AI 大模型飞速进化，不懂 AI、不会用 Agent 的程序员，正在慢慢被行业淘汰。现在 AI 新技术迭代快到离谱：RAG 还没学明白，MCP 接踵而来；工具刚上手，Skills、各类新 Agent 概念又轮番刷屏；Manus还没看懂，就出来OpenClaw，OpenClaw热度还没退，又出来Hermes。越追越乱、越学越焦虑，永远在被动跟风，陷入学不完、跟不上、用不上的内耗。其实焦虑的根本原因，不是新技术太多，而是不懂大模型 Agent 应用底层原理，只会零散跟风，没有通用方法论。
为此我专门推出Agent 应用实战专栏，采用Agent基础 + Agent设计模式 + 工程实践三位一体体系，帮你彻底摆脱 AI 焦虑。 专栏分为三大模块：
- Agent基础：深入浅出拆解AgentScope Java源码，掌握Agent应用基础的三驾马车（提示词、工具和记忆），夯实 Agent 开发底层根基；
- Agent设计模式：基于《agentic-design-patterns》精讲经典架构模式（提示词链、并行、路由、规划、反思、推理、人机协同等等），掌握高阶 AI 应用设计思路；
- 工程实践：手把手从零手搓简易版 OpenClaw，还原真实项目落地全流程。
学完本专栏，你将彻底吃透底层逻辑、掌握架构思维、并具备工程落地能力。未来无论再涌现 MCP、Skills 还是其他任何新技术，你都能一眼看透其本质、快速上手复用，不再盲目跟风，稳稳守住程序员的职业护城河。
注意：由于框架的不同版本会有些使用的不同，因此本次系列中使用基本框架是agentscope-1.0.11，JDK版本使用的是open-jdk-21（agentscope-java最低要求java版本为17）。
本文章的代码地址： https://github.com/forever1986/agentscope-agent-pattern
目录
- 1 Guardrails安全模式
-
- 1.1 说明
- 1.2 适合场景
- 2 代码示例
-
- 2.1 模拟Langchain4j的Guardrails
- 2.2 Failure示例
- 2.2 Fatal示例
上一章讲解了Agent的异常和恢复，这一章来讲一下Agent的安全模式。
1 Guardrails安全模式
1.1 说明
在实际场景中，AI 系统可能会返回有害、有偏见、无关或其他不良响应，并且变得不受约束、不可预测且具有潜在危险，甚至可能出现操纵或者突破道德和法律标准。为了防止这种情况的方式，Agent一般对AI的输入和输出都需要做一些安全防护。 Guardrails（防护栏），也称为安全模式，是确保智能体安全、符合道德规范并按预期运行的关键机制，特别是在智能体自主并集成到关键系统中的情况下。它们作为保护层，引导智能体的行为，防止有害、有偏见、无关或其他不良响应。这些防护栏可以在多个阶段实施，包括输入验证/清理以过滤恶意内容、输出过滤/后处理以分析生成响应中的毒性或偏见。防护栏的主要目的不是限制智能体的能力，而是确保其运行稳健、可靠且有益。它们作为安全措施和指导机制，对构建负责任的 AI 系统、减轻风险以及通过确保可预测、安全和合规的行为来维护用户信任至关重要，从而防止操纵并维护道德和法律标准。
1.2 适合场景
Guardrails 应用于各种智能体场景：
- 客户服务聊天机器人：防止生成冒犯性语言、不正确或有害的
