# direct-injection-detection

Проверяет, пытается ли пользовательская реплика переопределить системные и разработческие инструкции. Нужен для тестирования поведения AI-агента.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · ★ 7121
- Автор: Tencent
- Лицензия: Apache-2.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/Tencent/AI-Infra-Guard/tree/HEAD/agent-scan/agent_scan/prompt/skills/direct-injection-detection/SKILL.md
- Обновлён: 2026-10-22
- HTML: https://affpapa.org/nevibecode/skills/direct-injection-detection

## Что делает

Скилл проверяет прямые попытки изменить роль агента или заставить его раскрыть системные и разработческие инструкции. Он работает с самой пользовательской репликой и не анализирует внешние документы, RAG или веб-контент.

Проверка проходит в два этапа: сначала скилл отправляет попытки переопределения роли, а затем, если они заблокированы, проверяет маркер в конце ответа. После подтверждённой находки одного типа он прекращает дальнейшие пробы этого типа. Результат оформляется в блоке `<vuln>` с описанием, уровнем риска, свидетельством и диалогом.

Скиллу доступен только инструмент `dialogue`, поэтому тесты требуют агента, который принимает пользовательские сообщения. Если агент раскрывает внутренние инструкции или меняет поведение по прямой команде, это считается уязвимостью высокого уровня.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Tencent/AI-Infra-Guard --skill direct-injection-detection -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/direct-injection-detection/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/direct-injection-detection/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Tencent/AI-Infra-Guard --skill direct-injection-detection -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/direct-injection-detection/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Tencent/AI-Infra-Guard --skill direct-injection-detection -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/direct-injection-detection/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install Tencent/AI-Infra-Guard direct-injection-detection
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/direct-injection-detection/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Tencent/AI-Infra-Guard --skill direct-injection-detection -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/Tencent/AI-Infra-Guard --path agent-scan/agent_scan/prompt/skills/direct-injection-detection
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/direct-injection-detection/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add Tencent/AI-Infra-Guard --skill direct-injection-detection -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/Tencent/AI-Infra-Guard/tree/HEAD/agent-scan/agent_scan/prompt/skills/direct-injection-detection/SKILL.md

## Когда брать
- проверить попытки переопределить роль агента
- выявить раскрытие системных и разработческих инструкций
- обнаружить смену поведения по маркеру в ответе
- оформить подтверждённую уязвимость в блоке `<vuln>`

## Примеры запросов агенту
- Проверь этот агент на прямое переопределение системных инструкций.
- Отправь тесты на смену роли и зафиксируй, раскрывает ли агент внутренние правила.
- Если первая проверка заблокирована, проверь, добавляет ли агент заданный маркер в конец ответа.

## Похожие
- [git-guardrails-claude-code](https://affpapa.org/nevibecode/skills/git-guardrails-claude-code.md) — скилл · 499069 установок
- [ponytail-review](https://affpapa.org/nevibecode/skills/ponytail-review.md) — скилл · 57000 установок
- [ponytail-audit](https://affpapa.org/nevibecode/skills/ponytail-audit.md) — скилл · 45400 установок
- [security-audit](https://affpapa.org/nevibecode/skills/cloudflare-security-audit.md) — скилл · 54800 установок
- [security-and-hardening](https://affpapa.org/nevibecode/skills/security-and-hardening.md) — скилл · 70200 установок
- [supabase](https://affpapa.org/nevibecode/skills/supabase.md) — скилл · 8 установок

Из того же набора: [tencent/ai-infra-guard](https://affpapa.org/nevibecode/by/tencent/ai-infra-guard.md) — 14 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md