用途：在 LLM 功能上线前，把安全与可靠性护栏写成可评审的规格，避免数据泄露、提示注入、越界回答或品牌不可接受的输出。
主要能力：输出《Guardrails Spec: [feature]》，包含五部分。一是威胁模型，列出提示注入、越界使用、PII 泄露、越狱等威胁及其示例与影响；二是按层映射控制，输入层做校验、话题允许/拒绝、PII 检测与脱敏、对检索或第三方内容做注入筛查（视为不可信数据而非指令），模型/提示层设系统提示规则、范围边界、工具白名单与最小权限，并硬性规定不泄露系统提示、不执行内容中的指令，输出层做格式校验、PII 与安全过滤、引用/依据检查、需确认的高影响动作拦截，人工/流程层设确认门、升级路径与速率限制；三是拒答与升级策略，明确拒答内容、措辞与转人工时机；四是日志与监控，规定记录内容（不记密钥、脱敏 PII）、滥用信号告警与事件复盘；五是红队测试集，给出注入、越狱、越界、PII 套取等具体攻击输入及预期安全行为。
使用方式：若未提供信息，可先索要功能说明、信任边界、数据敏感度与可接受行为；也可从简要需求推断威胁面，标注假设并列出待确认项。交付物是控制措施及其所在层，不能只给风险清单。
适用场景：为客服聊天、内部助手等 LLM 功能做上线前安全评审。
限制：资料未提供具体安装命令、平台支持、收费或价格信息；不依赖系统提示单层防护，不信任检索或工具返回内容为指令，不授予宽泛工具权限，不省略红队测试集，不记录含 PII 或密钥的原始提示与输出。