内容来源信任分级

内容来源信任分级是指按来源可靠性对进入代理上下文的内容赋予不同信任等级，低信任内容可被标记、隔离或在进入模型前做净化处理，并禁止其触发高风险工具调用。

内容来源信任分级和指令检测只能降低风险而非彻底消除，需要与最小权限和行为监控组合使用，形成纵深防御。