安全护栏

张量卫士安全护栏是一款基于AI运行时安全防护平台，支持AI网关接入和API接入两种方案，最快只需修改一行base_url 无需修改代码，秒级接入。

安全护栏总览界面

一、快速开始

默认使用简单模式快速开始，基于张量卫士安全拦截能力，一键接入符合国标要求的安全护栏

1. 进入安全护栏控制台

登录后从安全护栏控制台进入工作台。

2.点击接入中心

点击进入接入中心，按照指引配置

2.1. 选择`AI网关`

AI网关

2.2. 点击`防护策略`选择，系统默认安全策略

防护策略

2.3. 点击`接入模型`

点击接入模型，这一步是将自己的模型填入系统，系统会帮您调用模型，并增加安全防护。

这里需要填写自己的OpenAI形式兼容的模型，需要准备model_name,base_url,api_key 点击新建模型,选择自己新建的模型接入模型-新建模型

2.4. 点击`鉴权配置`

点击鉴权配置，选择或者新建一个API 密钥

2.5. 在线测试

进入 在线测试，输入一段希望检测的内容，选择防护策略后发起测试。测试结果会告诉你当前内容是否通过、命中了哪些风险，以及建议采取通过或代答等动作。

在线测试

2.6. 复制代码

在线测试通过后，只需要参考代码中，只需修改原始代码中的model_name,base_url,api_key替换为张量卫士平台中的对应新的值即可复制代码

二、整体介绍

安全护栏的核心逻辑可以理解为：先选择接入方式，再选择或创建防护策略；防护策略会把关键词、向量样本、分类模型、外部检测服务等规则组合起来，命中风险类别后，再根据类别中的动作配置返回通过或代答。

1.张量卫士整体框架

张量卫士把一次用户请求拆成“接入、防护、处置”三层，具体组织流程，见下列框架图：安全护栏运行框架

1.1.接入层

API 接入，把待检测内容按 OpenAI 风格的 model + messages 结构提交给安全护栏，护栏返回综合风险等级、命中的合规/安全类别和操作建议（通过/代答），由用户代码自主决定后续处理逻辑。

curl -X POST "https://api.tensor-guard.com/v1/guardrails" \
  -H "Authorization: Bearer YOUR_TENSOR_GUARD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "TensorGuard-Text",
    "messages": [
      {"role": "user", "content": "请判断这条消息是否合规。"}
    ]
  }'

AI 网关，通过替换 base_url、model_name 和 api_key 接入现有 OpenAI 兼容调用链路。AI 网关场景下，平台会先完成安全检测，再按配置把合规请求转发给上游模型。

curl -X POST "https://api.tensor-guard.com/v1/chat/completions" \
  -H "Authorization: Bearer YOUR_TENSOR_GUARD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "your-model-alias",
    "messages": [
      {"role": "user", "content": "你好，请介绍一下你的能力。"}
    ]
  }'

1.2 防护层

进入防护层后，请求会交给防护策略执行。一个防护策略可以组合关键词策略、分类策略、向量策略和其他策略：关键词用于处理明确命中的表达，分类策略用于识别复杂语义风险，向量策略用于发现相似改写和绕开关键词的内容，其他策略则可以接入外部检测服务或复用已有策略。

1.3 处置层

策略命中后，系统会把结果统一映射到风险类别库。风险类别库覆盖 A.1 至 A.5 等国标相关风险，也支持自定义类别。每个类别会绑定风险等级和代答话术：高风险、中风险、低风险可以返回不同的合规代答；未命中风险时正常通过。这样可以让接入方式、检测规则、风险等级和最终话术保持一套统一的编排逻辑。

2.简单模式/高级模式切换

张量卫士提供简单模式和高级模式两套控制台视图。两种模式共用同一套防护能力，区别在于配置入口的展开程度：简单模式面向快速接入，高级模式面向自定义规则编排。

2.1.简单模式

简单模式适合第一次接入、只需要快速启用默认安全能力的用户。它会隐藏底层规则库配置，只保留最常用的运行闭环：看运行情况、完成接入、在线测试、查看检测记录。

在简单模式下，通常只需要选择系统默认安全策略或已有防护策略，再配置模型与 API Key，就可以把安全护栏接入业务。需要修改关键词、向量、分类模型、外部规则、风险类别或代答话术时，再切换到高级模式。

简单模式控制台

简单模式左侧菜单的作用：

菜单	作用	适合什么时候使用
总览	查看检测量、风险命中、通过率、风险结构和最近趋势	日常观察防护是否稳定运行
接入中心	按步骤完成 AI 网关或检测 API 接入	第一次接入、复制代码、调整接入方式
在线测试	输入测试内容，验证防护策略是否命中风险	上线前验证规则效果、排查误拦或漏拦
检测记录	查看历史请求、命中类别、风险等级和处理动作	复盘检测结果、定位业务问题

