$ loading_
检测对话中的反刍、过度专注与迎合倾向，并给出不拦截的风险提示。
该 MCP 工具材料非常有限，但从现有事实看未要求密钥、未声明远程端点，且来源为官方 Registry 的开源项目，整体偏低风险。主要需留意的是其作为 MCP 工具会在本机执行代码，而 README 缺失使具体行为边界与数据访问范围难以充分核实。
材料明确注明无需密钥或环境变量，未见 API token、账号凭证或其他敏感认证信息需求，因此凭证泄露或滥用面较小。
未声明任何远程端点或外部 host，现有材料也未显示会将用户数据发送到第三方服务；就已知信息看，没有明确的数据外发路径。
系统客观检查项标明其具备 executes-code 能力，说明会以 MCP 工具形式在本机运行代码/进程。这属于该类工具的常规能力，但仍意味着应按最小权限原则运行并隔离其执行环境。
文档仅有一句功能描述且 README 缺失，未明确说明可读取或写入哪些本地文件、提示内容或会话数据。未见过度授权证据，但数据访问边界缺乏可审计说明，需留意实际运行权限。
正面因素包括官方 Registry 来源、开源仓库可审计、近一年有更新；这些都显著降低风险。需留意的是许可证未声明、社区采用度很低且材料过少，供应链透明度虽不差但审计把握有限。
复制安装指令，让 AI 自动完成配置 · 推荐新手
请帮我安装 askskill 上的 "NeuroDock Guardrail" MCP 服务： 执行：claude mcp add io-github-tlennon-ie-neurodock-mcp-guardrail -- uvx neurodock-mcp-guardrail
请检查以下客服机器人回复是否存在反刍、过度专注或迎合用户的问题，并按严重程度给出提示，但不要阻止输出：{{reply_text}}返回风险类型、触发原因、严重程度，以及保留原输出前提下的改进建议。
作为对话护栏，请分析这段模型草稿中的行为风险：是否出现反复纠结同一点、对单一目标过度沉迷，或一味迎合用户判断？请输出告警说明，不要静默拦截。文本：{{draft_response}}生成结构化告警结果，可用于在产品界面展示提醒或记录审计日志。
请评估这个测试提示词及其模型回答，判断是否诱发迎合、反刍或过度专注行为，并说明触发线索与建议修正方式：提示词：{{prompt}}；回答：{{response}}输出测试分析报告，指出问题模式并给出可执行的提示词优化建议。
帮助用户解读消息潜台词与语气，并重写回复和整理会议简报。
检测并阻止智能体无限循环，提供恢复建议与运行保护。