待验证50% 置信事实精确时间
与传统 SQL 注入不同，提示注入不依赖语法漏洞，而是利用大语言模型把读到的一切都当作潜在指令的特性。
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证引入大语言模型后，线索评分系统可以理解表单中的自由文本字段，从语义层面判断意向强弱、预算信号和紧迫程度，而不仅依靠结构化字段72% 相似待验证提示词注入利用的不是代码解析器的漏洞，而是模型本身对指令与数据的边界感知不足72% 相似待验证传统语义层面对的是结构化查询（SQL），规则边界清晰；而 LLM 接收的是自然语言意图，意图边界模糊且动态变化72% 相似已验证提示词注入的根本原因在于LLM架构将系统提示、用户输入和外部检索内容统一编码为同一个连续的token序列，模型无法在语义层面区分可信指令与不可信数据71% 相似待验证提示词注入分为直接注入和间接注入两种形式，因语言模型无法区分数据与指令，凡进入上下文窗口的文本都可能被执行70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1008274API
curl https://kongchang.com/api/v1/knowledge/claims/1008274MCP
get_claim(id=1008274)