简单模式的重点是“先跑起来”。如果你已经有可用的防护策略，推荐先用简单模式完成接入和测试，再根据业务风险逐步进入高级模式细化规则。

2.2.高级模式

高级模式适合需要自定义安全规则、组合多种检测能力、细分风险类别和代答话术的用户。进入高级模式后，左侧会出现高级配置入口，可以维护防护策略、规则库和模型配置。

2.2.1. 怎么切换进入高级模式

在安全护栏控制台左下角找到 接入模式，点击 高级 即可切换。切换后，左侧菜单会从简单模式的四个基础入口，扩展为“快速使用”和“高级配置”两组。

如果只是接入系统默认策略，保持简单模式即可；如果要新增关键词库、调整向量阈值、接入外部检测服务，或定制某类风险的代答话术，就需要使用高级模式。

高级模式控制台

2.2.2. 高级模式左侧菜单的作用

菜单	作用	说明
总览	查看整体运行状态	与简单模式一致，用于观察检测趋势和风险结构
接入中心	完成 AI 网关或检测 API 接入	高级模式会引导你先配置上游模型、规则库、防护策略，再复制代码
在线测试	测试单个规则或完整防护策略	可以选择关键词、向量、分类模型、外部检测服务或防护策略进行验证
检测记录	查看历史检测日志	用于排查命中详情、风险类别和处理动作
防护策略	编排多个防护规则	把关键词、向量、分类模型、外部检测服务组合成一个对外可用策略
规则库	管理底层检测资产	包含关键词、向量样本、分类模型、外部检测服务、风险类别、代答话术
模型配置	管理上游对话模型	AI 网关接入时，平台会先执行安全护栏，再把安全内容转发给上游模型

2.3. 高级模式中的防护策略配置

防护策略是安全护栏真正执行的“规则编排”。一个策略可以包含多条规则，每条规则可以引用一种检测能力：

规则类型	检测方式	常见用途
关键词	精确词或正则匹配	识别明确禁用词、敏感表达、业务黑名单
向量样本	通过语义相似度命中样本	识别同义改写、绕开关键词的相似表达
分类模型	调用分类模型输出风险类别	识别语义风险、复杂意图、提示词攻击
外部检测服务	调用第三方或自研安全服务	复用企业已有风控、审核或安全模型
复用防护策略	在当前策略中引用已有策略	先执行系统默认策略，再叠加业务专属规则

策略执行后会汇总每条规则的结果。如果没有命中风险，请求会通过；如果命中高风险、中风险或低风险类别，系统会根据类别配置给出代答或通过建议，并在 AI 网关场景下决定是否继续调用上游模型。

2.4. 什么是外部规则

外部规则也叫外部检测服务，是把你已有的安全检测能力接入张量卫士。它可以是公司内部审核接口、第三方内容安全 API，或另一个专门做分类的模型服务。

配置外部规则时，一般需要填写服务地址、鉴权信息、请求转换和响应转换。外部服务返回后，张量卫士会把结果统一成风险等级、命中类别、处理动作和代答内容，继续参与防护策略的编排。

适合使用外部规则的情况：

已经有企业内部风控接口，希望和张量卫士统一编排
某些垂直行业风险需要专门模型判断
希望在默认安全策略之外，再增加业务自定义审核链路

2.5. 高级模式中的类别管理的作用

类别管理用于定义“命中了什么风险，以及命中后应该怎么处理”。安全护栏中的关键词、向量样本、分类模型和外部规则，最终都会映射到风险类别。

一个二级类别通常包含这些信息：

配置项	作用
类别代号	规则命中时用于映射类别，例如分类模型输出的类别码
类别名称	给运营、审核和检测记录看的风险名称
风险等级	正常、低风险、中风险、高风险
回答类型	放行、代答
代答内容	当回答类型为代答时，可作为返回给用户的话术

类别管理是规则和处置动作之间的桥梁。比如关键词命中了某个样本，系统会找到样本绑定的类别，再读取该类别的风险等级和回答类型，决定最终是通过还是返回替代回答。

2.6. 高级模式中的代答话术的作用

代答话术用于管理命中风险后的代答内容。它的目标不是简单返回“违规”，而是用更稳妥、更礼貌、更符合业务场景的方式引导用户。

当防护策略命中风险时，系统会优先根据命中的类别、上下文和代答规则生成内容；如果没有命中具体模板，会使用默认代答内容。这样可以让不同风险返回不同话术，例如：

对违法违规类内容，返回安全合规的替代说明
对隐私或个人信息类内容，提醒用户尊重隐私
对业务不支持的问题，返回合规的替代说明

如果你只使用系统默认安全策略，可以先不用调整代答话术；如果你的产品需要特定语气、客服口径或行业合规话术，建议在高级模式中单独配置。