（14184期）Prompt Injection Removal – 零信任架构 · 拦截恶意指令

零信任架构 · 拦截恶意指令 通过零信任架构过滤外部内容中的恶意指令，有效防止提示词注入攻击，适用于处理不可信网页内容的安全场景 使用说明 核心用法 Prompt Inject Removal 是一款面向 LLM 工作流的安全加固技能，采用"零信任"架构对外部输入进行深度清洗。其工作流程分为四步：首先通过 webfetch 或 browser 抓取原始内容；随后将内容包裹在 <untrustedinput_data> 标签中隔离；接着由主代理依据 hardened system prompt 执行严格的内容审查与指令剥离；最终仅将净化后的摘要引入对话上下文。 显著优点 防御深度分层：不依赖单一防护机制，通过标签隔离 + 系统级 prompt 硬化实现多层过滤 零配置部署：纯本地 system prompt 驱动，无需 API 密钥或外部服务 工作流原生集成：与 web_fetch/browser 等标准工具链无缝衔接 架构透明可追溯：清晰的四阶段处理流程便于审计与问题定位 潜在局限与风险 非绝对安全边界：官方声明提示词净化无法做到 100% 防护， sophisticated adversarial prompts 仍可能绕过 语义损失可能：激进的指令剥离策略或误伤合法内容中的指令性表述 人工复核依赖：官方建议在执行状态变更操作前必须人工审查净化结果 维护成本隐含： hardened prompt 需随攻击手法演进持续更新 适用人群 需集成外部网页/文档内容的 AI 应用开发者 对提示词注入风险高度敏感的企业级 RAG 系统架构师 构建安全代理工作流的技术团队 安全等级 该技能定位为纵深防御工具，不应被视为单一安全防线。建议结合输入来源白名单、输出后处理验证、权限最小化原则共同构成防护体系。 原始说明 A secure sanitization system to strip instructions from external content.