本文研究了终端AI代理（如Claude Code）中命令黑名单的不完整性问题。随着AI代理的普及，终端AI代理通过执行Shell命令与主机系统交互，通常采用三列表命令门控机制（允许列表、拒绝列表、未知列表）来降低安全风险，其中拒绝列表是关键组件。然而，现代操作系统包含大量功能复杂的Shell命令，即使由开发者精心维护的内置拒绝列表（如Claude Code的）也可能存在绕过漏洞，导致其无法有效阻止预期应阻止的操作。本文首次对终端AI代理中命令黑名单的脆弱性进行了系统性表征。作者形式化了命令黑名单脆弱性问题，并提出了一个基于LLM的流水线CmdNeedle来检测此类脆弱性。该流水线提示LLM提出可能的绕过方法，并通过在沙箱中执行验证器反馈来迭代修复。实验评估中，作者从GitHub收集了1,709个真实世界命令黑名单（包含13,332条拒绝列表规则），应用CmdNeedle后发现69.0%–98.6%的拒绝列表存在脆弱性，且该脆弱性在项目和代理之间一致出现。此外，作者验证了脆弱性的几种可能根本原因。该流水线和发现有望促进AI代理命令拒绝列表的未来研究和实践。