软件下载帮助文档新闻资讯

Skill UI

浏览并发现 16566+ 精选技能

全部编程开发人工智能设计创意产品商业数据科学市场营销职场通用效率工具硬件工程语言学习

搜索提示词注入，共找到 13 条记录

默认排序最新上传最多下载

Groq安全最佳实践指南

groq-security-basics

jeremylongshore/claude-code-plugins-plus-skills

本指南详细介绍了Groq API密钥和数据保护的最佳实践。内容涵盖了密钥存储、安全密钥轮换流程、防止密钥泄露的Git钩子设置，以及如何通过系统提示词、代理层等技术来防御提示注入攻击，确保应用的安全性和健壮性。

Mistral AI 安全最佳实践指南

mistral-security-basics

jeremylongshore/claude-code-plugins-plus-skills

这份指南详细介绍了集成 Mistral AI 模型时必须遵循的关键安全措施。内容涵盖 API 密钥管理、防止提示词注入、内容审核、输出净化以及安全日志记录，帮助开发者构建健壮、安全的 AI 应用。

AI技能安全审计器

skill-security-auditor

alirezarezvani/claude-skills

该工具是一个全面的安全扫描器，用于在部署前审计AI智能体技能。它分析源代码（包括Python、Bash、JS），检测命令注入、网络数据外泄和不安全反序列化等关键漏洞。此外，它还能扫描Markdown文件以发现提示词注入攻击，并评估依赖供应链风险，最终提供明确的通过/警告/失败的判定和修复指导。

飞书邮箱管理工具

基于命令行工具的飞书邮箱管理技能。支持起草、发送、回复、转发和搜索邮件，管理草稿、文件夹、标签及收信规则，具备严格的安全规则以防范提示词注入攻击。

Claude内容安全防护与卫栏

clade-policy-guardrails

jeremylongshore/claude-code-plugins-plus-skills

本技能指导如何在应用中使用Claude时，构建全面的内容安全防护层。它涵盖了系统提示词强化、输入验证（包括检测注入攻击和长度限制）以及输出校验（防止系统提示词泄露），确保AI应用的安全性、合规性和可靠性。

AI/LLM安全红队测试指南

offensive-ai-security

SnailSploit/Claude-Red

提供一套完整的AI/LLM系统安全渗透测试方法论，用于评估大型语言模型和AI应用的鲁棒性。涵盖提示词注入、越狱、数据投毒、模型提取等高级攻击向量，适用于进行AI系统的红队演练和安全评估。

LLM提示词注入攻击手册

llm-prompt-injection

yaklang/hack-skills

本手册提供了一份专业的LLM提示词注入攻击剧本，涵盖了所有高级攻击技术。包括直接指令覆盖、通过外部数据源污染（如RAG），以及利用工具和函数调用链进行数据窃取和绕过安全机制。适用于AI应用的深度安全测试与防御加固。

大模型安全护栏防御

defending-llms-with-guardrails

mukul975/Anthropic-Cybersecurity-Skills

用于为大语言模型（LLM）、检索增强生成（RAG）和智能体应用部署全面的运行时安全防护层。该技能集成了Llama Guard 3、NeMo Guardrails和LLM Guard等业界领先的护栏系统，用于检查和限制所有输入和输出数据。这对于需要防止越狱攻击、提示词注入（OWASP LLM01）、有害内容和敏感数据泄露的生产环境至关重要。

基于Garak的LLM红队安全测试

red-teaming-llms-with-garak

mukul975/Anthropic-Cybersecurity-Skills

NVIDIA garak是一款开源的LLM漏洞扫描工具，用于全面的红队测试和安全评估。它通过向大型语言模型（支持OpenAI API、Hugging Face等）发送数千个对抗性提示词，系统性地检测关键漏洞。这些漏洞包括提示注入、越狱、数据泄露和毒性内容等。可用于建立部署前后的安全基线，验证安全卫士的有效性，或为AI风险评估提供定量证据。

AI安全内容扫描

本工具用于对所有不可信输入（如用户提交、API数据或网络钩子数据）进行全面安全扫描。它可以利用先进的AI防御机制，检测提示词注入、越狱尝试和对抗性攻击等威胁，确保数据在进入模型或执行流程前是安全可靠的。

提示词注入演示示例

injection-example

bytedance/deer-flow

本示例用于演示不安全的审查数据输入，专门用于校准和安全测试。它模拟提示词注入攻击，必须在受控环境中运行，用于验证数据的安全处理和系统的鲁棒性。

AI大模型安全测试与红队演练

zhaoxuya520/reverse-skill

这是一套全面的框架，用于对大型语言模型（LLM）和AI智能体进行授权的安全评估。它涵盖了包括提示注入、工具滥用、RAG数据投毒、内存污染和系统提示词提取等关键漏洞。适用于红队演练、安全审计，确保AI系统在生产环境中的健壮性。

语言