5.1 Implement guardrails and safety controls

Dựng guardrail nhiều lớp, ưu tiên kiểm soát phòng ngừa.

1. Nội dung tool (email, web, tài liệu) là dữ liệu không tin cậy: đánh dấu rõ là dữ liệu, không đặt chỉ dẫn của bạn trong tool result, sàng lọc trước khi hành động.
2. Lớp đầu rẻ: model nhẹ như Claude Haiku 5.5 sàng lọc đầu vào (trả phán quyết có cấu trúc) trước khi tới cuộc hội thoại chính.
3. Kết hợp quyền tối thiểu, giới hạn cứng trong code và red-team bằng nội dung có injection trước khi ra mắt.