据MarkTechPost报道，一篇最新教程详细展示了如何使用英伟达NeMo Guardrails为基于大语言模型的金融助手构建分层安全防护体系。该教程以个人理财应用的支持助手FinBot为例，演示了如何在请求的全生命周期内，通过叠加多种防护栏来控制模型的行为。

教程构建的防护管线结合了多项技术：用于识别和脱敏个人身份信息（PII）的确定性检测、基于大语言模型的输入与输出自检、检索结果的过滤、账号脱敏、话题限制，以及基于策略的工具调用门控。同时，该方案还实现了有状态的多轮对话、详细的防护栏触发追踪、令牌消耗统计，以及类似红队测试的覆盖报告，用以评估助手是否安全响应、请求由哪条防护栏处理，以及防护机制带来的计算成本。

在具体实现上，教程使用OpenAI的gpt-4o-mini作为基础模型，并通过YAML配置定义通用助手指令和输入、检索、输出三层防护栏，同时设计了自检提示词，用于检测越狱尝试、不当内容、未经授权的账户访问和不安全的金融回复。在Colang流程中，开发者可以定义具体的子流程，例如对包含完整卡号或身份证号的用户消息进行拒绝并丢弃，过滤内部知识库片段，在输出中对账号进行掩码处理，以及设置政治话题和投资建议的拒答规则。

教程还演示了账户余额查询和转账请求两种典型场景的处理。对于余额查询，助手通过调用后端工具获取余额并报告；对于转账请求，系统会调用转账策略检查，决定是提示用户确认转账还是给出拒绝原因。这套方案的目标是在保证金融助手功能可用的同时，通过可追踪、可量化的多层防护措施，降低大模型在金融场景中可能带来的安全风险。