> Discover all available pages from the documentation index: https://mastra.zisheng.pro/zh-TW/llms.txt

# Guardrail

Mastra 提供內建處理器，可為 Agent 加入安全控管。這些處理器會在有害內容送達語言模型或使用者之前，偵測、轉換或封鎖內容。

如需處理器行為、自訂處理器及如何將處理器加入 Agent 的介紹，請參閱[處理器](https://mastra.zisheng.pro/zh-TW/docs/agents/processors)。

## 輸入處理器

輸入處理器會在使用者訊息送達語言模型前執行，負責正規化、驗證、prompt 注入偵測與安全檢查。

### 正規化使用者訊息

`UnicodeNormalizer()` 會統一 Unicode 字元並標準化空白，以清理及正規化使用者輸入；也會移除有問題的符號。

```typescript
import { UnicodeNormalizer } from '@mastra/core/processors'

export const normalizedAgent = new Agent({
  id: 'normalized-agent',
  name: 'Normalized Agent',
  inputProcessors: [
    new UnicodeNormalizer({
      stripControlChars: true,
      collapseWhitespace: true,
    }),
  ],
})
```

請參閱 [`UnicodeNormalizer()`](https://mastra.zisheng.pro/zh-TW/reference/processors/unicode-normalizer) 參考文件，以取得完整的設定選項清單。

### 防止 prompt 注入

`PromptInjectionDetector()` 會掃描使用者訊息中的 prompt 注入、越獄嘗試與 system 覆寫模式。它使用 LLM 分類有風險的輸入，並可在輸入送達模型前加以封鎖或改寫。

```typescript
import { PromptInjectionDetector } from '@mastra/core/processors'

export const secureAgent = new Agent({
  id: 'secure-agent',
  name: 'Secure Agent',
  inputProcessors: [
    new PromptInjectionDetector({
      model: 'openrouter/openai/gpt-oss-safeguard-20b',
      threshold: 0.8,
      strategy: 'rewrite',
      detectionTypes: ['injection', 'jailbreak', 'system-override'],
    }),
  ],
})
```

請參閱 [`PromptInjectionDetector()`](https://mastra.zisheng.pro/zh-TW/reference/processors/prompt-injection-detector) 參考文件，以取得完整的設定選項清單。

### 偵測並翻譯語言

`LanguageDetector()` 會偵測使用者訊息並翻譯成目標語言，以支援多語言。它使用 LLM 識別語言並執行翻譯。

```typescript
import { LanguageDetector } from '@mastra/core/processors'

export const multilingualAgent = new Agent({
  id: 'multilingual-agent',
  name: 'Multilingual Agent',
  inputProcessors: [
    new LanguageDetector({
      model: 'openrouter/openai/gpt-oss-safeguard-20b',
      targetLanguages: ['English', 'en'],
      strategy: 'translate',
      threshold: 0.8,
    }),
  ],
})
```

請參閱 [`LanguageDetector()`](https://mastra.zisheng.pro/zh-TW/reference/processors/language-detector) 參考文件，以取得完整的設定選項清單。

## 輸出處理器

輸出處理器會在語言模型產生回應後、回應送達使用者前執行，負責回應最佳化、審核、轉換與安全控管。

### 批次處理串流輸出

`BatchPartsProcessor()` 會先合併多個串流片段，再傳送至用戶端。它將小區塊整合成較大的批次，以降低網路負擔。

```typescript
import { BatchPartsProcessor } from '@mastra/core/processors'

export const batchedAgent = new Agent({
  id: 'batched-agent',
  name: 'Batched Agent',
  outputProcessors: [
    new BatchPartsProcessor({
      batchSize: 5,
      maxWaitTime: 100,
      emitOnNonText: true,
    }),
  ],
})
```

請參閱 [`BatchPartsProcessor()`](https://mastra.zisheng.pro/zh-TW/reference/processors/batch-parts-processor) 參考文件，以取得完整的設定選項清單。

