模型越狱防护

定位

模型越狱防护——识别越狱话术并加固系统提示边界的常规指南 Skill

适用边界

• ✅ 适用：越狱防护、jailbreak、模型绕过、安全护栏、拒答策略、AI安全加固 等场景下的方法论指导与清单参考。
• ✅ 适用：用户需要结构化步骤、检查清单或最佳实践时。
• ❌ 不适用：需要实时数据或外部系统直连的高频自动化任务。
• ❌ 不适用：须由持牌专业人士出具的确定性结论（法律/医疗/财税等）。

触发词

越狱防护、jailbreak、模型绕过、安全护栏、拒答策略、AI安全加固。

核心方法

1. 识别常见越狱：角色扮演、虚拟场景、编码绕过、分阶段诱导
2. 加固系统提示边界与标准拒答话术
3. 设置敏感主题护栏与分级响应（阻断/警示/转人工）
4. 记录异常会话用于复盘与规则迭代

工作流程

1. 明确目标与场景边界。
2. 套用上述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。

红线 / 注意事项

防护为最佳实践，非绝对；高危系统须独立红队测试验证。

附：速查卡

详见 references/速查卡.md。