HackAgent 19 种攻击手法拆解：AI Agent 越狱测试与提示词注入

开源红队工具 HackAgent v0.17.0 内置 19 种越狱与提示注入攻击手法，同一份 YAML 配置换个模型还能重跑。作者在本机安装 0.17.0 并实跑了 validate 与 dry_run 命令。攻击分为静态 9 种、自适应 8 种、多轮 2 种，其中 rag、stac、tool_output_ipi、toolhijacker 四种的入口在 Agent 读到的数据里而非对话。评测侧支持多法官投票，默认 majority、阈值 7.0（满分 10），法官调用失败或回答读不出时投弃权而非安全，全部弃权记 error 不进分母。可选的 audit 会在首次攻击前用 HarmBench 100 条人工标注样本检验各法官与面板聚合的准确率，并检查改写文风后判决是否翻转。