「回溯攻击」揭示 LLM 安全盲区：把危害藏在最合理的那一步 prompt 里

有用户在用 Codex 逆向旧 Flash 游戏时提出「回溯攻击」：把危险目标拆成步步合理的 prompt 链，最终拼出危险装置。他演示的链条从人体热追踪、倒地目标检测到软件可控点火器，另以社交焦虑为名构建 MCP 自动说服人类，质疑自动化检查能否拦住。核心疑问是当 LLM 与用户唯一接口是 context、安全依赖 Claude 式 pipeline 时，恶意意图被拆散后管辖边界在哪。