Agent Skills
返回列表
模型越狱防护加固

模型越狱防护加固

IT 运维与安全 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_af163eaa/z-ai-sec-jailbreak

技能介绍

要解决的问题

大模型的系统提示边界，经常被一句精心构造的用户输入撕开。常见的绕过手段包括：

  • 角色扮演诱导：让用户扮演没有限制的 AI 或地下黑客
  • 虚拟场景：虚构一个"平行宇宙"或"诊断演练"来绕过安全策略
  • 编码绕过：用 base64、hex 或 ROT13 把恶意指令藏在数据里
  • 分阶段诱导：一步步降低模型警惕，先要一个无害结果，再叠加上下文

团队往往在 prompt 里写了禁令，却没有结构化的方法系统性审计这些话术，也没有统一的拒答策略和分级响应流程。

核心能力

模型越狱防护 把防御拆成可执行的四步：

  1. 识别常见越狱：覆盖角色扮演、虚拟场景、编码绕过、分阶段诱导等模式
  2. 加固系统提示边界：给出明确的边界声明与标准拒答话术，例如 Sorry, I can't help with that.
  3. 敏感主题护栏与分级响应：按风险等级执行阻断 / 警示 / 转人工，而非一刀切
  4. 异常会话记录：留存违规输入样本，用于复盘与规则迭代

工作流程

  1. 明确目标与场景边界
  2. 套用核心方法逐项执行或自查
  3. 输出结构化结果：清单 / 分级 / 建议
  4. 标注不确定项与需人工复核的环节

适用边界

  • ✅ 适合越狱防护、jailbreak、模型绕过、安全护栏、拒答策略、AI 安全加固等场景的方法论指导与清单参考
  • ✅ 需要结构化步骤、检查清单或最佳实践时
  • ❌ 不适合需要实时数据或外部系统直连的高频自动化任务
  • ❌ 不替代法律、医疗、财税等须持牌专业人士出具的确定性结论

注意事项

防护是最佳实践，不是绝对防御。高危系统须独立进行红队测试验证，并把异常会话纳入持续迭代。更多速查内容见 references/速查卡.md。

使用场景

  • 上线前对大模型对话接口做安全评审，需要按清单逐条排查角色扮演、编码绕过等越狱输入并整理分级拒答策略。
  • 编写系统提示时想加固模型边界，需要拿到标准拒答话术与敏感主题的阻断、警示、转人工分级响应模板。
  • 线上出现异常会话，需要按结构化步骤复盘违规输入，沉淀成可迭代的越狱防护检查清单。
  • 准备内部红队测试，需要一份覆盖常见越狱话术的速查卡来设计测试用例。

适合人员

  • 负责大模型应用上线评审的安全工程师，需要一套可执行的越狱输入检查清单与拒答话术模板。
  • 编写系统提示的提示词工程师，需要明确的边界声明和敏感主题分级响应规范。
  • 搭建 AI 客服或助手的产品负责人，需要把敏感话题的阻断、警示与转人工流程固化到护栏里。
  • 组织内部红队演练的运维或安全团队成员，需要越狱话术速查卡来设计测试用例。