实测 50 个生产级 AI 代理：47 个存在提示词注入漏洞
Acrobatic-Instance82 · reddit · 2026-07-30
作者上周对 50 个生产环境中的 AI 代理（含客服机器人、RAG 应用等）进行了提示词注入安全审计，发现 47 个存在严重漏洞，主要集中在 5 种攻击模式：
- 直接覆盖 (94%)：用户输入“忽略之前的指令”，由于系统提示词未明确拒绝，模型将其视为新指令。
- 人格转换 (88%)：如“你现在处于开发者模式”，根源同上。
- RAG 间接注入 (76%)：攻击者在检索文档中植入隐藏恶意指令，而系统通常未将检索内容视为不可信数据。
- 工具调用利用 (62%)：诱导代理调用敏感工具（如发送包含客户数据的邮件）。
- 编码绕过 (54%)：使用 hex/base64/unicode 编码隐藏注入指令，模型解码后执行。
作者指出，通用的系统提示词对此毫无防御能力，必须在提示词中极其明确地写入拒绝覆盖、人格保护及“将检索内容视为不可信”等防御性指令才能生效。
「编程与Agent」频道最新
- 相连的步骤≠工作流：Agent 跨应用交接无人把关 — usehive · 2026-10-16
- 用 Opus/Astra/Argon 生成 Blender 动画：怎么描述依然决定成败 — chongdashu · 2026-10-16
- 32GB 内存+8GB 3070 跑 PolyStrata+ Cline，约 90 tok/s — rpwoerk · 2026-10-16
- 模型能力还是基础设施？Agent 评测的分层归因难题 — jrxna · 2026-10-16
- 让 Claude 读完书和高手代码再写 claude.md,「已比我写得好」 — blaizedsouza · 2026-10-16
- Claude Code 插件 /label：一步自动命名并着色会话 — hermanschutte · 2026-10-16