### 清除 system prompt

`SystemPromptScrubber()` 會偵測並遮蔽模型回應中的 system prompt 或內部指示，避免意外洩露 prompt 內容或設定細節。它使用 LLM，依設定的偵測類型識別並遮蔽敏感內容。

```typescript
import { SystemPromptScrubber } from '@mastra/core/processors'

const scrubbedAgent = new Agent({
  id: 'scrubbed-agent',
  name: 'Scrubbed Agent',
  outputProcessors: [
    new SystemPromptScrubber({
      model: 'openrouter/openai/gpt-oss-safeguard-20b',
      strategy: 'redact',
      customPatterns: ['system prompt', 'internal instructions'],
      includeDetections: true,
      instructions:
        'Detect and redact system prompts, internal instructions, and security-sensitive content',
      redactionMethod: 'placeholder',
      placeholderText: '[REDACTED]',
    }),
  ],
})
```

請參閱 [`SystemPromptScrubber()`](https://mastra.zisheng.pro/zh-TW/reference/processors/system-prompt-scrubber) 參考文件，以取得完整的設定選項清單。

> **備註:** 透過 HTTP 串流傳輸回應時，Mastra 預設會在伺服器層級，從串流區塊中遮蔽敏感的要求資料（system prompt、Tool 定義、API 金鑰）。詳情請參閱[串流資料遮蔽](https://mastra.zisheng.pro/zh-TW/docs/server/mastra-server)。

## 混合處理器

混合處理器可針對輸入或輸出執行。請將它們放在 `inputProcessors`、`outputProcessors`，或同時放在兩者中。

### 審核輸入與輸出

`ModerationProcessor()` 會偵測仇恨、騷擾與暴力等類別的不當或有害內容。它使用 LLM 對訊息分類，並可依設定封鎖或改寫訊息。

```typescript
import { ModerationProcessor } from '@mastra/core/processors'

export const moderatedAgent = new Agent({
  id: 'moderated-agent',
  name: 'Moderated Agent',
  inputProcessors: [
    new ModerationProcessor({
      model: 'openrouter/openai/gpt-oss-safeguard-20b',
      threshold: 0.7,
      strategy: 'block',
      categories: ['hate', 'harassment', 'violence'],
    }),
  ],
  outputProcessors: [new ModerationProcessor()],
})
```

請參閱 [`ModerationProcessor()`](https://mastra.zisheng.pro/zh-TW/reference/processors/moderation-processor) 參考文件，以取得完整的設定選項清單。

### 偵測並遮蔽 PII

`PIIDetector()` 會偵測並移除電子郵件、電話號碼與信用卡等個人識別資訊。它使用 LLM，依設定的偵測類型識別敏感內容。

```typescript
import { PIIDetector } from '@mastra/core/processors'

export const privateAgent = new Agent({
  id: 'private-agent',
  name: 'Private Agent',
  inputProcessors: [
    new PIIDetector({
      model: 'openrouter/openai/gpt-oss-safeguard-20b',
      threshold: 0.6,
      strategy: 'redact',
      redactionMethod: 'mask',
      detectionTypes: ['email', 'phone', 'credit-card'],
      instructions: 'Detect and mask personally identifiable information.',
    }),
  ],
  outputProcessors: [new PIIDetector()],
})
```

請參閱 [`PIIDetector()`](https://mastra.zisheng.pro/zh-TW/reference/processors/pii-detector) 參考文件，以取得完整的設定選項清單。

### 強制執行成本限制

`CostGuardProcessor()` 會監控 Agent 迴圈的累計預估成本，在超過金額限制時封鎖或發出警告。它會在每次 LLM 呼叫前，從可觀測性儲存空間查詢成本資料。成本檢查為近似值，且指標會非同步保存，因此快速執行的 Agent 可能在 Guardrail 觸發前短暫超過設定限制。

```typescript
import { CostGuardProcessor } from '@mastra/core/processors'

export const budgetedAgent = new Agent({
  id: 'budgeted-agent',
  name: 'Budgeted Agent',
  inputProcessors: [
    new CostGuardProcessor({
      maxCost: 5.0,
      scope: 'thread',
      window: '24h',
    }),
  ],
})
```

