核心用法
input-guard是面向AI Agent的输入安全检测层，专门用于扫描从外部不可信来源获取的文本内容，识别并拦截Prompt注入攻击。该技能通过Python标准库实现，无需任何外部依赖，支持16种攻击类别检测（包括指令覆盖、角色操纵、系统伪装、越狱、数据外泄等），覆盖英语、韩语、日语、中文四种语言模式。用户可通过Shell命令行或Python子进程调用，支持inline文本、文件读取、stdin管道三种输入方式，输出提供人类可读、JSON、静默三种格式。
显著优点
- 防御前置设计：强制要求在Agent处理外部数据前执行扫描，从架构上阻断攻击链路
- 分级响应机制：5级 severity（SAFE/LOW/MEDIUM/HIGH/CRITICAL）配合明确的处置策略，避免一刀切影响业务
- 零依赖部署：纯Python标准库实现，无需pip安装，适用于隔离环境、容器、边缘设备
- 多语言覆盖：针对东亚语言优化的检测模式，解决国际化场景的防护盲区
- 生态联动：可选集成MoltThreats社区威胁情报，实现攻击样本共享与集体防御
- 脚本友好：Exit Code设计（0安全/1威胁）便于CI/CD、自动化工作流集成
潜在局限
- 规则引擎局限：基于正则/模式匹配，对新型变异攻击、语义混淆、上下文依赖的复杂注入可能存在漏检
- 误报风险：HIGH/paranoid模式下可能出现过度拦截，影响正常内容的处理效率
- 无深度分析：不提供攻击归因、样本关联、行为溯源等高级威胁情报能力
- MoltThreats依赖外网：社区上报功能需要网络连通性和API Key，离线环境不可用
适合人群
- 运营AI Agent自动化工作流的技术团队（爬虫、搜索、API聚合类场景）
- 需处理用户提交URL、社交媒体内容、第三方RSS/Feed的客服/内容Agent
- 对供应链安全有要求的金融、政务、医疗领域AI应用开发者
- 希望快速部署输入防护、不愿引入重型安全基础设施的中小团队
常规风险
- 绕过风险：攻击者可能通过编码混淆（Base64、零宽字符）、多语言混合、分段投递等方式规避模式检测
- 性能瓶颈：高频调用场景下，纯Python实现的扫描可能成为I/O瓶颈
- 配置漂移：sensitivity级别选择不当（过低导致漏报/过高导致业务阻断）需结合业务持续调优
- 密钥泄露：MOLTHREATS_API_KEY等环境变量若未妥善管理，存在凭证泄露风险