# Guardrails

> Контроль и защита при работе с LLM Python-фреймворк для безопасных и структурированных AI-ответов Когда использовать?

Инструмент · Алексей Ишманов · 12 октября 2025 · https://aleksishmanov.ru/tools/guardrails/

![](/media/tools/guardrails/b9b6c5f46d96d2f3.jpg)

![](/media/tools/guardrails/b4ac632f205e98d3.jpg)

Контроль и защита при работе с LLM
Python-фреймворк для безопасных и структурированных AI-ответов

⚡ Когда использовать?
✅ Нужно фильтровать токсичный или опасный контент
✅ Гарантировать корректный JSON/XML
✅ Предотвратить утечку данных через LLM

**👨‍💻 Какую проблему решает**
Безопасный доступ к ИИ без риска слива внутренних данных при подключении внешних LLM (Copilot, API, ассистенты)

- Без инструмента
Сотрудник подключает внешний LLM → сливает всё, что знает внутренняя модель (пароли, комментарии, код)

- С Guardrails
1. Прокси-защита для Input/Output
2. Обнаружение “prompt-хакинга”
3. Блокировка и логирование сомнительных запросов

🛠 Comparison with similar tools:
🔹 Rebuff → защита на уровне prompt
🔹 Outlines → строгий вывод по схеме
🔹 LMQL → контроль генерации

Полезные ссылки:
- [OpenSource](https://github.com/guardrails-ai/guardrails)
- [HUB моделей Guardrails](https://hub.guardrailsai.com/)
- [Рейтинг моделей защиты](https://index.guardrailsai.com/)