最后更新：2026-10-23 想提高自己和客户的 AI 防护水平，正确做法不是公开发越狱指南，而是用正规开源红队工具，对你拥有或已获书面授权的模型接口做自动化测试。OWASP LLM01 也把对抗测试列为缓解策略之一（OWASP）。本教程覆盖三款主流工具的安装级用法、如何指向你自己的 API、如何读报告——不会粘贴任何攻击提示词或载荷；探针内容由工具维护，你只需看结果。 概念基础见破甲防护清单；手法对照见越狱提示词为什么有效。 一、三款工具怎么选 工具维护方擅长学习曲线官网 / 文档 garakNVIDIA漏洞扫描式探针（注入、越狱、泄露、毒性等），CLI 友好低–中GitHub · docs.garak.ai PyRITMicrosoft可编排的单轮/多轮攻击策略框架、记忆与评分器中–高PyRIT 文档 promptfoo开源社区应用级红队、OWASP 映射报告、CI/CD 友好低promptfoo red team 实用组合：日常回归用 promptfoo 或 garak；要深挖多轮策略用 PyRIT。 二、法律与安全前提（必读） 只测试自己的模型、自家 API Key、或合同明确授权的环境。 不要把工具生成的失败样例（可能含有害内容）发到公网或客户群。 在隔离环境跑；API Key 用环境变量，不写进仓库。 三、garak：安装与扫描自己的接口 3.1 安装 python -m pip install -U garak garak --list_probes 官方说明见 NVIDIA/garak README。Python 版本以官方当前要求为准（文档常见要求 3.11+）。 3.2 指向 OpenAI 兼容接口（示例结构） export OPENAI_API_KEY="你的密钥" garak --target_type openai --target_name 你的模型名 --spec probes.promptinject 把 你的模型名 换成你实际调用的部署名。也可用 huggingface、rest 等 generator（见官方 generators 文档）。用 --spec 限制探针族，避免第一次就跑全集导致费用失控。 3.3 怎么读结果 终端会对每个探针给出通过/失败与失败率。出现 FAIL 不代表“立刻不能上线”，而表示该探针族在当前配置下触发了不期望行为——应结合业务风险决定是否阻断发布，并把样例留给安全同事在隔离环境分析。不要把失败样例当教程传播。 四、promptfoo：应用级红队与 CI npm install -g promptfoo promptfoo redteam init promptfoo...