BD defending-llms-with-guardrails
Развертывает классификацию безопасности Llama Guard 3, программируемые правила диалога NeMo Guardrails и конвейеры сканирования ввода/вывода LLM Guard в качестве дополнительных средств защиты в реальном времени, которые проверяют и ограничивают запросы и ответы LLM. Используйте при добавлении уровня безопасности в реальном времени для LLM, RAG или приложений агентов для блокировки джейлбрейков, внедрения запросов (OWASP LLM01), токсичного контента или утечки конфиденциальных данных до того, как они достигнут модели или покинут ее.
машинный переводПоказать оригиналСкрыть оригинал«Deploys Llama Guard 3 safety classification, NeMo Guardrails programma…»
Deploys Llama Guard 3 safety classification, NeMo Guardrails programmable dialogue rails, and LLM Guard input/output scanner pipelines as complementary runtime defenses that inspect and constrain LLM prompts and responses. Use when adding a production runtime safety layer to an LLM, RAG, or agent application to block jailbreaks, prompt injection (OWASP LLM01), toxic content, or sensitive-data leakage before it reaches or leaves the model.
Развертывает классификацию безопасности Llama Guard 3, программируемые правила диалога NeMo Guardrails и конвейеры сканирования ввода/вывода LLM Guard в…
Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, ошибки и развилки
Как улучшить
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 1
✓ Критических и высоких находок нет
Средние и низкие: 1
✓ Guard не нашёл подозрительного поведения. 1 совпадений — это строки атак, процитированные в документации самого скилла по безопасности.
Просканировано файлов: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- заметка
frontmatter-keyнеизвестное поле фронтматтера "domain" - заметка
frontmatter-keyнеизвестное поле фронтматтера "subdomain" - заметка
frontmatter-keyнеизвестное поле фронтматтера "nist_ai_rmf" - заметка
frontmatter-keyнеизвестное поле фронтматтера "atlas_techniques"
Процессный рейтинг: все десять параметров 49/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 85Шаги. Шагов: 24, расплывчатых формулировок: 1
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2895 токенов
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- -42 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
- +2Инструкции на одном языке
- +3Длина description 442 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 16 заголовков
- +3Пошаговые инструкции: 24 пунктов
- +4Есть примеры (9 блоков кода)
- +3Все 1 скриптов описаны в инструкциях
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.