Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Guardrails: A bemenetek és kimenetek érvényesítése

6. lecke 14 közül Frissítve 2026. július 28. Haladó
Ezen az oldalon
  1. Mi az a guardrail?
  2. Csővezeték-architektúra
  3. Három tipikus guardrail
  4. Az egész összeállítása
  5. Amikor a szabály nem írható le regexszel
  6. Főbb megállapítások

Mi az a guardrail?

A guardrail egy érvényesítési réteg, amely a felhasználó és a modell között helyezkedik el bemeneti oldalon, illetve a modell és a felhasználó között kimeneti oldalon. A különbség az előző fejezetben tárgyalt moderálástól éles, és ezt fenn kell tartanod: a moderálás arra a kérdésre válaszol, hogy „Ez a tartalom sértő-e?“ – ez egy univerzális kérdés, amelynek válasza nem függ a te üzletedtől. Ezzel szemben a guardrailek olyan kérdésekre adnak választ, amelyeket csak te tudsz megfogalmazni: Az üzenet a várt hatókörön belül marad? A válasz tartalmaz tiltott információt? A kért művelet engedélyezett ehhez a szerepkörhöz? Egy banki asszisztensnek és egy könyvesbolti asszisztensnek ugyanaz a moderációs szabályrendszere, de nincs közös guardrailjük.

2026-ra a guardrailek az AI-ügynök architektúrák szabványos komponensévé váltak, és nélkülözhetetlenné váltak minden olyan esetben, amikor a modell hozzáfér eszközökhöz vagy érzékeny adatokhoz.

Csővezeték-architektúra

A strukturális választás az, hogy minden guardrailt egyetlen felelősségű, független objektumként kezeljünk, majd ezeket egy választott sorrendben láncba rendezzük. Az előny a karbantartás során mutatkozik meg: egy üzleti szabály hozzáadása nem igényel módosítást a meglévő kódban, és egy túl zajossá vált szabály egyetlen sorral eltávolítható.

Egy harmadik ítélet csatlakozik az engedélyezéshez (allow) és a blokkoláshoz (block): a módosítás (modify). Ez megváltoztatja a feladat jellegét. Sok valós helyzet nem indokol elutasítást – egy belső szerverútvonalat tartalmazó válasz hasznos marad, ha ezt az útvonalat elmaszkoljuk. A blokkolás elveszítené az információt; a módosítás megőrzi azt azáltal, hogy eltávolítja a problémát okozó részt.

from dataclasses import dataclass
from enum import Enum

class Decision(Enum):
    ALLOW = "allow"
    BLOCK = "block"
    MODIFY = "modify"

@dataclass
class ValidationResult:
    decision: Decision
    reason: str
    modified_content: str | None = None

class Guardrail:
    """Base class for a guardrail."""

    def validate(self, content: str, context: dict) -> ValidationResult:
        raise NotImplementedError

class GuardrailPipeline:
    """Chains multiple guardrails in sequence."""

    def __init__(self):
        self.input_guardrails: list[Guardrail] = []
        self.output_guardrails: list[Guardrail] = []

    def add_input(self, guardrail: Guardrail):
        self.input_guardrails.append(guardrail)

    def add_output(self, guardrail: Guardrail):
        self.output_guardrails.append(guardrail)

    def validate_input(self, message: str, context: dict) -> ValidationResult:
        for g in self.input_guardrails:
            result = g.validate(message, context)
            if result.decision == Decision.BLOCK:
                return result
            if result.decision == Decision.MODIFY:
                message = result.modified_content
        return ValidationResult(Decision.ALLOW, "All validations passed")

    def validate_output(self, response: str, context: dict) -> ValidationResult:
        for g in self.output_guardrails:
            result = g.validate(response, context)
            if result.decision == Decision.BLOCK:
                return result
            if result.decision == Decision.MODIFY:
                response = result.modified_content
        return ValidationResult(Decision.ALLOW, "OK", response)

