智能应用安全方案的适用性判断问题边界、适用条件与反例不是一个脱离场景的检查项。在AI 应用安全Agent 工具调用滥用、数据投毒与模型窃取防护里先问两个问题这次要保护或验证的对象是什么出现异常后谁能停止、回退或人工接管提示词、检索内容和工具返回值都可能是不可信输入因此范围必须写在第一行。先判断任务是否需要模型决策任务卡可写成四项目标、约束、可观察信号和停止条件。目标不要写成“提升安全性”而要落到一项具体动作约束则包括权限、环境和不处理的情况。对象可以从不可信文本、工具权限、模型输出和外部数据源开始梳理。AI 任务何时应改用确定性流程先判断任务是否真的需要开放式生成。固定分类、字段校验和规则路由能解决的问题应优先留在确定性流程中。写明模型可以读取什么、提出什么建议、绝不能直接写入什么状态。检索库更新、工具权限或部署位置改变后结论需要重验。用反例检验保护范围提示词过滤能挡住一部分表面指令却不能证明工具授权没有越界两项检查应各自留下证据。每做一步都要说明证据来自哪里。还要核对模型是否被允许调用工具以及调用参数是否经过校验。结论若无法回到原始记录就只能算待确认的假设。交付时交付什么交付结果应附上版本或配置快照、验证输入、观察结果和处置选择。针对本主题策略决策、工具调用记录、拒绝原因与脱敏后的请求关联标识可以作为复核线索。没有通过的项应保留风险说明和后续动作不要在交付时悄悄省略。不适合 AI 的流程要敢于退出不应把模型生成的文字直接当作执行指令。把当前条件写清楚读者才能判断做法能否迁移到自己的环境条件改变后再重新做一次核对即可。