$ loading_
为智能体提供负责任AI护栏评分，检测提示注入、PII与策略风险。
复制安装指令，让 AI 自动完成配置 · 推荐新手
请帮我安装 askskill 上的 "ai.responsibleailabs/rail-score" MCP 服务： 执行：claude mcp add --transport http 'ai-responsibleailabs-rail-score' 'https://mcp.responsibleailabs.ai/mcp'
请用 rail-score 对这段智能体回复进行评分，检查是否违反策略、包含提示注入迹象或泄露 PII，并返回各项风险结果：{{agent_output}}输出一份风险评分结果，标明策略风险、注入风险和 PII 检测结论。
对以下用户输入进行护栏检测，判断是否存在提示注入或敏感信息问题，并给出评分：{{user_prompt}}返回针对该输入的安全评分与命中项，帮助决定是否拦截或继续处理。
请批量检查这组模型输出的策略合规性、PII 风险和注入风险，并按高到低列出需要人工复核的条目：{{outputs}}得到按风险排序的检测结果列表，便于人工复核和质量把关。
开发者在接入智能体应用时，可用它对输入或输出进行评分，识别策略违规、提示注入和 PII 风险。这样能在执行前或返回前增加一层安全检查。
在发布新的提示词、工作流或智能体能力前，团队可先用该工具做护栏评分。它适合用于发现潜在安全与合规问题。
当应用会处理用户文本或模型生成内容时，可用它检测是否包含 PII。这样有助于减少敏感信息被错误暴露的风险。
它是一个面向智能体的 Responsible AI 护栏工具。根据描述，它支持策略评分、提示注入检测、PII 检测以及 DPDP 相关能力。
已明确提到的能力包括策略风险评分、提示注入检测和 PII 检测。DPDP 也在描述中出现，但具体细节见源码仓库。
给定素材中没有提供安装步骤、运行时要求或密钥信息。具体集成方式和前置条件见源码仓库。
评估文件写入中的敏感数据与合规风险并输出可审计结果
扫描 AI 代理的工具调用漏洞，发现提示泄露、劫持与注入等安全风险
为 AI 代理的高风险破坏性操作加入人工审批与防篡改审计日志。
扫描 MCP 服务与 AI 工具的安全风险，并提供评分、徽章及自动防护能力。
分析 AI 代理执行链路，诊断失败原因、评估表现并给出可执行修复建议
一键检测 AI 输出中的密钥泄露、提示注入与隐私信息风险