待验证50% 置信事实精确时间
LLM接收的输入是单一token流，应用层将系统提示、用户消息和检索内容拼接成一段文本，模型内部没有字段标记某段token属于指令还是数据。
1
来源数
50%
置信度
长期有效
时效性
2026/10/19
首次发现
来源
涉及实体
相关事实
待验证语言模型接收到的是一整条扁平文本流，包含系统提示词、用户消息、检索文档和工具返回结果，没有可靠办法区分指令和普通内容。75% 相似待验证与 SQL 注入类似，提示词注入利用的是系统对'输入'与'指令'的混淆，但区别在于 LLM 没有严格的数据/代码分离机制，所有文本共享同一语义通道。74% 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74% 相似待验证LLM的输入是token而非单词，文本被切分为token，每个token在固定词表中对应一个ID。73% 相似待验证基于LLM的对话系统通过深度语义理解处理开放式输入，能在没有明确关键词的情况下推断用户意图73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1071245API
curl https://kongchang.com/api/v1/knowledge/claims/1071245MCP
get_claim(id=1071245)