SuperAPI AI 工具集

godmode

智能体与模型

查看项目

更新于 10-16 03:49

技能介绍

用途:在提示/API 层面绕过通过 API 提供服务的 LLM 安全过滤,供红队测试模型安全训练使用。与修改权重的方案不同,它不需要开源权重和 GPU,可作用于 GPT、Claude、Gemini、Grok 等闭源模型。

主要能力:一、GODMODE CLASSIC,为特定模型提供经过验证的越狱系统提示模板,策略包括 END/START 边界反转、去过滤解放式回复、拒绝反转、OG GODMODE l33t 等。二、PARSELTONGUE,对用户提示中的触发词做混淆以规避输入侧分类器,分轻(11 种)、标准(22 种)、重(33 种)三档,含 leetspeak、Unicode 同形字、零宽连接符、Base64、十六进制等。三、ULTRAPLINIAN,通过 OpenRouter 并行查询多个模型,按质量、去过滤程度、速度打分,返回最佳未过滤答案,覆盖 5 档共 55 个模型。

使用方式:提供 auto_jailbreak() 自动检测模型、测试策略并写入 Hermes 配置,可用 dry_run 试运行、undo_jailbreak() 撤销;加载脚本须用 load_godmode.py。也可手动在 ~/.hermes/config.yaml 设置 agent.system_prompt 或 agent.prefill_messages_file,并创建 prefill.json;或运行 python3 scripts/parseltongue.py "..." --tier standard 做混淆。配置变更后 CLI 需重启 Hermes 生效。

适用场景:对模型安全训练做红队评估、在多个模型间寻找最少审查的回复、需要持久化越狱配置的 Hermes 会话。

限制:越狱提示会随模型更新失效,实测中 boundary_inversion 在 Claude Sonnet 4 上已被修复,明显有害请求全部失败;Parseltongue 对能解码的 Claude 效果有限,更多适用于基于关键词的输入分类器;预填单独使用不足以覆盖 Claude 训练。相关脚本归属与许可、具体价格与更多平台支持,资料暂未提供。