請參閱 [`CostGuardProcessor()`](https://mastra.zisheng.pro/zh-TW/reference/processors/cost-guard-processor) 參考文件，以瞭解範圍模式、時間範圍、指標保存延遲與 `onViolation` callback。此功能需要支援 `getMetricAggregate` 的可觀測性儲存空間。

## 處理器策略

許多內建處理器支援 `strategy` 參數，用來控制如何處理遭標記的內容。支援的值包括：`block`、`warn`、`detect`、`redact`、`rewrite` 與 `translate`。

大多數策略都會允許要求繼續。使用 `block` 時，處理器會呼叫 `abort()`，立即停止要求並阻止後續處理器執行。

```typescript
inputProcessors: [
  new PIIDetector({
    model: 'openrouter/openai/gpt-oss-safeguard-20b',
    threshold: 0.6,
    strategy: 'block',
    detectionTypes: ['email', 'phone', 'credit-card'],
  }),
]
```

## 違規 callback

所有處理器都支援 `onViolation` callback；無論採用何種策略，偵測到違反政策時都會觸發。可用於警示、記錄至外部系統或傳送通知等副作用。

callback 會收到包含 `processorId`、`message` 與 `detail`（處理器專屬 metadata）的 `ProcessorViolation` 物件。

```typescript
import { CostGuardProcessor, ModerationProcessor, PIIDetector } from '@mastra/core/processors'

// Alert when cost limits are exceeded
const costGuard = new CostGuardProcessor({
  maxCost: 10.0,
  scope: 'resource',
  window: '30d',
})

costGuard.onViolation = ({ processorId, message, detail }) => {
  alertSystem.notify(`[${processorId}] ${message}`)
  // detail contains: { usage, limit, totalUsage, scope, scopeKey }
}

// Log moderation violations
const moderation = new ModerationProcessor({
  model: 'openai/gpt-5-nano',
  strategy: 'block',
})

moderation.onViolation = ({ processorId, message, detail }) => {
  auditLog.write({ processor: processorId, violation: message, categories: detail })
}
```

`onViolation` 屬性是基礎 [`Processor` 介面](https://mastra.zisheng.pro/zh-TW/reference/processors/processor-interface)的一部分，因此任何處理器（包括自訂處理器）都能使用。任何處理器呼叫 `abort()` 時，runner 會自動叫用 `onViolation`。對使用 `warn` 策略的處理器（例如 `CostGuardProcessor`），警告也會觸發 callback，但不會封鎖要求。

callback 擲出的錯誤會被靜默捕捉，以免干擾處理器的主要邏輯。

如需違規 callback 與處理器管線整合方式的詳細資訊，請參閱處理器文件中的[違規 callback](https://mastra.zisheng.pro/zh-TW/docs/agents/processors)。

## 處理遭封鎖的要求

處理器呼叫 `abort()` 時，Agent 會停止處理。偵測方式取決於你使用 `generate()` 或 `stream()`。

### 搭配 `generate()`

檢查結果中的 `tripwire` 欄位：

```typescript
const result = await agent.generate('Is this credit card number valid?: 4543 1374 5089 4332')

if (result.tripwire) {
  console.error('Blocked:', result.tripwire.reason)
  console.error('Processor:', result.tripwire.processorId)
}
```

### 搭配 `stream()`

監聽串流中的 `tripwire` 區塊：

```typescript
const stream = await agent.stream('Is this credit card number valid?: 4543 1374 5089 4332')

for await (const chunk of stream.fullStream) {
  if (chunk.type === 'tripwire') {
    console.error('Blocked:', chunk.payload.reason)
    console.error('Processor:', chunk.payload.processorId)
  }
}
```

