Prompt Inspector

La détection fonctionne comme un entonnoir à cinq couches, et chaque couche filtre un peu plus finement que la précédente. Un cache de hachage global renvoie le résultat antérieur d'une entrée répétée avec une latence quasi nulle. Une couche de mots sensibles fait correspondre mots-clés et motifs regex avec un automate Aho-Corasick et coupe le processus dès la première correspondance. Une couche sémantique utilise des plongements vectoriels pour attraper les attaques paraphrasées et les injections obscurcies que les règles par mots-clés manquent. Une revue IA optionnelle traite les entrées de zone grise, et une étape d'arbitrage agrège les couches en un verdict final doté d'un score de confiance.

La plupart des requêtes se résolvent dans les deux premières couches en moins de 3 ms, selon le projet. L'analyse sémantique complète se termine en environ 30 ms. C'est la conception en entonnoir qui maintient ces chiffres : une menace évidente est arrêtée à la couche des mots-clés, et seules les entrées ambiguës descendent plus loin dans le pipeline. Cette séparation garde le moteur rapide sur le cas courant tout en consacrant un vrai calcul aux cas difficiles.

Chaque locataire définit ses propres listes de mots, et le moteur prend en charge deux stratégies de correspondance. La correspondance littérale tourne sur un automate Aho-Corasick, qui parcourt toute l'entrée en une seule passe avec un temps linéaire quel que soit le nombre de mots-clés configurés. Les motifs regex couvrent des données structurées comme les numéros de téléphone et les formats de carte. Quand un mot correspond, le pipeline se coupe, donc la couche sert à la fois de filet de sécurité et de raccourci de vitesse.

Les entrées qui tombent dans un terrain ambigu sont escaladées vers un modèle de langage pour un second avis. Les relecteurs pris en charge incluent DeepSeek, Qwen et Gemini. Cette couche existe pour réduire les faux positifs, et elle reste optionnelle pour qu'un déploiement puisse garder le pipeline entièrement déterministe quand il le faut. Un score clair de la couche sémantique saute complètement la revue.

Quand le relecteur IA confirme une nouvelle attaque, le moteur génère des payloads variantes et les ajoute lui-même à la base vectorielle. Avec le temps, la bibliothèque de payloads grandit à partir des menaces que le système voit réellement, et non d'une liste fixe que quelqu'un maintient à la main. L'édition entreprise ajoute une bibliothèque de payloads maintenue à l'échelle du million avec des mises à jour en temps réel tirées des menaces de production.

Prompt Inspector fournit une API REST, un SDK Python officiel, un SDK Node.js officiel et un serveur MCP. Le serveur MCP fonctionne avec Cursor, VS Code Copilot, Claude Desktop et Dify, et une intégration Skill couvre OpenClaw et Claude Code. Tous les clients s'authentifient avec la même clé App API, envoyée via un en-tête X-App-Key ou un jeton bearer, donc une seule clé couvre toute la pile.

Le cœur est open source sous licence AGPL-3.0 et peut être cloné et exécuté sur votre propre infrastructure. L'édition entreprise ajoute la maintenance de la bibliothèque de payloads, la personnalisation, le déploiement privé et un support dédié. Ce partage donne à un développeur solo un garde-fou fonctionnel gratuitement et à une entreprise un chemin accompagné quand elle en a besoin.