大多数 RAG 教程都聚焦于相关性——分块策略、嵌入模型以及混合搜索融合。它们很少涉及安全性。在生产环境中，检索管道会从具有不同访问级别、敏感等级分类和监管要求的数据源中拉取数据。支持代理不应仅因向量相似度得分较高就查看高管薪酬数据；处理客户查询的 AI 代理也不应返回内部审计发现，仅因为其词汇与问题相似。本文填补了这一空白。它介绍了如何在现有 RAG 管道中添加基于身份的访问控制，作为一层轻量级安全机制：在检索前对每个分块执行权限强制、提示注入扫描、为语言模型构建安全上下文，以及用于合规的审计日志记录。每一步都会生成一个可适配的具体工件。所有示例均使用纯 Python。