6 passos pra blindar o seu agente contra prompt injection

Não existe correção definitiva. O objetivo é que, quando uma instrução escondida chegar, o agente não consiga causar estrago sozinho: camadas que usam modelo e camadas que não dependem de IA.

0. Mapeie o agente: o que ele lê, acessa e faz.
1. Guardrail de entrada e saída: conteúdo externo filtrado e marcado como dado.
2. Corte a tríade letal: dados privados, conteúdo externo e envio nunca no mesmo agente.
3. Permissão mínima em código: a policy decide, o modelo não muda a regra.
4. Juiz com resposta fechada: o modelo responde sim/não, o código decide pelo limiar.
5. Human-in-the-loop: enviar, pagar e apagar só com confirmação.
6. Log e red team: tudo registrado, e você ataca o próprio agente antes do atacante.

⚠ Teste só em ambiente próprio ou com autorização por escrito.