用途：为 AI/LLM 驱动的应用功能提供安全清单与工作流，覆盖提示注入、跨租户数据泄露与租户隔离失效、越狱和对抗性输入等风险，并涉及 DPPA/GDPR 合规。适用于需要可复用判断、领域约束或成熟流程的任务；若任务与 AI 安全无关或只需简单回答，则不应使用。
主要能力：一是提示注入防御，包括结构化分离（不把用户输入直接拼进系统提示）、输入清洗（拦截 ignore previous instructions、DAN、HTML 标签、代码块等模式并限制长度）、系统提示加固。二是调用外部 AI API 前的 PII 脱敏，覆盖卡号、SSN、乌干达手机号、护照、NIN、邮箱等，并记录被脱敏字段名而非值。三是输出校验与净化，校验 JSON 与必填字段，文本用 htmlspecialchars 与 strip_tags 处理，禁止未净化渲染、执行 AI 生成代码或 SQL、把输出当可信数据存储。四是 AI 端点限流，示例为每用户每小时 20 次、每租户每小时 500 次。五是审计日志，记录租户、用户、功能、模型、输入输出哈希、token 数、脱敏字段、是否检测到注入，不记录明文提示与响应。六是敏感数据分级与 DPPA 2019 合规清单。
使用方式：先读 SKILL.md，再按需加载引用的深入文件；按有序指引、清单和决策规则执行，而非挑拣片段；产出时明确假设、风险与后续工作。需先收集项目上下文、约束与具体问题，并确认交付物类型（设计、代码、评审、迁移计划、审计或文档）。
适用场景：AI 功能上线前的安全评审、架构决策、实现指导与合规检查。
限制：资料未提供具体安装命令、价格、平台支持或效果数据；示例代码需结合自身约束判断适用性，不应直接复制。相关配套技能包括 ai-architecture-patterns、vibe-security-skill、web-app-security-audit、uganda-dppa-compliance、ai-prompt-injection-and-tenant-safety、ai-tenant-isolation-patterns、ai-model-gateway、ai-observability-and-debugging。