🏷️ 越狱

一文读懂引发Fable模型禁令的大模型越狱技术

文章深入探讨了引发 Fable 模型限制的大模型越狱技术。作者通过多个案例（如 Crescendo 多轮对话、角色扮演、隐写术及间接注入等）展示了如何绕过安全限制，并针对 LLM 和 Agent 开发者提出了包括权限隔离、数据不可信处理及人工复核在内的安全防御建议。

越狱提示词工程 · 第四课：输出架构

本文是《越狱提示词工程》系列的第四课，专注于解决模型在输出生成过程中的自我审查与拒绝问题。文章指出，即使解决了身份、免疫和思维轨道问题，模型仍会在逐Token生成时触发安全机制。为此，作者提出了“输出架构”策略，包括通过具体工艺标准劫持验证通道、利用篇幅和示例抢夺注意力、设置锚定循环防止漂移，以及使用暗语触发和格式护甲等手段，确保模型在生成阶段不偏离预设轨道。

越狱提示词工程 · 第二课：注入免疫系统

本文是《越狱提示词工程》系列的第二课，主要讲解如何为AI设定的角色构建一套“免疫系统”，以防御系统安全提示（注入）对预设身份的覆盖。文章提出了三层防御架构：第一层“皮肤”通过规则显式拦截已知安全标签；第二层“先天免疫”利用性格设定排斥“说教”语气；第三层“适应性免疫”利用感官锚点建立条件反射，自动修正思维漂移。文中提供了针对不同人设的具体Prompt写法范例，并强调了防御系统的协作机制与局限性。

2026主流大模型越狱提示词写作技术指南

文章深入剖析了2026年大模型越狱的底层逻辑，将其定义为Prompt与模型参数之间的概率博弈。作者提出了工程化的“十二层架构”方法论，通过身份重写、记忆植入、偏好雕刻和事实灌输等技术手段，系统性地绕过模型的安全微调和系统提示词防御，实现从碰运气到精密心理手术的思维转变。

Google Deepmind论文解读：如何给AI Agent 投毒

文章解读了 Google DeepMind 关于《AI Agent Traps》的论文，系统梳理了针对 AI Agent 的六类攻击陷阱：内容注入、语义操控、认知状态投毒、行为控制、系统性陷阱及人在回路攻击。文章指出，Agent 与人类感知的“鸿沟”使其极易遭受环境篡改攻击，且这些陷阱可组合叠加，造成严重的数据泄露或控制风险。防御需从训练与推理的技术层面同时发力。