用途：为 AI 智能体加固，抵御提示注入、数据外泄、沙箱逃逸与未授权能力提升。当智能体可访问工具、API、文件系统或代码执行环境时，攻击面随之扩大，本技能提供分层防御模式。
主要能力：五层防御模型——输入净化在内容进入模型上下文前识别并中和已知注入模式；指令锚定用 XML 分隔符、优先级声明与身份强化使系统提示难以被覆盖；输出过滤扫描响应中的敏感数据泄露；权限边界在代码层强制限制动作；审计日志记录每次输入、决策与动作，便于事后取证。另含密钥扫描器，可识别 AWS Key、GitHub Token、API Key、私钥、JWT、邮箱与 IP 等模式并做脱敏。
使用方式：资料给出 Python 与 TypeScript 实现示例，包括 InputSanitizer 类、ANCHORED_SYSTEM_PROMPT 模板、SecretScanner 类与 PermissionBoundary 类。核心做法是把用户数据放入 <user_data> 标签并声明其为数据而非指令，在代码层而非依赖模型自觉来执行权限限制。
适用场景：智能体处理任何用户提供或外部输入；智能体拥有文件写入、shell 执行、API 调用等敏感工具；面向可信组织之外的用户部署；合规要求对 AI 系统施加安全控制；需同时防御蓄意攻击与意外注入；多租户数据隔离环境。
限制：资料未提供具体安装命令、包名或版本信息；平台兼容性以表格形式列出 Claude Code、Cursor、Codex、Gemini CLI 对各层防御的支持程度，部分平台仅支持自定义实现。防御模式需按实际环境调整，资料未给出完整部署步骤或性能数据。