项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 509
使用教程
环境要求
- Python 3.9+
- 模型密钥（部分检测器）
安装与启动步骤
-
1先看它防什么
它给输入的提示词做风险扫描，识别注入与越狱。
-
2建环境装包
以可编辑方式装进虚拟环境。
python3 -m venv venv -
3载入公开检测数据集
仓库给了注入与越狱两类数据集。
python loader.py --conf conf/server.conf --dataset deadbits/vigil-instruction-bypass-ada-002 -
4起扫描服务
作为前置服务拦在模型之前。
python vigil-server.py --conf conf/server.conf -
5用自己业务的提示词试
公开数据集的分布和你的业务差很远。
如何确认成功
把一条已知的注入提示词送进服务能被判为风险，而正常业务提问不被误判
注意事项
- 它给输入的提示词做风险评分，用来在进模型之前拦截注入与越狱尝试。
- 公开数据集能起量，但业务分布不同，误报率要在自己数据上重测。
- 部分检测器需要向量模型，另配密钥。
- 它是过滤层不是万能药，模型侧仍要做约束。
核心亮点
- 提供多种检测策略（模式匹配、分类器）组合，覆盖常见攻击类型
- 本地化API部署，延迟低，数据不出内网，隐私友好
- 模块化设计，便于自定义检测规则和集成到现有安全流程
不足之处
- 项目处于早期阶段，文档和社区生态待完善
- 检测能力依赖训练数据，新型攻击变种可能漏报
适用场景
- 企业级LLM应用上线前的安全加固
- 聊天机器人、客服系统等面向用户的输入过滤
- 内部工具中处理敏感数据的LLM调用场景
替代项目
Rebuff、LLM Guard、Prompt Guard
上一篇：aegis
下一篇：athina-sdk
同类项目推荐
Auditor
开源
自动化安全审计，快速发现项目漏洞与风险
Release channel for TheAuditor — see blog.theauditortool.com
WorfBench
开源
给AI工作流生成能力打分，让模型编排更靠谱
[ICLR 2025] Benchmarking Agentic Workflow Generation
Awesome-Embodied-AI-Safety
开源
一网打尽具身AI安全研究，500+论文系统梳理
Safety in Embodied AI: A Survey of Risks, Attacks, and Defenses | 500+ Papers | Perc···
www-project-agent-memory-guard
开源
给AI智能体记忆加把锁，防投毒防操控
Runtime defense against memory poisoning in AI agents (OWASP ASI06). Drop-in for Lan···
ps-fuzz
开源
自动模糊测试系统提示词，找出越狱漏洞并加固
Make your GenAI Apps Safe & Secure :rocket: Test & harden your system prompt
AgentArk
开源
一套环境跑通多模态 Agent 评测与 RL 训练
A General-Purpose Environment Framework for Scalable Multimodal Agent Evaluation and···
modelbench
开源
给 AI 模型做安全体检，一键出详细报告
Run safety benchmarks against AI models and view detailed reports showing how well t···
photoguard
开源
给图片加“免疫”，让AI改不动你的图
Raising the Cost of Malicious AI-Powered Image Editing
ai-eval-platform
开源
一站式评测 AI 应用，让质量看得见
开源 AI 应用评测平台，支持 RAG、AI Agent、多轮对话、LLM-as-Judge、接口评测、评测报告···