PrismorSec/immunity-agent

说明与用途

**项目价值**
PrismorSec /immunity‑agent 为各种大语言模型（Claude、OpenClaw、Hermes、Antigravity、Codex、Cursor、Windsurf 等）提供运行时安全层，能够拦截危险指令、阻止机密泄露并强制执行自定义策略。它让开发者在不从零构建安全框架的前提下，快速为 AI 功能加入防护，降低因模型误用或信息泄露导致的风险。

**典型接入方式**

1. **依赖安装**：pip install immunity-agent（或直接在项目的 requirements.txt 中加入）。
2. **初始化**：在代码中创建 ImmunityAgent 实例并加载对应模型的适配器，例如：

   from immunity_agent import ImmunityAgent, ClaudeAdapter

   agent = ImmunityAgent(adapter=ClaudeAdapter())
   agent.add_policy('no_sql_injection')
   agent.add_policy('mask_secret')

1. **包装调用**：把原始的模型调用包装为 agent.run(prompt)，所有输入/输出都会经过策略检查与过滤。
2. **策略定制**：通过 YAML/JSON 配置文件或 Python API 添加、修改或删除策略，支持正则、关键字、上下文感知等多种过滤方式。
3. **渐进式验证**：先在单元测试或小型原型（如 Jupyter Notebook）中验证安全策略的效果，再逐步迁移到完整的业务流程。

**生产可用性**

• **成熟度**：当前评分 61/100，GitHub 113 星、9 fork，最近一次提交为 2026‑05‑12，代码以 Python 为主，社区活跃度一般。
• **适用场景**：非常适合作为 **原型**、**内部工具** 或 **RAG/Agent 工作流** 的安全防护层。
• **上线前检查**：

1. **依赖审计**：确认所有第三方库的许可证兼容性（MIT/Apache 等）并进行安全扫描。
2. **策略审查**：根据业务合规要求审定默认策略，必要时补充自定义规则。
3. **性能评估**：在负载测试环境下评估策略检查的延迟，确保满足 SLA。
4. **监控与日志**：开启审计日志，实时监控被拦截的指令及泄露风险。

• **结论**：在完成上述审计与性能验证后，immunity‑agent 可在 **内部生产环境** 稳定使用；若要面向外部客户或高并发场景，仍建议进一步进行代码审计、持续集成测试以及维护者沟通，以确保长期可维护性。

实际用途

PrismorSec/immunity-agent helps add AI capability without starting from a blank model stack.

• prototype AI features
• build RAG or agent workflows
• evaluate model tooling

限制与审查说明

Medium: useful for prototypes or internal workflows, with dependency and maintenance checks before production.