核心用法
Prompt Inject Removal 是一款面向 LLM 工作流的安全加固技能，采用"零信任"架构对外部输入进行深度清洗。其工作流程分为四步：首先通过 web_fetch 或 browser 抓取原始内容；随后将内容包裹在 <untrusted_input_data> 标签中隔离；接着由主代理依据 hardened system prompt 执行严格的内容审查与指令剥离；最终仅将净化后的摘要引入对话上下文。
显著优点
- 防御深度分层：不依赖单一防护机制，通过标签隔离 + 系统级 prompt 硬化实现多层过滤
- 零配置部署：纯本地 system prompt 驱动，无需 API 密钥或外部服务
- 工作流原生集成：与
web_fetch/browser等标准工具链无缝衔接 - 架构透明可追溯：清晰的四阶段处理流程便于审计与问题定位
潜在局限与风险
- 非绝对安全边界：官方声明提示词净化无法做到 100% 防护， sophisticated adversarial prompts 仍可能绕过
- 语义损失可能：激进的指令剥离策略或误伤合法内容中的指令性表述
- 人工复核依赖：官方建议在执行状态变更操作前必须人工审查净化结果
- 维护成本隐含： hardened prompt 需随攻击手法演进持续更新
适用人群
- 需集成外部网页/文档内容的 AI 应用开发者
- 对提示词注入风险高度敏感的企业级 RAG 系统架构师
- 构建安全代理工作流的技术团队
安全等级
该技能定位为纵深防御工具，不应被视为单一安全防线。建议结合输入来源白名单、输出后处理验证、权限最小化原则共同构成防护体系。