用途：作为应用源代码中 LLM 集成的审计 playbook，覆盖 Python（openai、anthropic、langchain、llama-index）、JavaScript/TypeScript（openai npm、@ai-sdk/*、langchain.js）以及直连 provider HTTP 端点的调用路径；同时覆盖提示模板、工具/函数调用 schema、RAG 管线、会话历史持久化和模型配置。仅在数据集或训练任务位于仓库内时审查微调管线。不覆盖模型内部权重、provider 基础设施安全和非 LLM 聊天系统。
主要能力：围绕 OWASP LLM 应用类别名称组织九项检查——直接提示注入、间接提示注入、不安全输出处理、过度代理/工具滥用、敏感信息泄露、RAG 特有风险、模型 DoS/成本滥用、模型与插件供应链、护栏形式化识别。每项发现要求记录调用点、污点路径（source→sink）、插值字段信任判定、工具执行主体、可利用性推理与具体修复。
必要用法：假设仅有代码读取权限；先建立模型调用清单，再回溯 messages 数组组装；对完成文本和工具参数做前向污点追踪至危险 sink（eval/exec、shell、SQL、文件系统、HTML 渲染、SSRF 等）；枚举工具 schema 的执行主体与确认门；检查 RAG 检索查询中是否内置租户/ACL 谓词；核对 max_tokens、max_iterations、maxSteps 等上限是否存在；审查模型 ID 是否固定快照及第三方插件/MCP 工具定义。动态 payload 仅用于对自有或授权产品验证。
适用场景：审计第一代 LLM 应用、RAG 系统、agent 工具链与 provider 集成代码。
限制：本模块为静态代码审计方法，需配合动态测试；不进行法律判断，数据处理协议问题交由法务；完整正则签名与模板细节以仓库 GUIDE.md 及模板为准。