Claude 95万字符提示词泄露,暴露Agent安全真软肋
Claude Fable 5.2上线仅两小时,黑客Pliny攻破Claude Code,将953659字符、7832行的完整系统提示词与工具定义甩上GitHub。
官方同日公开版仅31881字符,泄露体量是它的30倍。
泄露的不是聊天话术,而是Agent的隐形操作系统。
文件内含128个工具接口、44套技能,训练期刻意削弱加速器内核优化,禁止私开子Agent,本地默认锁死rm命令。
这些“负向约束”才是真正在干活的部分。
Anthropic用近百万字符堆叠“不许”,试图把概率模型焊进工程纪律。
可一旦整份控制平面被提取,攻击面反而从“猜提示词”变成“读说明书”。
靠文本长度筑墙,墙倒得比模型迭代还快。
公开版遮遮掩掩,完整版一扒就穿。
Agent安全把保险箱押在提示词文本上,本身就是结构性脆弱。
真正的护栏该写进架构,而不是塞进上下文。