Három tipikus guardrail

A hatókör-guardrail (scope guardrail) a beszélgetést a saját domainjén belül tartja. Ez egyszerre szolgálja a biztonságot és a hírnevet: egy ügyfélszolgálati asszisztensnek, akit kézbesítésekkel kapcsolatos kérdések megválaszolására képeztek ki, semmi haszna származik abból, ha politikai hírekről kommentárt fűz, és egy ilyen válasz képernyőmentése gyorsan terjed. A tiltott témák listáját az üzleti oldalakkal kell megvitatni, soha nem szabad kizárólag a technikai csapatnak kidolgoznia.

class ScopeGuardrail(Guardrail):
    """Checks that the message stays within the authorized scope."""

    def __init__(self, allowed_topics: list[str], forbidden_topics: list[str]):
        self.allowed_topics = allowed_topics
        self.forbidden_topics = forbidden_topics

    def validate(self, content: str, context: dict) -> ValidationResult:
        content_lower = content.lower()

        # Check forbidden topics
        for topic in self.forbidden_topics:
            if topic.lower() in content_lower:
                return ValidationResult(
                    Decision.BLOCK,
                    f"Out-of-scope topic detected: {topic}"
                )

        return ValidationResult(Decision.ALLOW, "Within scope")

A formátum-guardrail triviálisnak tűnhet, mégis ez nyújtja a legtöbb napi értéket. Néhány mikroszekundumba kerül, nem függ hálózati hívásoktól, és véget vet a volumetrikus injektálásokhoz és költségkeret-kimerítési kísérletekhez használt túlméretezett üzeneteknek. Helyezd ezt a lánc elejére: nincs értelme API-moderációért fizetni egy 200 000 karakteres üzenet esetén, amelyet amúgy is elutasítasz.

class FormatGuardrail(Guardrail):
    """Validates message format and length."""

    def __init__(self, max_tokens: int = 4000, max_lines: int = 100):
        self.max_tokens = max_tokens
        self.max_lines = max_lines

    def validate(self, content: str, context: dict) -> ValidationResult:
        # Rough token estimation (1 token ~ 4 characters in English)
        estimated_tokens = len(content) // 4
        if estimated_tokens > self.max_tokens:
            return ValidationResult(
                Decision.BLOCK,
                f"Message too long: ~{estimated_tokens} tokens (max {self.max_tokens})"
            )

        line_count = content.count("\n") + 1
        if line_count > self.max_lines:
            return ValidationResult(
                Decision.BLOCK,
                f"Too many lines: {line_count} (max {self.max_lines})"
            )

        return ValidationResult(Decision.ALLOW, "Valid format")

A harmadik típus a kimenetet figyeli, és szemlélteti a „módosítás“ (modify) ítélet használatát. Az általa keresett négy családnak van egy közös, kényelmes tulajdonsága: felismerhető formátummal rendelkeznek, függetlenül a jelentésüktől. Egy API-kulcs, egy belső cím, egy privát IP-cím vagy egy szerverútvonal a szerkezete alapján azonosítható, anélkül, hogy meg kellene érteni a őket tartalmazó mondatot.

import re

class AntiExfiltrationGuardrail(Guardrail):
    """Prevents leakage of sensitive data in outputs."""

    def __init__(self):
        self.sensitive_patterns = {
            "api_key": r"(sk|pk|api[_-]?key)[_-][a-zA-Z0-9]{16,}",
            "internal_email": r"[a-zA-Z0-9.]+@(company|internal|corp)\.\w+",
            "private_ip": r"\b(10\.\d{1,3}\.\d{1,3}\.\d{1,3}|192\.168\.\d{1,3}\.\d{1,3})\b",
            "server_path": r"(/data/|/etc/|/home/|C:\\Users\\)",
        }

    def validate(self, content: str, context: dict) -> ValidationResult:
        for data_type, pattern in self.sensitive_patterns.items():
            if re.search(pattern, content):
                # Mask instead of blocking
                cleaned_content = re.sub(pattern, "[REDACTED]", content)
                return ValidationResult(
                    Decision.MODIFY,
                    f"Sensitive data redacted: {data_type}",
                    cleaned_content,
                )
        return ValidationResult(Decision.ALLOW, "No leakage detected")

