يُحسم الاختيار بين NeMo Guardrails vs Guardrails AI غالبًا بحسب واجهة البرمجة، لكن فريق SRE أو المنصة ينظر إليه من زاوية أخرى: ماذا نرى من كل حاجز حماية عندما يعمل في الإنتاج؟ المكتبتان مفتوحتا المصدر بترخيص Apache 2.0، وتقعان بين التطبيق والنموذج. ومع ذلك فهما لا تعرضان إشارات OpenTelemetry نفسها، ولا بمستوى النضج نفسه.
لا يقارن هذا المقال جودة الكشف، إذ لا يتيح أي مصدر رسمي الحسم فيها هنا. إنه يقرأ وثائق المستودعين وشيفرتهما للإجابة عن ثلاثة أسئلة تشغيلية: أي spans وأي مقاييس تصدر، وكيف نربط عملية حظر بطلب معيّن، وأي بيانات حساسة قد تنتقل إلى الواجهة الخلفية. وللإطار العام للضوابط، راجع نظرة عامة على حواجز حماية وكلاء الذكاء الاصطناعي في الإنتاج.
الإصدارات المقروءة: يذكر README الخاص بـ NeMo Guardrails الإصدار المنشور 0.24.1، بينما يُظهر فرع التطوير 0.25.0-rc1 في pyproject.toml؛ وتوجد Guardrails AI في الإصدار 0.11.0 في ملف pyproject.toml الخاص بها (المستودعات التي روجعت في 31 أكتوبر 2026). والمحتوى صالح لأي واجهة خلفية تدعم OpenTelemetry، ومنها Dynatrace SaaS وDynatrace Managed، دون تكامل خاص توثّقه هذه المشاريع.
NeMo Guardrails vs Guardrails AI: نموذجان للتكامل
يصف NeMo Guardrails نفسه بأنه صندوق أدوات لحواجز حماية قابلة للبرمجة بين شيفرة التطبيق ونموذج LLM. يُضبط في مجلد إعداد (الملف config.yml، وrails للإدخال والإخراج والحوار)، ثم يُستدعى LLMRails أو Guardrails للمحرك الجديد. ويمكنه أيضًا أن يعمل كخادم (nemoguardrails server).
تقدّم Guardrails AI نفسها على أنها إطار عمل بلغة Python ينفّذ Guards للإدخال والإخراج ويستطيع أيضًا إنتاج بيانات منظَّمة. يُنشأ كائن Guard في الشيفرة وتُضاف إليه المدقّقات (validators) بالدالة .use()؛ ويختار كل مدقّق إجراءً عند الفشل عبر OnFailAction (reask وfix وfilter وrefrain وnoop وexception وfix_reask وcustom بحسب الشيفرة المصدرية).
والنتيجة للتشغيل بسيطة. مع NeMo Guardrails تعيش السياسة في ملفات قابلة لإدارة الإصدارات وتُراجع كأي إعداد آخر. أما مع Guardrails AI فتعيش في شيفرة Python الخاصة بالتطبيق: تغيير العتبة يمر عبر نشر جديد.

التتبعات: ما تصدره كل مكتبة
NeMo Guardrails
يتطلب التتبع الإضافة tracing (pip install nemoguardrails[tracing])، وحزمة OpenTelemetry SDK التي يضبطها التطبيق، وكتلة tracing في الإعداد. تعتمد المكتبة على واجهة OpenTelemetry API فقط: وبلا TracerProvider تُهمل الـ spans بصمت، كما توضح الوثائق.
ينتج المحرك الافتراضي LLMRails شجرة لكل طلب: guardrails.request (SERVER)، ثم span باسم guardrails.rail لكل rail مفعّل، وguardrails.action لكل إجراء، وspan من نوع CLIENT لكل استدعاء LLM. والسمات المفيدة لمهندس SRE هي rail.type وrail.name وrail.stop وrail.decisions، إضافة إلى سمات GenAI الخاصة بالاستدعاء (gen_ai.usage.input_tokens وgen_ai.usage.output_tokens وgen_ai.request.model). لذلك يمكن العثور على الطلب المحظور عبر rail.stop.

