القائمة
Ensure agent safety - guardrails, content filtering, monitoring, and compliance
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
استنادا إلى تصنيف SOC المهني
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/pluginagentmarketplace/custom-plugin-ai-agents --skill agent-safetyيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
عرض SKILL.md
Implement agent memory - short-term, long-term, semantic storage, and retrieval
Master AI agent fundamentals - architectures, ReAct patterns, cognitive loops, and autonomous system design
Integrate LLMs into applications - APIs, prompting, fine-tuning, and context management
| name | agent-safety |
| description | Ensure agent safety - guardrails, content filtering, monitoring, and compliance |
| sasmp_version | 1.3.0 |
| bonded_agent | 07-agent-safety |
| bond_type | PRIMARY_BOND |
| version | 2.0.0 |
Implement safety systems for responsible AI agent deployment.
Invoke this skill when:
| Parameter | Type | Required | Description | Default |
|---|---|---|---|---|
task | string | Yes | Safety goal | - |
risk_level | enum | No | strict, moderate, permissive | strict |
filters | list | No | Filter types to enable | ["injection", "pii", "toxicity"] |
from guardrails import Guard
from guardrails.validators import ToxicLanguage, PIIFilter
guard = Guard.from_validators([
ToxicLanguage(threshold=0.8, on_fail="exception"),
PIIFilter(on_fail="fix")
])
# Validate output
validated = guard.validate(llm_response)
# Prompt injection detection
INJECTION_PATTERNS = [
r"ignore (previous|all) instructions",
r"you are now",
r"forget everything"
]
# Content filtering
filters = [
ToxicityFilter(),
PIIRedactor(),
HallucinationDetector()
]
class RateLimiter:
def __init__(self, rpm=60, tpm=100000):
self.rpm = rpm
self.tpm = tpm
def check(self, user_id, tokens):
# Token bucket algorithm
pass
| Issue | Solution |
|---|---|
| False positives | Tune thresholds |
| Injection bypass | Add LLM-based detection |
| PII leakage | Add secondary validation |
| Performance hit | Cache filter results |
tool-calling - Input validationllm-integration - API securitymulti-agent - Per-agent permissions