用户演示「回溯攻击」拆解式提示链绕过LLM审查

2026年10月15日，据 AGI Hunt 报道，有用户在利用 Codex 逆向旧 Flash 游戏的过程中提出所谓「回溯攻击」：不直接提出危险目标，而是把目标拆成一条条单独看都合理的 prompt 链，逐步逼近并最终拼出危险装置。其演示的链条从人体热追踪、倒地目标检测，一直到软件可控点火器；此外还以「社交焦虑」为名，构建 MCP 自动说服人类。该用户据此质疑自动化检查能否拦住这类拆解式提问，核心疑问是：当 LLM 与用户之间的唯一接口是 context、安全又依赖 Claude 式 pipeline 时，被拆散的恶意意图其管辖边界究竟落在哪里。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。