CMDC.Plugin.Builtin.ContentPolicy (cmdc v0.5.2)

Copy Markdown View Source

LLM-as-Judge 内容安全拦截 Plugin。

用低成本 LLM（如 GPT-mini / Gemini Flash）在 :before_request 评估用户输入， 拦截越狱 / 有害指令 / 离题等不合规内容。

与 cmdc_gateway denylist 的关系

  • cmdc_gateway denylist：HTTP 层 string 匹配，快速、防显式词
  • ContentPolicy LLM-judge：Plugin 层语义判断，防多轮越狱 / 绕过 denylist
  • 推荐双层使用：denylist 拦显式、ContentPolicy 拦语义

4 大策略类别

  1. 指令颠覆（越狱）："忽略之前的规则" / 请求暴露内部 prompt
  2. 有害内容：仇恨言论 / 危险活动 / 露骨内容 / 辱骂
  3. 离题/越界：政治 / 宗教 / 体育 / 学术作弊 / 与 Agent 无关的闲聊
  4. 品牌/竞争：诋毁本品牌 / 讨论竞争对手

配置

{ContentPolicy, [
  judge_model: "gemini/gemini-2.0-flash",          # 低成本 judge model
  judge_provider_opts: [temperature: 0.0],          # 推荐 deterministic
  custom_rubric: "...",                             # 可选自定义评估准则
  brand_keywords: ["MyProduct"],                    # 可选品牌词
  competitor_keywords: ["CompetitorX"],             # 可选竞争对手
  fail_open: true                                   # judge 失败时是否放行（默认 true）
]}

行为

  • :before_request 取最新 user message → 调 judge → JSON schema 验证
  • 不合规 → :abort action + emit :content_policy_violated
  • judge 调用失败 → fail_open: true 默认放行（避免 judge service 故障阻塞主流程）

v0.4.0 实现说明

judge LLM 调用走 CMDC.Provider（req_llm 封装），与主 Agent 共享 provider 池。 这意味着 judge model 切换是 provider 级的（不会影响主 model）。