本文针对大语言模型（LLM）智能体在多阶段工作流（如记忆、规划、工具执行等）中面临的安全风险问题。现有安全方法通常只保护单一阶段，难以集成和覆盖全流程，导致智能体在整个工作流中缺乏全面防护。为此，作者提出“阶段特定安全技能”（Stage-Specific Safety Skills）这一统一抽象，将异构安全设计表示为具有明确阶段语义的可复用、可组合组件。基于该抽象，他们开发了自动化转换流水线，将已有安全设计转化为可复用的安全技能，并建立了社区驱动的安全技能库。进一步，他们构建了多阶段防御框架S^3，其中守护智能体（guard agent）编排各阶段的安全技能，实现整个工作流中的风险检测与缓解。同时，作者构建了多阶段风险基准（MSRB），用于评估各工作流阶段的代表性风险。实验结果表明，S^3在安全有效性和实用性保持方面均优于多个最先进的基线方法。这些结果展示了阶段特定安全技能作为可扩展、可组合基础，在构建健壮可信的智能体系统方面的潜力。本文适合对LLM智能体安全、安全编排和可组合防御机制感兴趣的研究人员及安全架构师阅读。