# Barreras de seguridad para LLM (/ai--guardrails)

/ai--guardrails es una skill de Claude Code de la sección IA y Agentes. Añade filtros de entrada y salida, defensa contra inyección de prompts y manejo de datos personales a una función de IA, con pruebas adversarias.

- Versión web: https://skills.sgomez.dev/es/s/ai--guardrails
- Sección: [IA y Agentes](https://skills.sgomez.dev/es/ai.md)
- Autor: Santiago Gómez de la Torre
- Licencia: MIT
- Código: https://github.com/sgomez-dev/claude-skills/blob/main/skills/ai/guardrails.md
- Actualizada el 10 jul 2026

## Cómo pedírselo

- `/ai--guardrails protege mi chatbot contra inyección de prompts`
- `/ai--guardrails filtra datos personales (PII) antes de enviarlos al modelo`
- `/ai--guardrails haz pruebas de jailbreak sobre mi asistente`

## Instalar

macOS · Linux:

```
curl -fsSL https://raw.githubusercontent.com/sgomez-dev/claude-skills/main/install.sh | bash
```

Windows:

```
irm https://raw.githubusercontent.com/sgomez-dev/claude-skills/main/install.ps1 | iex
```

Plugin de Claude Code:

```
/plugin marketplace add sgomez-dev/claude-skills
/plugin install ai-skills@claude-skills-collection
```

## Permisos

- Lee: `**/*`
- Escribe: `**/*`
- Ejecuta: `project test/eval runners`
- Red: No
- Destructiva: No

## Descripción del autor (traducida)

Guardrails para LLM: filtros de entrada/salida, defensa contra inyección de prompts, PII y pruebas de jailbreak

## Encaja con

- [Chatbot listo para producción (/ai--chatbot-scaffold)](https://skills.sgomez.dev/es/s/ai--chatbot-scaffold.md): Monta un chatbot sobre tu stack actual: respuestas en streaming, historial guardado, conexión opcional a RAG y un bucle de feedback.
- [Embeddings y búsqueda semántica (/ai--embeddings)](https://skills.sgomez.dev/es/s/ai--embeddings.md): Implementa embeddings vectoriales en tu aplicación para búsqueda semántica, RAG o similitud: ingesta, troceado, consulta y optimización.
- [Evaluar un sistema RAG (/ai--rag-eval)](https://skills.sgomez.dev/es/s/ai--rag-eval.md): Crea un banco de pruebas para medir un pipeline RAG: conjunto de preguntas de referencia, métricas de recuperación, fidelidad y control de regresiones.
- Receta: [/pipeline--llm-app](https://github.com/sgomez-dev/claude-skills/blob/main/pipelines/llm-app.yaml): LLM App

- [Cómo revisamos esto](https://skills.sgomez.dev/es/methodology.md)