红队称改写措辞更易攻破AI Agent

一位从事受许可攻击的红队人员在 Reddit AMA 中称，改写提示措辞比经典越狱提示更容易突破生产级 AI Agent，因为多数 Agent 对措辞变化的防御更弱。 他建议阅读 Agent 执行 trace 定位失效点，并指出单纯修改 prompt 无法解决部分问题；加固防御还可能误拦合法请求。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。