对着 agent 说了几十次“go on”之后，我写了 hq：给多项目 AI 协作加一层验收协议
翻了过去几个月和 agent 的对话记录，有个发现挺扎心的。 我对着它们发过几十次 “go on”——不是因为它做完了，而是因为它停了。 还有几十次 “作为专家 review 一下”、“try harder”——不是因为它不行，而是因为没有任何东西替它自证。 ...
Agent
复现 SMT 越狱：伪造审核轨迹的多轮攻击，一轮就穿
研究来源本文的起点是 Liu et al. 的论文 Beyond the Prompt: Jailbreaking Function-Calling LLMs via Simulated Moderation Traces（arXiv 2607.00481）。SMT 即 Simulated Moderation Traces，模拟审核轨迹：针对带工具调用能力的商用大模型的多轮越狱手法。本文使用的基线 harness 来自论文配套的实现仓库。 ...
复现玄武 UAT：乱码死了，人话活了，Agent RCE 还隔着一道语义防线
研究来源本文的研究起点是 Liang、Li、Yu 于 2024 年提交的论文 Universal and Context-Independent Triggers for Precise Control of LLM Outputs，以及腾讯玄武实验室在 Black Hat USA 2025 公开的 Agent RCE 演示。GCG 与更早的 UAT 谱系分别来自 Zou et al. 2023 和 Wallace et al. 2019。 ...
逆向 Claude Code Auto 模式：每次工具调用前的 64 个 token 安全防线
逆向 Claude Code Auto 模式：每次工具调用前的 64 个 token 安全防线 Claude Code 的 auto 模式从 8 月 14 日起成了 Pro、Max、Team 新会话的默认权限档。我想搞清楚它到底靠什么防止 agent 干出格的事。 ...
你买的是手，不是脑：拆开 Burp AT 之后，我分析协议开源了一个自己的 Burp MCP
我拆开 Burp AT 的 jar，本来想找一样东西：它把 GPT 的客户端藏哪了。 找了半天，答案是——没藏，因为压根不存在。 ...
Agent 会动手了，安全不能只停留在对话里——action 边界上的运行时设计
最近AI红队是越做越多了，有一半时间在想怎么打 Agent，另一半时间在想： 真要落地防护，应该长什么样（打完了，怎么防？） 我自己写过一个本地优先的 Agent Runtime Guard（ARG），也拆了下微软刚开源的 Agent Governance Toolkit（AGT）。拆完之后，判断其实挺清楚： ...
Reverse OpenRouter
通过境外服务器反向代理 OpenRouter AI API，解决区域访问限制问题。 背景（SCQA） S - 情境 海外 AI 服务（如生图、对话等）通常通过 OpenRouter 等聚合平台提供统一 API 接入，使用方式与 OpenAI SDK 兼容。 ...
把 OpenAI 的隐私过滤模型，塞进红队的工具链
红队安全工具 — 将 OpenAI Privacy Filter 改造为 PII 结构化 提取 HTTP 网关 OpenAI 开源了一个叫 Privacy Filter 的小模型，能从非结构化文本里识别姓名、邮箱、电话、地址这些 PII。 我花了一晚上，把它改造成了一个 HTTP 网关服务，跑在 NVIDIA L20 上，双进程推理峰值 81 RPS，GPU 利用率干到了 98%。 ...
GEO备忘录：给 AI 投毒的人
GEO备忘录：9.9 元，给 AI 下一剂毒 你有没有发现，最近你问 AI “推荐一款空气净化器”，它给你的答案，越来越像广告？ 不是那种明摆着的广告。是那种——语气诚恳、条理清晰、引用了"多方测评"、看上去特别"客观"的推荐。 ...
LLM| 借助DSpy自动优化大模型的提示词
推荐阅读——让LLM自动微调模型： https://dspy.ai/tutorials/rag/#using-a-dspy-optimizer-to-improve-your-rag-prompt https://dspy.ai/tutorials/games/ 用mlflow记录微调细节，https://mlflow.org/docs/latest/genai/flavors/dspy/optimizer/ 优化Agent的提示词，让老师模型帮学生模型优化，https://dspy.ai/tutorials/agents/ DSpy 使用笔记 DSpy 是一个开源的 Python 框架，旨在通过模块化和声明式编程来构建语言模型应用程序。它使得与大型语言模型（LLM）的交互更加高效和可靠，避免了传统提示工程中的繁琐和不确定性。 ...