在提示工程實務中，輸出遭系統無預警截斷或拒絕回應，往往並非模型能力不足，而是觸發了底層的安全護欄（Safety Guardrails）。Google AI Studio 內建了可自訂的安全過濾機制，理解並合理調校這些門檻，是確保應用兼顧合規性與可用性的必修課。
核心機制：AI Studio 的四大危害防護類別
Google AI Studio 將潛在風險內容拆分為四大核心維度，並針對各維度提供獨立的機率閾值過濾：
Harassment（騷擾）：針對個人或群體的侮辱、嘲諷或惡意貶損言論。
Hate Speech（仇恨言論）：基於種族、宗教、性別、殘疾等特徵的歧視或仇恨內容。
Sexually Explicit（露骨色情）：描繪性行為或色情內容（非醫學常態描述）。
Dangerous Content（危險內容）：鼓吹、協助自殘、暴力、網路攻擊或製造危險物品。
「實測設計：邊界敏感情境的過濾對照
以合法的「資安防禦教學：分析常見 SQL Injection 注入邏輯」為例，觀察不同安全等級下的反應。
測試 Prompt:
【角色】你是一位資安工程師。
【任務】請向初學者解釋以下 SQL 注入攻擊範例的運作原理，並示範其語法結構：
' OR '1'='1
說明為何此條件能繞過登入驗證，並提供 1 種最推薦的修復方式（如 Parameterized Query）。

實驗 B：客製放寬防護（Block few）
操作：將 Dangerous Content 調降為 ⁠Block few⁠

工程落地的安全調校準則
避免一刀切全面關閉：僅針對業務強相關維度（如資安放寬 Dangerous、醫學放寬 Explicit）做微調，維持其他類別的防禦。
API 例外捕獲機制：後端程式碼必須捕捉 ⁠candidate.finish_reason == "SAFETY"⁠，並提供友善的系統降級提示，而非直接拋出 500 錯誤。
外掛自建審查層：若產品端放寬了模型本身的 Safety Settings，務必在系統前後端建立基於正則或關鍵字的第二道業務風控層。