# guardrails-safety-filter-builder

Скилл guardrails-safety-filter-builder собирает защитный слой для LLM-приложения: маскирует персональные данные, ловит промпт-инъекции и отвечает отказом, когда тема вне политики.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 299 установок · ★ 64 у репозитория
- Автор: patricio0312rev
- Лицензия: MIT · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/patricio0312rev/skills/tree/HEAD/ai-engineering/guardrails-safety-filter-builder/SKILL.md
- Обновлён: 2026-01-12
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/guardrails-safety-filter-builder

## Что делает

Скилл добавляет в LLM-приложение защитный слой: проверяет входящий запрос, маскирует персональные данные в ответе и подставляет шаблонный отказ, когда тема выходит за политику. Пригодится, когда бот уже отвечает живым пользователям.

Внутри готовые куски на Python. Редакция PII собрана на `presidio_analyzer` и `presidio_anonymizer`, ищутся сущности `EMAIL_ADDRESS`, `PHONE_NUMBER`, `CREDIT_CARD`, `SSN`. Инъекции ловит список регулярок вроде «ignore previous instructions», темы делятся на разрешённые и запрещённые, отказы лежат в `REFUSAL_TEMPLATES`. Функции `llm` и `toxicity_classifier` в примерах только вызываются: модель и классификатор токсичности подключаешь сам. Без пакетов `presidio-analyzer` и `presidio-anonymizer` пример редакции не запустится.

Пайплайн `apply_guardrails` проходит четыре шага и возвращает словарь с решением и текстом ответа. Логирование блокировок и тесты на обход фильтров вынесены в чек-лист отдельными пунктами, писать их руками.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add patricio0312rev/skills --skill guardrails-safety-filter-builder -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/guardrails-safety-filter-builder/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/guardrails-safety-filter-builder/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add patricio0312rev/skills --skill guardrails-safety-filter-builder -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/guardrails-safety-filter-builder/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add patricio0312rev/skills --skill guardrails-safety-filter-builder -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/guardrails-safety-filter-builder/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install patricio0312rev/skills ai-engineering/guardrails-safety-filter-builder/SKILL.md
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/guardrails-safety-filter-builder/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add patricio0312rev/skills --skill guardrails-safety-filter-builder -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/patricio0312rev/skills --path ai-engineering/guardrails-safety-filter-builder
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/guardrails-safety-filter-builder/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add patricio0312rev/skills --skill guardrails-safety-filter-builder -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/patricio0312rev/skills/tree/HEAD/ai-engineering/guardrails-safety-filter-builder/SKILL.md

## Когда брать
- вырезать email и номера карт из ответа модели перед отправкой
- отбить запрос с попыткой подменить системную инструкцию
- удержать бота в разрешённых темах и ответить отказом по шаблону
- проверить готовый ответ на запрещённые фразы и токсичность
- свести проверки в один вызов с понятным результатом

## Примеры запросов агенту
- Настрой guardrails для чат-бота поддержки: маскируй email, телефоны и номера карт в ответах
- Добавь детект промпт-инъекций и шаблоны отказа для медицинских и юридических вопросов
- Проверь ответ модели перед выдачей: убери запрещённые фразы и посчитай токсичность

## Похожие
- [ai-security-hardening](https://affpapa.org/nevibecode/skills/ai-security-hardening.md) — скилл · 362 установки
- [configuring-guardrails](https://affpapa.org/nevibecode/skills/configuring-guardrails.md) — скилл · 4000 установок
- [Aletheia Runtime Safety & Scope Creep Filter](https://affpapa.org/nevibecode/mcp/aletheia-runtime-safety-scope-creep-filter.md) — MCP-сервер · ★ 12 у репозитория
- [rail-score](https://affpapa.org/nevibecode/mcp/rail-score.md) — MCP-сервер
- [openai-privacy-filter](https://affpapa.org/nevibecode/skills/openai-privacy-filter.md) — скилл · 376 установок
- [prompt-injection-defense](https://affpapa.org/nevibecode/skills/prompt-injection-defense.md) — скилл · 425 установок

Из того же набора: [patricio0312rev/skills](https://affpapa.org/nevibecode/by/patricio0312rev/skills.md) — 148 карточек

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