核心用法
Prompt Injection Protection Skill 是一套面向大语言模型应用的安全防护框架，专门用于拦截和缓解提示词注入攻击。该技能通过四层防御机制运作：
1. 输入净化层：对外部文本进行实体编码、特殊字符转义与结构化标记清洗，消除潜在的指令劫持载体
2. 模式检测层：基于正则表达式与启发式规则识别已知的注入模式（如忽略前述指令、角色扮演请求、系统提示泄露等攻击向量）
3. 上下文隔离层：将用户输入与系统指令严格分离，采用模板沙箱技术防止指令上下文污染
4. 输出验证层：对模型生成内容进行后置扫描，阻断可能泄露系统提示或执行非预期操作的响应
显著优点
- 多源适配：覆盖网页抓取、邮件解析、文档处理、API 回调等常见外部输入场景
- 低侵入集成：以 Skill 形态提供，无需修改底层模型架构即可部署
- 策略可配置：支持按业务敏感度调整过滤强度，平衡安全性与可用性
潜在局限
- 对抗性演进风险：面对基于优化的自适应攻击（如梯度攻击、语义重构）时，规则-based 检测存在被绕过的可能
- 误伤代价：过度严格的过滤可能影响多语言内容、创意写作等合法场景的输出质量
- 无主动学习：当前版本未集成在线模型更新机制，需依赖人工维护规则库
适合人群
企业级 LLM 应用开发者、内容安全合规团队、搭建 RAG/Agent 系统的工程师，特别是处理用户上传文件、爬取公开网页、集成第三方数据源的场景。
常规风险
- 无法防御模型层面的越狱攻击（如通过长上下文诱导）
- 不解决训练数据投毒或微调后门问题
- 需配合访问控制、审计日志等其他安全措施形成纵深防御