Unverified50% confidenceFactExact time
大语言模型以统一的token序列处理系统提示、用户输入与检索到的外部内容，从架构层面缺乏可靠的信任边界隔离机制
1
Sources
50%
Confidence
Long-term
Relevance
7/20/2026
First Seen
Sources
Related Claims
Unverified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% similarUnverified在大语言模型底层，系统提示词、用户输入和模型输出都是同一个token序列的不同片段，依靠特殊分隔符和训练时植入的行为模式维持边界，而非硬件或操作系统级别的隔离72% similarUnverified通义灵码底层依托通义千问系列大语言模型的代码理解与生成能力71% similarUnverified具备强推理能力的大语言模型可以理解代码语义逻辑并发现未在已知漏洞库中出现过的新型缺陷71% similarUnverified大语言模型能基于统计模式识别协议结构特征（如帧头、长度字段、命令码、校验和），本质是对已知协议模式的泛化而非真正理解70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/566645API
curl https://kongchang.com/api/v1/knowledge/claims/566645MCP
get_claim(id=566645)