Az egész összeállítása

A teljes összeállítás megmutatja, hogyan illeszkednek össze a darabok. Az aszimmetria szembetűnő: két guardrail a bemeneten, csak egy a kimeneten. Ez gyakori és egészséges – erősen szűrsz a modell hívása előtt, mert ott kerülhetők el a költségek, míg a kimeneten a lehető legkisebb szükséges szintet tartod fenn, hogy ne rongáld meg a helyes válaszokat. A kimeneti blokkoláskor visszaadott üzenet ugyanazt az óvatosságot követi: szándékosan homályos, nem árulja el, mit észlelt, mivel ez az információ elsősorban azoknak hasznos, akik fel akarják térképezni a védelmedet.

from openai import OpenAI

def create_secure_assistant():
    """Creates an assistant with a complete guardrail pipeline."""
    client = OpenAI()
    pipeline = GuardrailPipeline()

    # Input guardrails
    pipeline.add_input(FormatGuardrail(max_tokens=2000))
    pipeline.add_input(ScopeGuardrail(
        allowed_topics=["products", "orders", "delivery", "returns"],
        forbidden_topics=["politics", "religion", "competitors"],
    ))

    # Output guardrails
    pipeline.add_output(AntiExfiltrationGuardrail())

    def process(message: str) -> str:
        context = {"user_role": "customer"}

        # Input validation
        input_check = pipeline.validate_input(message, context)
        if input_check.decision == Decision.BLOCK:
            return f"I cannot process this request: {input_check.reason}"

        valid_message = input_check.modified_content or message

        # Model call
        response = client.chat.completions.create(
            model="gpt-5.6-sol",
            messages=[
                {"role": "system", "content": "Acme Corp customer service assistant."},
                {"role": "user", "content": valid_message},
            ],
        )
        reply = response.choices[0].message.content

        # Output validation
        output_check = pipeline.validate_output(reply, context)
        if output_check.decision == Decision.BLOCK:
            return "I am unable to answer this question."

        return output_check.modified_content or reply

    return process

Amikor a szabály nem írható le regexszel

Egyes üzleti szabályok ellenállnak minden minták alapú formalizálásnak. „A válasz nem minősülhet befektetési tanácsadásnak“, „az üzenet nem tartalmazhat egészségügyi adatokat“: egyetlen reguláris kifejezés sem képes ezt lefedni. Ilyenkor egy második, gyors és olcsó modell működhet bíróságként, ahol a választ JSON formátumra kényszerítjük, hogy a hívó kód használható maradjon. A kompromisszum egyértelmű: pontosságot nyersz a késleltetés és a determinizmus rovására, ezért ezt a megközelítést csak olyan szabályokra tartogasd, amelyek ezt valóban indokolttá teszik.

def llm_guardrail(message: str, rule: str) -> ValidationResult:
    """Uses a fast model to validate compliance."""
    client = OpenAI()
    response = client.chat.completions.create(
        model="gpt-5.6-terra",
        messages=[
            {"role": "system", "content": f"""You are a compliance validator.
Rule to check: {rule}
Respond ONLY with JSON: {{"compliant": true/false, "reason": "..."}}"""},
            {"role": "user", "content": f"Message to validate:\n{message}"},
        ],
    )
    import json
    result = json.loads(response.choices[0].message.content)
    if result["compliant"]:
        return ValidationResult(Decision.ALLOW, result["reason"])
    return ValidationResult(Decision.BLOCK, result["reason"])

Főbb megállapítások

  • A guardrailek az üzleti megfelelést érvényesítik, nem csupán a sértő tartalmat szűrik
  • A csővezeték-architektúra lehetővé teszi több érvényesítési réteg kombinálását
  • Minden guardrailnek egyetlen felelőssége van: hatókör, formátum, adatexfiltráció stb.
  • A kimeneti guardrailek ugyanolyan fontosak, mint a bemenetiek
  • Komplex esetekben egy gyors LLM szolgálhat érvényesítőként