ai-jailbreaks：35 个即贴即用越狱提示词红队库

📅 2026-10-24 | 🏷️ 安全 & 评测 | ⭐ ⭐478（7天窗口爆发，创建3天）
🔗 原文：https://github.com/Alejandros17487/ai-jailbreaks

是什么

GitHub 新仓库 ai-jailbreaks 收录了 35 个「即贴即用」的越狱（jailbreak）提示词，覆盖 25+ 个前沿与开源权重模型，并明确标注定位为AI 安全研究与红队测试用途。仓库还附带了 system prompt、AGENTS.md 规范文件、Ollama Modelfile 三类载体的样例——意味着它系统化整理了「配置文件也是攻击面」这一事实。创建 3 天即获 478 星，是本期安全侧热度最高的内容。

🔍 小白解读

先说几个词

• 越狱（Jailbreak）：用精心设计的话术绕过 AI 的安全限制，让它输出本不该输出的内容。打个比方：保安说「闲人免进」，越狱者靠一套话术让保安自己把门打开。
• 红队测试（Red Teaming）：公司雇「自己人扮演黑客」主动攻击自家系统，赶在真黑客之前找到弱点。
• 提示注入（Prompt Injection）：把恶意指令藏进 AI 会读到的文本里（网页、文档、配置文件），诱导 AI 执行错误行为。
• AGENTS.md / Modelfile：给 AI agent 和本地模型写的「说明书/配置文件」，规定 AI 的角色和行为边界——现在它们本身也可能成为被利用的入口。

这篇到底在说什么

有人把目前公开流传的越狱话术做了一次系统化整理：35 个提示词，粘贴就能用，覆盖 25 个以上的主流模型，还按载体分类——有的塞在系统提示词里，有的藏在 AGENTS.md 这类 agent 配置文件里，有的绑定在本地模型的 Modelfile 中。3 天 478 星说明两件事：一是社区对「我的模型到底有多脆弱」有强烈的自查需求；二是这些话术的门槛已经低到「复制粘贴」级别。需要强调的是：这类内容是典型的双刃剑——安全团队拿它做防御测试是专业工具，拿去滥用则违反各平台条款甚至法律。它真正的价值在于把一个事实摆上了台面：AI 的安全边界不只是模型本身，还包括围绕模型的所有配置文件。

这跟普通人有什么关系

如果你自己搭建过 AI 应用、写过 agent 配置，你的系统可能比想象中更容易被「话术攻破」。对企业用户，客服机器人、内部助手若缺乏防护，可能被诱导泄露内部信息。这提醒所有 AI 用户：别把 AI 的回答当作绝对可信，敏感操作永远要有人工确认。

为什么值得架构师关注

• 攻击面清单化：本仓库实际上给出了一份「越狱载体分类学」——system prompt、AGENTS.md、Modelfile，正好对应企业 agent 部署的三层配置，可直接转化为内部威胁建模清单。
• 红队素材库：对自建 LLM 应用做上线前安全评估时，这是现成的测试集；比自行从头收集话术成本低得多。
• 防御侧提示：能被「轻易发现」的越狱最终都会被利用，安全设计假设应从「没人会这么试」升级为「人人都能复制粘贴地试」。
• 评测缺口信号：越狱库与模型版本强相关，提示企业应建立周期性的越狱回归测试，而非一次性的上线检查。

核心内容

• 仓库：Alejandros17487/ai-jailbreaks，创建于 2026-10-21，3 天 478 星。
• 收录规模：35 个可直接粘贴的越狱提示词，覆盖 25+ 前沿与开源权重模型。
• 载体分类：system prompts、AGENTS.md 规范、Ollama Modelfiles——配置文件被明确视为攻击面。
• 定位声明：面向 AI 安全研究与红队测试；本期「安全 & 评测」类目供需调剂入选（类目描述：越狱/红队）。

行动建议

• 建议自查：若团队有对外 LLM 应用，用此类公开越狱库做一轮授权范围内的红队测试，重点检查：系统提示词是否可被诱导泄露、agent 是否有越权工具调用、配置文件是否可被注入。
• 落地三层防护：输入过滤（已知越狱模式）、权限最小化（agent 工具调用加白名单）、输出审查（敏感信息出站检测）。
• 建立季度越狱回归测试机制，新模型上线、prompt 大改后必测。
• 仅限授权测试用途使用该仓库内容；对外服务滥用越狱技术有法律与合规风险。