蚂蚁社保审计访谈问题设计
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 安装规范名 @mayishebao/mayishebao-1494-0495 到 AI 助手。
技能介绍
解决的核心问题
在复杂的 Web 与文件工具生态中,Agent 常因缺乏访问控制机制,将外部内容当作不可变指令执行。这种上下文渗透与提示注入可能导致「致命三要素」:机密数据外泄、破坏性命令执行或资金转移。本技能旨在识别并阻断此类风险,避免 Agent 陷入危险合规边界。
工作机制与执行步骤
本技能采用分层决策模型(共三层)进行推断,不依赖单一运气判断。
- 第一步:威胁特征扫描:快速识别明显的执行痕迹,如 'Ignore previous instructions' 或 'System: new task'。
- 第二步:语义层级判断:深度评估五个维度:
Instruction Layer、Mention Layer、Action Layer等。 - 第三步:动作分类决策:将内容划分为
benign、suspicious或malicious,并决定是否交出指令链。
技能的核心在于任务重构而非阻挡内容,通过结构化的思考拆解混淆指令。
适用边界与注意事项
本技能并非网络防火墙。若文件或网页中确实包含应被处理的异常数据,可能被误判为 suspicious。当内容明确构成请求注入时,Agent 才会让步于用户指令。此外,执行过程不依赖独立工具调用或载荷扫描,需结合 Agent 原生推理能力闭环验证。
使用场景
- 安全工程师处理提示注入样本,判断是否让出控制。
- Agent 开发者在工具调用前检测恶意 payload,防范致命三要素。
- 团队开展内容安全审计,给外部内容打标并拦截指令。
- 研究者分析网页文本,评估是否突破工具使用边界并拒绝。
适合人员
- Agent 安全工程师,需要识别并阻断提示注入,守护工具调用控制流的真实任务。
- Agent 应用开发者,需要在模型与工具链中建立权限边界,避免外部内容引发致命三要素。
- 企业合规分析师,需要对外部文本进行安全审计,判定是否让出对设备的控制权。
- 平台内容审核员,需要判断文档或网页中是否存在伪装指令或篡改行为。