تفصيل ينبغي معرفته: يعيد LLMRails بناء الـ spans بعد انتهاء الطلب، انطلاقًا من سجل التفاعل. تعكس المدد المجرى الفعلي، لكن الـ spans لا توجد أثناء التنفيذ. أما المحرك الاختياري IORails فينشئ الـ spans أثناء الطلب؛ وتصفه الوثائق بأنه ميزة تجريبية قد تتغير أسماؤها.
Guardrails AI
تنشئ الوحدة guardrails/telemetry span باسم guard لكل استدعاء، وspan باسم step لكل تكرار، وspan باسم <اسم المدقق>.validate لكل عملية تحقق، مع tracer اسمه guardrails-ai. وتشمل السمات validation_passed وvalidator.name وvalidator.on_fail. كما تعرض الشيفرة إعدادًا اسمه disable_tracing.
وللتصدير، ترسل الدالة default_otlp_tracer الـ spans عبر OTLP/HTTP عندما يكون OTEL_EXPORTER_OTLP_PROTOCOL ونقطة نهاية (OTEL_EXPORTER_OTLP_ENDPOINT أو OTEL_EXPORTER_OTLP_TRACES_ENDPOINT) معرّفتين؛ وإلا فتكتب في وحدة التحكم (stderr). ويمكن للتطبيق الذي يضبط TracerProvider خاصًا به أن يستغني عنها: فالشيفرة تحصل على الـ tracer عبر trace.get_tracer.
المقاييس: الفارق الأوضح
توثّق NeMo Guardrails فهرسًا لمقاييس OpenTelemetry، مع تحفظ كبير: فهي لا توجد إلا على محرك IORails التجريبي، ولا يصدر LLMRails أيًّا منها. التفعيل: metrics.enabled: true مع MeterProvider مضبوط قبل إنشاء المحرك. وتسرد صفحة المرجع من بينها:
guardrails.requests.blocked(عدّاد، والوسمrail.typeقيمتهInputأوOutput): أساس معدل الحظر؛guardrails.request.duration(مدرّج تكراري بالثواني، وحدوده من 5 مللي ثانية إلى 10 ثوانٍ)؛guardrails.requests.errorsمع الوسمerror.type؛- مقاييس التشبّع: طابور القبول، والطلبات النشطة، والرفض (
guardrails.nonstream.rejections).

يمكن للخادم nemoguardrails server أن يعرض نقطة scrape لـ Prometheus، لكن الوثائق توضح أنه ينشر ثلاثة مقاييس قبول فقط (الطابور المنتظر، والنشطة، والرفض) ويستبعد البقية. ولتصدير كل شيء يجب ضبط التصدير داخل التطبيق.
أما Guardrails AI، ففي الملفات المقروءة لا تعرّف عدّادات ولا مدرّجات تكرارية خاصة بها: تصدر الـ spans فقط. لذلك يُحسب معدل الفشل لكل مدقّق انطلاقًا من التتبعات (السمة validation_passed واسم المدقّق)، عبر مسار معالجة يحوّل الـ spans إلى مقاييس، مثلًا في Collector contrib. وهذه النقطة قراءة للشيفرة، وليست تأكيدًا بالغياب في كامل وثائق المشروع.
البيانات الحساسة في القياس عن بُعد
هذا هو المعيار الذي ينبغي أن يكون الأثقل في مراجعة الأمان. لا تسجّل NeMo Guardrails محتوى الـ prompts والردود افتراضيًا: الالتقاط اختياري (opt-in) عبر tracing.enable_content_capture أو المتغير OTEL_INSTRUMENTATION_GENAI_CAPTURE_MESSAGE_CONTENT الذي تكون له الأولوية على الإعداد في الاتجاهين. وتحذّر الوثائق من أن هذا المحتوى قد يتضمن بيانات شخصية، وتصف سلوكًا خاصًا مع rails الإخفاء.
وفي شيفرة Guardrails AI تأخذ سمات الـ span القيمة التي جرى التحقق منها: validator.validate.input.value للمدقّق، وinput.value وoutput.value للـ step. ولا يظهر في الملفات المقروءة أي خيار التقاط اختياري. ويصبح Collector مضبوط لحذف هذه السمات أو تجزئتها قبل التصدير المكان المناسب لتطبيق سياسة الاحتفاظ.
