核心用法
Prompt Guard是一款面向大语言模型的提示词注入防御工具，采用分层架构设计。核心工作流程包括：通过PromptGuard.analyze()接口接收用户输入，利用SHA-256哈希实现消息级缓存复用，并基于三层模式库（CRITICAL/HIGH/MEDIUM）进行威胁检测。支持CLI快速检测、YAML灵活配置及Python API深度集成，同时提供输出侧DLP扫描能力。
显著优点
1. 极致令牌效率：Tiered Pattern Loading实现首次请求70%令牌削减，LRU哈希缓存使重复请求降低90%消耗
2. 分级威胁响应：五级 severity（SAFE至CRITICAL）映射差异化处置动作，避免过度拦截
3. 生态兼容：原生支持HiveFence威胁情报网络、SHIELD标准输出格式及MCP协议防护
4. 多语言覆盖：内置10种语言注入检测，突破英语中心局限
5. 模块化架构：Critical/High/Medium三层模式独立加载，支持quick_scan与escalate_to_full动态升降级
潜在局限
- 作者权威性存疑：开发者Seojoon Kim的公开安全背景未经验证，缺乏知名安全机构背书
- 模式库黑盒：500+具体检测模式仅通过外部YAML文件加载，SKILL.md未披露核心规则细节
- 缓存安全风险：SHA-256哈希可能遭遇碰撞攻击，1000条LRU容量在高并发场景下命中率存疑
- 误报控制：
paranoid灵敏度模式未提供基线测试数据
适合人群
- 部署自托管LLM应用的中小团队
- 需平衡安全与成本的Token敏感型业务
- 已采用SHIELD/MCP生态的技术架构
常规风险
1. 配置误用：pattern_tier: critical过度精简可能漏检MEDIUM级攻击
2. 输出DLP盲区：scan_output()依赖正则匹配，对语义级信息泄露防护有限
3. 供应链风险：外部YAML模式文件需独立审计，运行时加载引入文件系统攻击面
4. 缓存穿透：构造哈希碰撞输入可绕过检测机制