
• Precedence Research: Agentic AI Market Size to Hit USD 199.05 Billion by 2034
• Arcanum Security: AI Security Lab Hub – Training Environment