打造你的資安實驗室:環境建置
用本機 Ollama、合成筆記與固定模型 digest 建立可重現的 LLM 資安沙盒,實際觀察間接 Prompt Injection 如何帶出另一份筆記的假金鑰。
FW 的繁體中文技術部落格,分享 Web 開發、API 整合、自動化、Docker 與靜態網站的實作經驗、踩坑紀錄和可重現的技術研究。
用本機 Ollama、合成筆記與固定模型 digest 建立可重現的 LLM 資安沙盒,實際觀察間接 Prompt Injection 如何帶出另一份筆記的假金鑰。
先自己列出 LLM 應用的風險清單,再對照 OWASP 2026 版找出盲點,把十條掛回一個最小示範應用,並拿自己畫的三軸地圖跟官方的靶心圖互相檢查。
從 SQL Injection、XSS 與一次本機 Prompt Injection 實驗,拆解 LLM 資安延續了哪些既有原則,又因模型不確定性多了哪些工程難題。
從客服退款與摘要流程拆解模型不確定性,找出意圖、決策、執行與資料邊界;安全控制由可驗證的程式與規則負責。
從 schema、工具參數、狀態機、dry-run 與驗證閘門出發,拆解介面保證派如何在程式中落實 Skill 的不可逆邊界,以及這些保證仍然無法涵蓋的地方。
從觸發描述、資訊階層與 progressive disclosure 出發,拆解 Prompt 紀律派如何以少而準的文字讓 Agent 維持可預期的工作流程,以及它不能取代介面保證的地方。
從內容管線的專用 Lottie workflow 出發,拆解如何把 motion brief、portable profile、CanvasKit 預覽與決定性驗證整理成可跨專案使用的 lottie-maker Agent Skill。
一次 doc-architect 重構加進整個 CONTEXT.md 模組,SKILL.md 卻從 225 行降到 216 行。拆解文件的三層機器保證——長度預算與棘輪、術語裁決的權限邊界、Fresh Session Test 的獨立驗收。
從一次把 SKILL.md 從 302 行砍到 159 行的真實重構出發,對照 Anthropic 的 Claude 5 context engineering 六條新規則,說明哪些規則該交給模型判斷、哪些不變量必須編進 script 與工具介面。
深入拆解 Agent Skill 的觸發、工作流、資源與驗證設計,並以 eval、失敗分類、人工審核及版本治理建立可稽核的自我提煉與升級迴路。