技能介绍

身份设计的隐性陷阱

在构建大模型 Agent 时，开发者常将“角色设定”等同于简单的 system prompt 编写，忽视了身份声明背后的安全风险。这种缺乏防御视角的设计，极易导致系统提示词被恶意提取、跨用户 PII（个人身份信息）泄露，或是在面对对抗性压力时出现身份崩塌。一个合格的 Agent 角色不仅是模型的表层包装，更是承载安全策略与合规要求的身份边界。

防御优先的角色构建工作流

本技能将安全审计前置，通过结构化的关卡评估与思维模式，指导开发者设计具备抗攻击性的 Agent 身份。

核心工作流程包含以下关键步骤：

五重安全关卡评估：在编写任何行为规则前，必须先完成威胁建模（Threat Model）、数据敏感性分级（区分 public/pseudonymous/sensitive/special）、角色一致性校验、披露面审计（清除可提取的秘密）以及法规映射（如 GDPR、PIPL）。
威胁标注与红队验证：输出的系统提示词模板不仅结构化、可复制，还会为每条安全规则标注其防御的攻击向量，并提供 3 个对抗性测试输入（Red-team test inputs）作为验证证明。
最小化披露与信任梯度：遵循“角色不等于面具”的原则，确保身份层不会抑制底层的安全行为。实施严格的用户信任梯度映射，禁止 Agent 动态决定披露级别，仅输出推进合法目标所需的最少信息。

适用边界与避坑指南

该技能专注于提示词层（Prompt-layer）的身份与护栏设计。适用于从零设计 Agent 角色、审计现有 Agent 安全态势、生成红队测试套件以及定义 PII 处理策略。

使用时需注意以下限制：

不替代通用提示词工程：若仅需优化 Token 效率或 Few-shot 示例，请使用 prompt-engineer。
不涵盖完整数据治理：如需建立全局数据合规与溯源体系，应结合 data-security-officer。
不涉及服务端分类器：本技能不用于训练或设计服务端的 ML 安全分类器，此类需求应交由 ai-safety-researcher。
警惕常见反模式：避免在提示词中写“保守这个秘密”（这会教模型与提取探测交互）、过度追求顺从（Agreeableness 超过 Conscientiousness），以及遗漏提取检测机制（No Canary）。