يضاف إلى ذلك القياس عن بُعد الخاص بالمشروع نفسه: تحتوي Guardrails AI على قياس «Hub» يعتمد تفعيله على allow_metrics_collection أو على إعداد guardrails configure؛ وتصفه الشيفرة بأنه مقاييس مجهولة الهوية. ويعلن README أيضًا، في 6 يوليو 2026، أن المدقّقات تصبح حزم PyPI تُثبَّت بـ pip وأن الاستدلال البعيد المستضاف يتوقف، مع تاريخ إيقاف مقرر في 25 أغسطس 2026. لذا تتطلب المدقّقات التي كانت تعتمد على هذه الخدمة تحققًا قبل الإنتاج.
كيف تتحقق من أن كل شيء يعمل
- شغّل سكربت البدء السريع من وثائق NeMo Guardrails مع
ConsoleSpanExporterوتحقق من وجودguardrails.requestوguardrails.rail. - بالنسبة إلى Guardrails AI، تسبّب في فشل عمدًا (مثال README مع
OnFailAction.EXCEPTION) وابحث عن span الذي اسمه…validateوقيمةvalidation_passedفيه false. - انتقل بعد ذلك إلى تصدير OTLP نحو Collector وتحقق من أن أي prompt أو ردّ لا يظهر في الواجهة الخلفية ما لم يكن التقاط المحتوى مقصودًا.
ممارسات جيدة
- حدّد ميزانية زمن استجابة لطبقة حواجز الحماية (SLO)، ثم قِسها بمدد الـ spans لا باختبار واحد.
- احسب معدل الحظر لكل نوع rail أو مدقّق، وليس كمجموع عام أبدًا.
- تعامل مع الـ spans كبيانات حساسة: ترشيح في Collector، واحتفاظ قصير.
- ثبّت الإصدارات واقرأ سجل التغييرات: IORails تجريبي في NeMo، وقد تتغير أسماء المقاييس.
- اربط spans حواجز الحماية بتكلفة الرموز (tokens)، راجع تكلفة وكيل الذكاء الاصطناعي بالرموز مع OpenTelemetry.
الأسئلة الشائعة
أي مكتبة نختار لفريق منصة؟
لا تتيح المصادر المقروءة تعيين فائز. تقدّم NeMo Guardrails إعدادًا في ملفات وفهرس مقاييس (تجريبي)؛ وتقدّم Guardrails AI مدقّقات في الشيفرة وspans مفصّلة. ويتوقف الاختيار الصحيح على الحاجة إلى إعداد مركزي وعلى مستوى التحكم المطلوب في البيانات المصدَّرة.
هل يمكن استخدام الاثنتين معًا؟
لا شيء في الوثائق المقروءة يمنع ذلك، لكن لا يوجد وصف لتكامل مشترك بينهما: هذه النقطة غير متحقق منها. كل طبقة تضيف زمن استجابة وspans خاصة بها، وينبغي قياسها كلًّا على حدة.
كيف نتابع معدل الحظر؟
مع IORails في NeMo Guardrails، عبر guardrails.requests.blocked منسوبًا إلى guardrails.requests. ومع Guardrails AI، عبر spans المدقّقات التي قيمة validation_passed فيها false، وتُحصى في Collector. ولا تزال الاصطلاحات الدلالية لـ GenAI تتطور: وقد تتغير الأسماء.
الخلاصة
يتحدث المشروعان لغة OpenTelemetry، لكن أحدهما يقدّم مقاييس على محرك تجريبي والآخر spans غنية بالمحتوى. وبالنسبة إلى فريق SRE، لا يتعلق القرار بالكشف بقدر ما يتعلق بثلاث نقاط: أين تعيش السياسة، وأي مقاييس تصدر دون مسار معالجة، وأي بيانات تغادر التطبيق. ولوكيل برمجي في المؤسسة، راجع أيضًا مراقبة وكيل البرمجة. المصادر: NVIDIA-NeMo/Guardrails وguardrails-ai/guardrails.
span.observer مدوّنة مجتمعية مستقلة وغير تابعة لشركة Dynatrace LLC ولا لشركة NVIDIA ولا لـ Guardrails AI. Dynatrace علامة تجارية لشركة Dynatrace LLC. أسماء المنتجات تعود إلى مالكيها؛ والمحتويات التقنية مأخوذة من المستودعات الرسمية المذكورة.