LLM Safety Guardrails

设计一条内容审核管线，筛查用户提交的帖子/媒体是否违反政策，在平台规模下权衡发帖延迟与审核准确度。

设计一套 guardrails 管线，用分层的输入与输出安全机制把 LLM 应用包起来。涵盖 prompt injection 与 jailbreak 检测、PII 脱敏、输出审核、工具调用与意图门控、检索投毒（retrieval poisoning）防御、这些检查带来的延迟预算，以及 fail-open 与 fail-closed 的取舍。