待验证50% 置信事实精确时间
在 LLM 工具调用范式中，模型只输出结构化参数，由宿主程序按预定义 JSON Schema 校验后绑定到预编译的 Cypher 查询模板，因此用户或告警文本内容只会作为参数值传入，天然免疫 Cypher 注入
1
来源数
50%
置信度
长期有效
时效性
2026/10/18
首次发现
来源
涉及实体
相关事实
待验证当前主流 LLM 智能体并非直接执行代码或 SQL，而是由模型输出结构化文本（通常是 JSON），声明要调用的函数和参数，再由宿主程序解析执行。76% 相似已验证LLM 与基于规则的静态分析工具（如 CodeQL）或符号执行工具不同，能够理解注释意图、识别命名惯例语义，并在缺乏完整类型信息时推断数据流向69% 相似待验证LLM工具调用（Tool Calling/Function Calling）是大模型的一种能力：模型按照预设的JSON Schema生成结构化的工具调用请求，由外部代码执行后将结果回传给模型，模型再基于结果继续推理。68% 相似已验证工具调用的基本原理是模型识别需要外部能力的场景，输出结构化的函数调用请求（通常为JSON格式），由外部系统执行后返回结果给模型继续推理68% 相似待验证在 LLM 代理场景中，模型将工具描述字段视为自身配置的一部分来遵循，结果字段则视为外部数据处理，这种信任层级差异导致同一文本在不同字段中的注入风险不同。68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1062916API
curl https://kongchang.com/api/v1/knowledge/claims/1062916MCP
get_claim(id=1062916)