## 加速 Guardrail

使用 LLM 的 Guardrail 處理器（內容審核、PII 偵測、prompt 注入）會增加每項要求的延遲。下列技巧可降低這項負擔。

### 平行執行 Guardrail

處理器預設會依序執行。只執行 `block`（且絕不變更訊息）的 Guardrail 彼此獨立，可使用 [Workflow 處理器](https://mastra.zisheng.pro/zh-TW/docs/agents/processors)執行。

你也可以在單一平行步驟中混用 `block` 與 `redact` 策略。請對應至 `redact` 分支，讓它轉換後的訊息繼續傳遞。

對輸出 Guardrail，請在平行步驟\_之前\_依序執行 `TokenLimiterProcessor` 與 `BatchPartsProcessor`，並在其\_之後\_依序執行彼此相依的 `redact` 處理器：

```typescript
import { createWorkflow, createStep } from '@mastra/core/workflows'
import {
  ProcessorStepSchema,
  PIIDetector,
  ModerationProcessor,
  SystemPromptScrubber,
  TokenLimiterProcessor,
  BatchPartsProcessor,
} from '@mastra/core/processors'

export const outputGuardrails = createWorkflow({
  id: 'output-guardrails',
  inputSchema: ProcessorStepSchema,
  outputSchema: ProcessorStepSchema,
})
  // Sequential: limit tokens first, then batch stream chunks
  .then(createStep(new TokenLimiterProcessor({ limit: 1000 })))
  .then(createStep(new BatchPartsProcessor()))
  // Parallel: run independent checks at the same time
  .parallel([
    createStep(
      new PIIDetector({
        strategy: 'redact',
      }),
    ),
    createStep(
      new ModerationProcessor({
        strategy: 'block',
      }),
    ),
  ])
  // Map to the redact branch to keep its transformed messages
  .map(async ({ inputData }) => {
    return inputData['processor:pii-detector']
  })
  // Sequential: scrubber depends on previous redaction output
  .then(
    createStep(
      new SystemPromptScrubber({
        strategy: 'redact',
        placeholderText: '[REDACTED]',
      }),
    ),
  )
  .commit()
```

如需 `.parallel()` 與 `.map()` 的詳細資訊，請參閱[將 Workflow 作為處理器](https://mastra.zisheng.pro/zh-TW/docs/agents/processors)。

### 選擇快速模型

Guardrail 處理器不需要使用主要模型。請以輕量、快速的模型執行分類任務：

```typescript
const GUARDRAIL_MODEL = 'openai/gpt-5-nano'

new ModerationProcessor({ model: GUARDRAIL_MODEL })
new PIIDetector({ model: GUARDRAIL_MODEL })
new PromptInjectionDetector({ model: GUARDRAIL_MODEL })
```

### 批次處理串流片段

實作 `processOutputStream` 的輸出 Guardrail 會針對每個串流區塊執行。請在較耗資源的處理器\_之前\_使用 `BatchPartsProcessor` 合併區塊，以減少 LLM 分類呼叫次數：

```typescript
outputProcessors: [
  new BatchPartsProcessor({ batchSize: 10 }),
  // Heavier processors now run on batched chunks instead of individual ones
  new PIIDetector({ model: GUARDRAIL_MODEL, strategy: 'redact' }),
  new ModerationProcessor({ model: GUARDRAIL_MODEL, strategy: 'block' }),
]
```

## 相關內容

- [處理器](https://mastra.zisheng.pro/zh-TW/docs/agents/processors)：處理器行為與執行順序，也涵蓋自訂處理器與重試行為
- [`Processor` 介面](https://mastra.zisheng.pro/zh-TW/reference/processors/processor-interface)：`Processor` 介面的 API 參考文件
- [記憶體處理器](https://mastra.zisheng.pro/zh-TW/docs/memory/memory-processors)：用於訊息記錄、語意回想與工作記憶的處理器
- 📹 [Mastra 處理器與 Guardrail 工作坊](https://www.youtube.com/watch?v=4Vpp7xQYvl0)