系统对比 NVIDIA NeMo Guardrails（基于 Colang 流程式护栏）与 Guardrails AI（基于 Pydantic 结构化输出验证）两大开源护栏框架的防护层次、拦截时机、集成方式与生产可维护性，给出按场景、规模、合规要求的选型决策树。
系统讲解 LLM Agent 在生产环境中的速率限制（Rate Limiting）与成本攻击（Cost Attack）防御：从单用户 Token 配额、多租户滑动窗口、Prompt 注入放大成本，到 DDoS 防护与 LangChain/CrewAI/AutoGen 框架的集成。
基于 OWASP LLM Top 10 工程实践，系统讲解 Agent 提示词注入的七层纵深防御：输入清洗、指令隔离、最小权限、输出审计、护栏框架、持续红队评估和 Kill Switch，给出可落地的代码与工具链。
五款主流沙箱技术横评，给出 E2B / Modal / Firecracker / gVisor / Kata 的延迟、安全、运维成本对比。
五层防御 + 红队闭环，5 个开源项目落地可复制方案，避开 prompt 越狱与 PII 泄露。
系统梳理 AI Agent 面临的三大攻击面，结合实战代码讲解提示注入防御、工具权限隔离和输出过滤的纵深防御策略。
对比容器、WebAssembly、进程级隔离三种沙箱方案，结合实战代码讲解如何安全执行 Agent 生成的代码。