结论先说：NeMo Guardrails 是 NVIDIA 开源的护栏编排框架，把检查分成输入、检索、对话、执行、输出五类“rails”。防越狱最常用的组合是 self check input（让 LLM 自检）＋ jailbreak detection heuristics（困惑度启发式，低延迟）＋输出自检；生产环境应把启发式检测部署成独立服务，并用内容安全模型补强。 安全说明：本文只讲防护与评估，不提供任何越狱提示词、可复制攻击载荷或提示词包链接；仅测试你拥有或获得授权的系统。 一、五类 Rails 对照表（可引用） 类别触发时机防护用途Input rails收到用户输入时越狱/注入检测、敏感信息脱敏Retrieval railsRAG 检索完成后过滤被投毒的检索片段Dialog rails计算出规范形式后限定对话话题与流程Execution rails动作执行前后控制自定义工具调用Output railsLLM 生成输出时审核、改写或拦截回复 来源：NeMo Guardrails 官方 Guardrails Configuration。 二、最小配置步骤 2.1 安装按 GitHub NVIDIA/NeMo-Guardrails 说明 pip install nemoguardrails，新建 config 目录，包含 config.yml 与 prompts.yml。 2.2 开启输入自检在 config.yml 的 rails.input.flows 中加入 self check input，并在 prompts.yml 定义 self_check_input 任务（判定提示由你按业务政策编写）。官方说明：自检提示回答 yes 表示拦截、no 表示放行；未定义该 prompt 会在加载时报错。详见 LLM Self-Check 文档。 rails: input: flows: - self check input - jailbreak detection heuristics output: flows: - self check output config: jailbreak_detection: server_endpoint: "http://your-heuristics-service:1337/heuristics" length_per_perplexity_threshold: 89.79 prefix_suffix_perplexity_threshold: 1845.65...