superagent

给 AI 应用装上安全盾,防注入防泄露

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 开源模型 🍴 复刻 967 🐛 待处理 21 👀 关注 60
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 6855
维护状态 维护中
是否开源 开源
定价模式 🏷️完全免费 开源项目,MIT许可证,可免费使用和部署。

项目预览

superagent 项目界面预览图
图片来源:项目官网

项目数据

分类开源模型
开发团队superagent-ai
定价模式🏷️完全免费
价格说明开源项目,MIT许可证,可免费使用和部署。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议MIT
主要语言TypeScript
技术栈/模型ai,anthropic,guardrails,llm,openai,prompt-injection,security
GitHub 星标★ 6855
上线时间2023-05-10 00:00:00
代码更新2026-08-25
仓库体积90.4 MB
本站数据更新2026-11-09
维护状态维护中
收录时间2026-08-09
浏览次数6

项目介绍

Superagent 是一个专注于 AI 应用安全的开源库,主要解决提示注入、数据泄露和有害输出等安全问题。它提供轻量级 SDK,可嵌入现有 AI 应用,通过检测和过滤恶意输入、监控输出内容来保护应用安全。核心能力包括实时威胁检测、敏感数据屏蔽、安全策略配置和合规性报告,帮助开发者在不改变原有架构的前提下快速提升应用安全性。项目采用 TypeScript 编写,API 简洁,适合集成到 Node.js 或浏览器端 AI 应用中。

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 ★ 6855

使用教程

⚠ 本教程由 AI 依据该项目 README 整理;原始文档不完整,部分步骤为通用流程推断,实际安装请以项目官方文档为准。

难度:入门 约 10 分钟 部署方式:库/依赖 5 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • Node.js 环境(README 给出 TypeScript 用法示例,包名 safety-agent)
  • Python 环境(README 给出 Python 用法示例,包名 safety_agent)
  • 需自行访问官方文档 https://docs.superagent.sh 获取安装方式

安装与启动步骤

  1. 1查阅官方文档

    README 节选未提供安装命令,先到官网文档确认对应语言 SDK 的安装方式与最新用法。

  2. 2初始化客户端

    TypeScript 从 safety-agent 导入 createClient 并调用;示例中未传入任何参数。

    import { createClient } from "safety-agent";
    
    const client = createClient();
  3. 3调用 guard 检测

    把用户输入传给 client.guard,返回结果包含 classification 字段。

    const result = await client.guard({
      input: userMessage
    });
  4. 4处理阻断结果

    classification 为 block 表示命中违规,可从 violation_types 读取违规类型。

    if (result.classification === "block") {
      console.log("Blocked:", result.violation_types);
    }
  5. 5Python 端调用

    Python 版本从 safety_agent 导入 create_client,同样 await 调用 guard 并判断结果。

    from safety_agent import create_client
    
    client = create_client()
    
    result = await client.guard(input=user_message)
    
    if result.classification == "block":
        print("Blocked:", result.violation_types)

如何确认成功

运行 guard 后能拿到返回结果即调用成功,classification 为 block 时表示检测并阻断了风险输入。

常见问题

Q:如何安装 superagent SDK?

A:README 节选未给出安装命令,请访问 https://docs.superagent.sh 查看 TypeScript 与 Python 两种版本的安装说明,不要凭猜测安装包名。

Q:支持哪些编程语言?

A:README 给出了 TypeScript(包名 safety-agent)和 Python(包名 safety_agent)两套示例,用法基本一致。

Q:guard 返回什么内容?

A:返回结果含 classification 字段,值为 block 表示输入违规;violation_types 列出具体的违规类型。

Q:createClient 需要传密钥吗?

A:README 示例中 createClient() 未传任何参数,是否需要鉴权参数请以官方文档为准。

注意事项

  • README 节选未包含安装命令与配置项,安装和鉴权方式必须以官方文档为准,本教程未虚构包安装命令。
  • 示例中的 userMessage 需替换为你自己应用里的真实用户输入。
  • README 还提到 Redact(PII/PHI/密钥脱敏)等能力,但节选内容被截断,未给出完整示例。
  • 项目官网 https://superagent.sh,文档 https://docs.superagent.sh。

核心亮点

  • 提供现成的提示注入检测和过滤规则,开箱即用
  • 支持自定义安全策略,灵活适配不同业务场景
  • 轻量级 SDK,集成简单,不侵入现有代码

不足之处

  • 文档/社区待观察
  • 安全检测可能产生误报,需要调优阈值

适用场景

  • 聊天机器人防提示注入攻击
  • 企业 AI 应用数据泄露防护
  • AI 输出内容合规性审查

替代项目

Rebuff、Guardrails AI、Llama Guard

上一篇:guardrails

下一篇:Viper

同类项目推荐

merchantbench 开源

365天订单级仿真,测LLM智能体长期经营是否前后一致

MerchantBench is a 365-day, order-level benchmark for evaluating the long-term coher···

★ 172 2026-11-06
llm-srbench 开源

测测大模型能不能发现科学公式,一测便知

[ICML2025 Oral] LLM-SRBench: A New Benchmark for Scientific Equation Discovery with ···

★ 132 2026-08-09
agentjail 开源

给AI编程助手装上安全锁,每次操作先过检再执行

Policy guardrails for coding agents (Claude Code, Codex, Cursor) — every tool call ···

★ 102 2026-08-09
PoisonedRAG 开源

看穿 RAG 软肋:用知识投毒测试你的大模型防线

[USENIX Security 2025] PoisonedRAG: Knowledge Corruption Attacks to Retrieval-Augmen···

★ 308 2026-08-09
dialog-eval 开源

17个指标一键评估你的对话模型,告别人工打分。

Evaluate your dialog model with 17 metrics! (see paper)

★ 97 2026-08-09
prometheus-eval 开源

用 Prometheus 或 GPT-4 自动给 LLM 回复打分,快速筛选最佳模型。

Evaluate your LLM's response with Prometheus and GPT4

★ 1120 2026-08-09
CS-Eval 开源

给网络安全大模型打分,快速找出安全能力短板

CS-Eval is a comprehensive evaluation suite for fundamental cybersecurity models or ···

★ 68 2026-08-09