Guardrail thật là hook chạy trong harness, không phải lời dặn trong prompt: cơ chế hook của Claude Code, các lớp cấu hình, rồi từng lớp chặn của AgentKit và những chỗ hở cần kiểm.
Phần 1/2: lời dặn trong prompt chỉ là gợi ý. Guardrail thật là hook chạy trong harness của Claude Code, chặn tool call bằng exit 2. Cơ chế hook, bảy nhóm guardrail của AgentKit và các lớp settings.
Phần 2/2: mổ từng lớp chặn của AgentKit, từ scout-block, privacy-block, simplify-gate tới hard-gate và guard skill, kèm các chỗ hở đã biết, thói quen nên giữ và bảng thuật ngữ.
