原文给出的示例发现是攻击者用阿拉伯语ي绕过输入过滤器，十次尝试中七次成功，模型泄露系统提示词但未调用工具，定为中危；根本原因是过滤器直接比对原始文本，边界处无归一化；修复后同样十次尝试零成功。