用途：为生产环境 LLM/RAG/智能体应用提供运行时安全层，在数据进入和离开模型时进行检查与约束，对应 MITRE ATLAS AML.T0054（LLM 越狱）的缓解措施。
三大互补组件：Llama Guard 3（Meta）是基于 Llama-3.1-8B 微调的安全分类器，接收安全或不安全及 MLCommons 危害类别 S1–S14，支持提示、回复、工具调用分类与 8 种语言。NeMo Guardrails（NVIDIA）是可编程对话护栏，用 config.yml 加 Colang 流程定义输入、输出、对话、检索与执行护栏，可调用外部模型。LLM Guard（Protect AI）是扫描流水线，含 15 个输入扫描器与 20 个输出扫描器，返回净化文本、有效标志与风险分。
使用方式：需 Python 3.9+，Llama Guard 3 8B 建议 GPU 并接受 Meta Llama 许可。安装命令：python -m pip install llm-guard；python -m pip install nemoguardrails；python -m pip install "transformers>=4.43" torch accelerate huggingface_hub，随后执行 huggingface-cli login。
场景与限制：适用于上线前阻断越狱与注入、审核模型输出、验证护栏配置、构建确定性扫描加语义分类加对话护栏的纵深防御。仅可对自有或经授权的系统测试。具体收费、性能数据与完整实现细节资料未提供。